Инженер эксплуатации / Observability-инженер (Grafana, алертинг, AI)

Insapp — B2B-интегратор страховых и финансовых продуктов. Мы встраиваем ОСАГО, КАСКО, ипотечное страхование и финансовые продукты в банки, маркетплейсы и финтех-платформы через API и White Label. Обрабатываем 70 000+ полисов в месяц, работаем с 200+ партнёрами. Резидент Сколково, IT-аккредитация Минцифры.

Ищем инженера эксплуатации, который построит единую систему наблюдаемости Insapp и будет ей владеть: метрики, логи, события инфраструктуры, продукта и бизнес-процессов — в одной Grafana, с понятной системой уведомлений и анализом в реальном времени.

Цель роли — приложение, инфраструктура и бизнес-процессы работают 24/7, а если что-то идёт не так, вы узнаёте об этом первым — раньше клиентов, партнёров и бизнеса — и сразу сообщаете ответственным с понятной картиной: что случилось, где, какой масштаб, какая вероятная причина.

Это не роль «смотрителя за дашбордами». Вы проектируете систему, ставите задачи разработке и DevOps, чтобы продукт и инфраструктура стали наблюдаемыми, и многое делаете сами — с помощью ИИ-инструментов пишете проверки, сборщики данных, интеграции и ботов.

Мы уже используем ИИ в мониторинге: AI-агент по расписанию проверяет прод и присылает статусы в Telegram. Предстоит вывести это на новый уровень — единая система, анализ событий в живом режиме и надёжный алгоритмический контур, который продолжает работать, даже если ИИ-провайдер тормозит или недоступен.

ЧЕМ ПРЕДСТОИТ ЗАНИМАТЬСЯ

Единая система наблюдаемости
• Собрать в одну систему сигналы из разных источников: бизнес-данные (продажи, оплаты, конверсии воронок, объёмы полисов по партнёрам), логи приложения, транспортные логи — все HTTP-запросы: от партнёров, к страховым и платёжным шлюзам, между нашими сервисами; инфраструктура (ОС, прокси и веб-серверы, Docker, СУБД, очереди, сеть, сертификаты), фоновые задачи, а также MCP-серверы наших ИИ-агентов
• Организовать Grafana как единую точку состояния: от общего «светофора» по компании до детализации по сервису, партнёру, страховой компании
• Выбрать и внедрить инструменты сбора и хранения метрик и логов совместно с DevOps (Prometheus / VictoriaMetrics, Loki / ELK / OpenSearch, Sentry или аналоги)

Система уведомлений и алертинг
• Вести каталог событий и алертов: что отслеживаем, уровни критичности, кому, куда и когда уходит уведомление, правила эскалации
• Критичные события — 24/7, сразу и точно: звонок на телефон ключевой команде; некритичные — в сводки и дайджесты
• Бороться с шумом: дедупликация, группировка, подавление каскадов, настройка порогов, регулярная ревизия «слепых зон» и лишних алертов

Анализ в реальном времени: ИИ + алгоритмы
• ИИ-анализ потока событий и логов в живом режиме: группировка, краткая сводка, связь событий между собой, первичная гипотеза причины, понятное сообщение для команды и бизнеса
• Алгоритмический анализ там, где ИИ не нужен: пороги, базовые линии с учётом сезонности, поиск аномалий, корреляционные правила
• Отказоустойчивость анализа: критичные алерты не зависят от ИИ; при медленной работе или падении ИИ-провайдера система переключается на резервного провайдера или работает на алгоритмах — без потери оповещений
• Маскирование персональных данных перед передачей логов на ИИ-анализ (152-ФЗ)

Постановка задач разработке и DevOps
• Разработке — систематизация событий в логах приложения: структурированные логи, единые коды событий, сквозной идентификатор запроса, бизнес-события ключевых процессов
• DevOps — инфраструктурные логи и метрики: агенты сбора, экспортеры, сроки хранения, доступы к источникам
• Формулировать требования с критериями приёмки, приоритизировать, принимать результат

Самостоятельная разработка с помощью ИИ
• Скрипты и сервисы сбора данных, SQL-проверки бизнес-процессов, интеграции, Telegram-боты, правила алертов и дашборды в виде кода
• Работа с текущим AI-агентом мониторинга: снижение шума, встраивание его сигналов в общую систему

Инциденты
• Первая линия: обнаружить, подтвердить факт, оценить масштаб, оповестить ответственных, держать всех в курсе до закрытия
• Разбор после инцидента: почему не увидели раньше — и новая проверка, чтобы в следующий раз проблему увидела система
• Инструкции по типовым ситуациям и база известных паттернов: что норма, что шум, что реальный сигнал

ЧТО МЫ ЖДЁМ
• Опыт от 2 лет в эксплуатации / мониторинге / SRE / DevOps, включая реальный опыт настройки систем мониторинга и алертинга — не только их использования
• Grafana на уровне построения дашбордов и алертов; опыт с Prometheus / VictoriaMetrics / Zabbix и системами логов (Loki, ELK / OpenSearch, Graylog) или аналогами
• Понимание устройства веб-приложения: сервисы, API, БД, очереди, фоновые задачи — где обычно «болит» и как это увидеть
• Понимание разных источников сигналов и того, на какой вопрос отвечает каждый: уведомления по бизнес-данным, логи приложения, транспортные логи (HTTP-запросы), логи инфраструктуры (ОС, прокси / веб-сервер, Docker, СУБД)
• Уверенный SQL — самому достать данные, посчитать метрику бизнес-процесса, проверить воронку
• Скриптинг (Python — предпочтительно; Bash / PowerShell): самостоятельно написать сборщик данных, проверку, интеграцию с API
• Ежедневная работа с ИИ-инструментами — и как с ассистентом в разработке, и как с инструментом анализа; понимание, как встраивать LLM в рабочие процессы через API. Для нас это обязательное требование, а не пожелание
• Linux — уверенно; Windows Server и Docker — базово
• Системность: умеете превращать хаос событий в каталог, правила и понятные задачи для других команд
• Ответственность и проактивность: вам важно узнать о проблеме раньше всех и довести её до решения

БУДЕТ ПЛЮСОМ
• Опыт интеграции LLM (через API или локальные модели) в мониторинг, анализ логов, ChatOps
• Опыт алгоритмического поиска аномалий: сезонные базовые линии, статистические методы
• OpenTelemetry, трассировка запросов, SLO / SLI
• Опыт дежурств (on-call), инцидент-менеджмента и разборов после инцидентов
• Знакомство со стеком .NET / MS SQL Server, логированием Serilog / NLog
• Опыт в финтехе / страховании, понимание бизнес-метрик (конверсия, воронка)
• Мониторинг внешних интеграций и платёжных потоков
• Конфигурация как код: Grafana provisioning, Terraform, Ansible

ЧТО МЫ ПРЕДЛАГАЕМ
• Доход 150 000 – 180 000 ₽ до вычета НДФЛ, по итогам собеседования
• Удалённый формат (РФ, рабочий день по МСК), полная занятость, оформление по ТК РФ, ДМС
• Стандартный рабочий день 5/2, ночных смен нет. О критичных событиях в любое время система звонит ключевой команде — руководителям, CTO, DevOps и вам; добиться, чтобы такие звонки были редкими и только по делу, — часть вашей задачи
• Роль владельца: вы строите систему наблюдаемости компании практически с нуля и решаете, как она будет устроена
• ИИ-инструменты в ежедневной работе всей команды, минимум бюрократии
• Компания с IT-аккредитацией, резидент Сколково