О компании Clay

ИИ запускает крупнейшую волну создания компаний в истории. Миссия Clay — быть движущей силой, которую эти компании используют для достижения своего полного потенциала.

Clay предсказывает следующий лучший шаг для вашего бизнеса и помогает его сделать. Мы начали с агрегирования лучших данных для B2B-компаний. Затем мы построили инфраструктуру для запуска любых персонализированных кампаний на её основе, включая электронные письма, рекламу, лендинги и рабочие процессы, которые делают представителей более продуктивными. Сейчас мы создаём агентов, которые могут помочь развивать вашу компанию за вас. Мы уже помогаем тысячам клиентов — включая Anthropic, OpenAI, Google и Visa — выходить на рынок с уникальными данными, сигналами и исследованиями в области ИИ.

В 2026 году мы привлекли $115 млн в раунде серии D при оценке в $7,1 млрд под руководством Wellington — и на пути к достижению $200 млн выручки в этом квартале. Мы также запустили фонд стипендий на $1 млн для образования GTME.

Несколько фактов о нас:

• Наше сообщество включает более 17 000 клиентов, более 200 партнеров по интеграции, более 125 агентств, более 50 клубов Clay и 30 000 участников в Slack.

• Наша культура уникальна как внутри, так и вне работы. Наши сотрудники — это также диджеи, активисты, писатели, клоуны, марафонцы, парашютисты, психоделические терапевты, социальные работники и многое другое.

• Все сотрудники могут работать с мировыми коучами, специализирующимися на креативности, управлении и других областях.

• Наши операционные принципы — включая негативное обслуживание и действие без привязанности — направляют нашу работу. Подробнее о них читайте здесь.

• Читайте о нас в NYT, Forbes, First Round Review, и другие.

Узнайте мнение наших сотрудников на нашей странице Glassdoor!

О команде

Продукт Clay всё больше работает на базе агентов ИИ — систем, которые исследуют, обогащают и принимают решения от имени наших пользователей, а не просто генерируют текст. Это не лёгкие помощники, наложенные на существующий продукт; это агенты с долгосрочной перспективой, созданные для выполнения многоэтапной, требующей суждений работы, на которую сегодня опытные GTM-команды тратят много времени. Несколько команд работают над разными слоями этого: агенты, которые выполняют реальные рабочие процессы выхода на рынок от начала до конца, и общая платформа (оболочка, память, инструменты, поиск, оценки), на которой эти агенты работают.

Эта роль является общей точкой входа для всех этих команд. В зависимости от вашего опыта и интересов вас направят в конкретную команду в процессе отбора — но все команды здесь работают над одной и той же основной задачей: сократить разрыв между агентом, который хорошо выглядит в демонстрации, и тем, который достаточно надёжен, чтобы работать автономно в продакшене.

О роли

Вы будете тесно сотрудничать с продуктовой командой, исследовательскими коллегами и другими инженерами, чтобы агенты были не только способными, но и надёжными, управляемыми и заслуживающими доверия для выполнения реальной работы. Это значит, что работа не ограничивается улучшением поведения модели в изоляции — важно превратить эти улучшения в измеримые достижения в выполнении задач, надёжности и экономии времени для пользователей.

Что вы будете делать

В зависимости от команды вы можете работать над:

Продуктами агентов

• Проектировать и улучшать поведение агентов в реальных рабочих процессах GTM. Например, формирование списка общего адресного рынка (TAM), что на практике означает навигацию по неоднозначным определениям идеального профиля клиента (ICP), согласование противоречивых сигналов из разных источников данных и принятие решений, на которые опытные аналитики тратят много времени.

• Картировать ручные многоэтапные рабочие процессы, которые сегодня выполняют GTM-команды, и превращать их в агент-управляемые потоки, которые не уступают или превосходят работу человека вручную.

• Создавать и запускать оценки (evals), которые измеряют, действительно ли агент правильно выполнил задачу — а не просто выглядел правдоподобно — и использовать их для выявления регрессий и ошибок.

• Анализировать реальные сбои в продакшене и систематически улучшать устойчивость.

• Работать с продуктом, чтобы довести агентские потоки от раннего прототипа через закрытую бету до общего доступа, и помогать определить, что значит «хорошо» для каждого из них.

Платформа и инфраструктура агентов

• Создавать основную оболочку агента, на которой строятся другие команды, включая системы памяти, инфраструктуру инструментов и архитектуру поиска.

• Улучшать производительность агентов через стратегии подсказок, дизайн использования инструментов и построение контекста.

• Проектировать защитные механизмы и проверки безопасности, чтобы агенты вели себя предсказуемо в продакшене.

• Создавать кросс-платформенный фреймворк для оценок, чтобы каждая команда, работающая на платформе, могла измерять качество, регрессии и производительность одинаково.

• Строить обратные связи, которые превращают реальное использование и логи продакшена в лучшие подсказки, инструменты и покрытие оценок со временем.

• Поддерживать команды, создающие собственные форки или варианты управляемого агента для своих конкретных случаев использования.

Что вы принесёте

• Опыт создания или выпуска продакшен-систем с использованием больших языковых моделей (LLM) или агентов. Это может быть многоэтапная оркестрация агентов, дизайн подсказок и использования инструментов, поиск, структурированное извлечение или дообучение.

• Сильные базовые знания backend: API, базы данных, распределённые системы.

• Опыт оценки моделей или агентов: проектирование оценок, измерение регрессий или превращение расплывчатых вопросов качества в измеримые сигналы.

• Системное мышление и ориентация на результат. Вам важно, чтобы продукт действительно работал для пользователей, а не только показатели модели в изоляции.

• Умение отлаживать сложные реальные ошибки и склонность быстро выпускать и улучшать продукт в области, где лучшие практики ещё формируются.

Желательные навыки

• Опыт работы с фреймворками агентов, системами вызова инструментов или архитектурами поиска (векторный поиск, гибридный поиск, RAG).

• Опыт создания или поддержки инфраструктуры оценок/бенчмарков для систем на базе LLM или запуска дообучения в продакшене.

• Опыт работы с GTM, продажами или маркетинговыми рабочими процессами (например, поиск лидов, обогащение, построение аудитории).

• Знакомство со стеком Clay: React, TypeScript, Python, AWS (Aurora/Postgres, ECS/Fargate, Lambda, OpenSearch, Clickhouse, Elasticache/Redis), Terraform, Datadog.

• Ростовое мышление — мы строим команду, которая любознательна, открыта и рада инвестировать в обучение друг друга, а не только в своё собственное.