Проект: «Цифровые знания» — универсальный ИИ-сервис знаний + универсальный ИИ-агент для быстрого запуска автоматизации по СОП/инструкциям
Обязанности
1.Данные и платформенный контур
- Построить конвейер из разнородных источников (PDF/DOCX/HTML/Confluence/БЗ) с OCR и извлечением структуры (таблицы, шаги процедуры, ветвления, исключения)
- Спроектировать машиночитаемый формат инструкции (DSL/JSON) и версии/жизненный цикл знаний (версионирование, диффы, аудит, трассировка изменений)
2.Автогенерация промтов и мультиагентные сценарии
- Реализовать инструмент авто-формирования промтов для ролей агентов на основе структуры СОП
- Генерировать/оркестрировать мультиагентные цепочки «из инструкции»: роли, контракты между агентами, требования к интеграциям, схемы эскалаций
3.Обучение и адаптация моделей
- Собирать датасеты из инструкций: пары (шаг → действие/контроль/артефакт), контрпримеры, негативные семплы
- Автоматически генерировать синтетические данные и проверки (self-play, consistency checks)
4.Прод и MLOps
- Пайплайны ML: версия данных/моделей, CI/CD, feature/embedding store, каталоги экспериментов, калибровка
- Логи соответствия СОП: «evidence-by-step», отчёты аудита, привязка к версии инструкции
Требования
- 4–6+ лет в Applied ML/NLP и/или Data/ML Platform, продовые запуск и поддержка.
- Сильный Python (типичный стек: FastAPI, asyncio, pydantic), уверенный SQL.
- Практика с LLM/NLP: эмбеддинги, RAG, rerankers, инструменты наподобие LangChain/LlamaIndex (или свой оркестратор).
- Векторные БД (Faiss/Milvus/pgvector/Pinecone) и классические хранилища (Postgres/ClickHouse/Elastic).
- Опыт проектирования метрик качества для LLM-систем (retrieval/answer quality, latency, cost)
Будет плюсом:
- Опыт с открытыми и коммерческими LLM.
- Док-парсинг: layout/структурные модели (LayoutLM/Donut/DocTR), таблицы/диаграммы, распознавание шагов/ветвлений.
- Онтологии/знаниевые графы (RDF/OWL), декларативные DSL, BPMN/DMN.
- Domain: операционные центры, контакт-центры, BPO, комплаенс-процессы.
- Инструменты наблюдаемости за LLM (Langfuse/Arize Phoenix/OpenTelemetry)
- Опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов
- Инструментальное владение AI для анализа, генерации и автоматизации.
Условия
- Влияние на ядро продукта: вы определяете формат инструкции, контуры RAG и обучение агентов.
- Продуктовая роль end-to-end: от дизайна данных до прод-инференса и метрик.
- Современный стек, свобода выбора решений, быстрые итерации
- Возможен гибридный формат работы
- Ежегодный пересмотр зарплаты. Годовая премия
- Корпоративный спортзал и зоны отдыха
- Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
- Программа адаптации и помощь руководителя на старте
- Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
- Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
- Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
- Вознаграждение за рекомендацию друзей в команду Сбера.
