Наша команда разрабатывает комплексные AI-решения (Classic NLP, LLM, AI-agents) для ключевых продуктов и процессов Блока «Стратегия и развитие». Мы всегда находимся на переднем краю развития технологий и пробуем новое — первыми в Сбере разработили прототип мультиагентной системы для работы с обращениями, благодаря чему агентные решения стали одним из самых востребованных направлений в банке.
Наш технологический фокус выходит за рамки AI-агентов: мы решаем задачи классификации, кластеризации, мэтчинга, доменной адаптации (Metric Learning, PEFT), при необходимости используем SFT. Итог нашей работы — не отдельный e2e-пайплайн, а production-ready мультисервисные архитектуры, интегрированные во внутренние поверхности Сбера.
Недавние проекты: мультиагентная система для анализа организационной эффективности (доклад на AI Journey 2025), мультиагентный пайплайн для анализа документов об организационных изменениях, AI-агент-Copilot для постановки и мониторинга целей. Все направления активно растут и получают непосредственную поддержку руководства банка.
Технологии, инструменты: Python, PyTorch, FastAPI, RNN/LSTM/Transformers, LLM, RAG, PostgreSQL, Vector storage, LangChain, LangGraph, MLflow, Git, Docker, OpenShift, Kafka, Jenkins, Grafana, ML SysDes.
Основные направления деятельности
- Формируем рекомендации по повышению эффективности команд, продуктов и подразделений на основе классификации, кластеризации и тематического моделирования с использованием цифровых следов (Jira, встречи, письма и др.).
- Проводим комплексный анализ результативности в рамках сценарного моделирования деятельности по достижению целей руководства банка.
- Реализуем пайплайны обработки внутренних документов произвольной длины для построения рекомендаций по работе с ними и ускорения организационных изменений.
- Выявляем глобальные тренды и проводим анализ их влияния на численность ролей банка для Стратегии Сбера.
- Анализируем графы целей организации (связанность, каскадирование), а также рекомендуем амбициозные цели с учетом контекста и приоритетов Стратегии.
- Расширяем направление доменной адаптации для прокачивания стримов семантического поиска, ранжирования и прочих NLP downstream-задач.
- Участвуем в развитии глобального направления AI-агентов и регулярно используем в работе современные подходы на основе LLM (External Tools, Reasoning, Reflection).
- Проверяем гипотезы любой сложности для получения Data-driven-инсайтов для подготовки стратегических сессий руководства банка.
Наши глобальные приоритеты
- Разработка и внедрение AI-решений (Classic NLP, LLM-приложения, AI-агенты) для повышения эффективности приоритетных стратегических процессов банка с потенциалом использования на внешнем рынке.
- Создание SotA-решений с учетом специфики банка.
Почему нас выбирают
- Возможность использовать передовые AI-технологии и платформы банка.
- Участие в развитии инновационных сервисов стратегического блока, которые приносят реальную пользу процессам и продуктам всего банка и быстро попадают в поле зрения ключевых руководителей.
- Возможность участия в международных проектах и конференциях по AI и ML.
- Работа в дружной команде профессионалов, ориентированной на достижение самых амбициозных целей и постоянное развитие.
Обязанности
- Разработка и внедрение AI-сервисов (Classic NLP, LLM-приложения, AI-агенты, диалоговые системы) от этапа MVP до ПРОМ (CRISP-DM).
- Решение задач NLP: Preprocessing, Classification, Summarization (Ext/Abst), Sentence Compression, NER, Semantic Search, Clustering и др.
- Создание мультиагентных пайплайнов на основе фреймворков для работы с LLM (LangGraph, LangChain/GigaChain, LlamaIndex и др.).
- Адаптация и обучение языковых моделей на основе внутренних и внешних данных (Prompt Tuning, RAG, PEFT, SFT).
- Индексация и ранжирование текстовых документов.
- Взаимодействие с бизнес-заказчиком для выявления требований и самостоятельная постановка задач, лидирование отдельных направлений.
- Определение ML SysDes решения с учетом разрешенного технологического стека.
- Оптимизация AI-сервисов в промышленной среде.
- Участие в валидации и автомониторинге моделей, проведение A/B-тестирования.
Требования
- Образование в техническом ВУЗе в сфере компьютерных наук, прикладной математики и информатики. Наиболее приоритетны: ВШЭ, МФТИ, МГУ, Сколтех.
- Опыт в разработке NLP-моделей и рекомендательных систем.
- Понимание жизненного цикла моделей (CRISP-DM).
- Умение переводить бизнес-постановку задачи в ML-постановку, грамотная интерпретация полученных результатов.
- Высокий уровень владения ядром Python и SQL.
- Знание фреймворков, библиотек, алгоритмов машинного обучения: XGBoost, CatBoost, PyTorch, TensorFlow, Transformers.
- WEB-фреймворки: FastAPI (async methods), Flask и др.
- Знание архитектур нейронных сетей: RNN, LSTM, трансформеры (BERT, BART, T5).
- Знание агентных архитектур (ReAct, Blackboard, Multi-agent и др.).
- Знание фреймворков для работы с LLM (LangChain/GigaChain, LangServe/GigaServe, LlamaIndex и др.).
- Контейнеризация: Docker, OpenShift.
- Построение мультисервисных архитектур.
- Опыт e2e-разработки AI-пайплайнов (в т.ч. RAG-пайплайнов).
Условия
- Гибкий гибрид (обсуждаем индивидуально).
- Современный IT-офис вблизи Москва-Сити с фитнес-залом.
- Ипотека с выгодой для сотрудника и льготные условия кредитования.
- Бесплатная подписка СберПрайм.
- Скидки на продукты компаний-партнеров.
- ДМС с первого дня и льготное страхование для близких.
- Корпоративная пенсионная программа.
- Обучение за счет компании: онлайн-курсы в онлайн-школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию.
- Крупнейшее DS&AI Community — более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира.
