Мы строим корпоративную систему управления знаниями нового поколения на основе мультиагентной GenAI-архитектуры. Система обеспечивает сотрудникам интеллектуальный доступ к корпоративным знаниям через чат-интерфейс и веб-поверхности, формирует персональные рекомендации контента и автоматизирует работу с неструктурированной информацией.
Техническая основа – мультиагентная система, интегрированная с реляционными и документальными БД, S3-хранилищем документов, корпоративным RAG-сервисом, OCR-системой и другими внутренними АС банка. Разработка ведется на корпоративной микросервисной платформе с выделенным AI-агентным фреймворком.
Это продуктовая разработка с нуля с длинным горизонтом.
Обязанности
- Разработка и настройка логики агентов с учётом ролевой модели пользователей и источников данных
- подготовка и предобработка данных из корпоративных АС банка для обучения и дообучения моделей
- интеграция с корпоративным RAG-сервисом: настройка retrieval-пайплайнов, оптимизация индексов
- отладка логики агентов, работа с пользовательской обратной связью, итеративное улучшение
- повышение качества ответов: оценка метрик, выявление деградаций, работа с качеством источников информации
- эксперименты с prompt engineering, fine-tuning и методами улучшения релевантности
Требования
- Опыт работы в роли ML-инженера от 3 (трех) лет в проектах по разработке и/или модификации и/или внедрению ИИ решений и ПО с использованием Python
- опыт разработки ИИ-агентов и чат-ботов; опыт работы с агентными фреймворками: LangChain, LangGraph или аналоги
- понимание NLP-методов: классификация, извлечение сущностей, семантический поиск, embeddings, summarization
- опыт работы c LLM (OpenAI, Qwen, GigaChat или аналоги)
- понимание RAG-архитектур и принципов векторного поиска
- prompt engineering – структурирование промптов, chain-of-thought
- опыт подготовки и очистки данных (pandas, spark или аналоги)
- понимание метрик качества NLP-систем (precision, recall, NDCG и т.п.)
Будет преимуществом:
- опыт оценки качества генеративных ответов (RAGAS, TruLens и т.п.)
- векторные БД: Chroma, Weaviate, pgvector или аналоги
- опыт работы с корпоративными данными (банк, ERP, CRM)
- SQL
- опыт дообучения (fine-tuning) языковых моделей
Условия
- офисный или гибридный формат в Москве
- ежегодный пересмотр зарплаты и годовая премия
- расширенный ДМС и льготное страхование для семьи
- уникальная система обучения Сбера для профессионального и карьерного развития
- выгодная ипотека для сотрудников
- бесплатная подписка СберПрайм+, скидки на продукты компании-партнёров
- вознаграждение за рекомендацию друзей в команду Сбера
- корпоративная пенсионная программа.
