IN.TOP – платформа для цифровизации сложных бизнес-процессов крупного бизнеса. Мы развиваем подход BPaaS – консалтинг + технологическая платформа + сервис – закрывающий сквозные бизнес-процессы «под ключ».
Мы видим следующий этап нашего развития в виде создания AI-агентов, которые не просто отвечают, а действуют автономно внутри процессов (инициируют, проверяют, оформляют, согласуют, интегрируются с корпоративными системами), с учетом требований комплаенса и безопасности enterprise-уровня.
Мы не строим собственную LLM и не занимаемся обучением «с нуля». Наша стратегия – интеграция и оркестрация внешних моделей по API (ChatGPT, Grok, Claude) + построение вокруг этого надежной инфраструктуры для крупного бизнеса.
Миссия роли
Запустить и масштабировать направление AI-агентов: от выбора архитектуры интеграции с LLM и стандартов безопасности до первых пилотов и тиражирования в продуктовую линейку.
Ключевые кейсы для старта
1. Агент инициации командировки и запроса аванса – сбор данных, проверка правил, создание заявок/согласований, интеграции.
2. Агент подбора и заказа билетов/гостиниц/такси – travel-платформы, корпоративные политики поездок, статусы, единый сценарий.
3. Агент проверки чеков – валидация, распознавание, сопоставление с политикой компании и заявками, коммуникация ошибок.
Что вы будете делать
1) Продукт и delivery:
- сформировать дорожную карту создания AI-агентов: кейсы, метрики, экономический эффект, требования ИБ
- запускать пилоты и релизы короткими итерациями: discovery → MVP → пилот с реальным клиентом → тираж в продукт
- упаковать направление для продаж и внедрения: описание ценностного предложения, границы применения, SLA, модель стоимости
2) Инженерия интеграции LLM и агентной платформы:
- Спроектировать и внедрить LLM Integration Layer для IN.TOP:
- безопасный шлюз/прокси к внешним LLM (ChatGPT/Claude/Grok)
- управление API-ключами, квотами на токены, лимитами по стоимости
- маршрутизация запросов по моделям (cost vs. quality vs. latency)
- кэширование результатов, управление контекстом окна, контроль cost-to-serve. - Построить «каркас» агентной разработки:
- библиотека стандартных действий/инструментов (tool calling) для решений IN.TOP
- шаблоны AI-агентов для типовых сценариев автоматизации
- наблюдаемость: структурированные логи, метрики, распределенная трассировка, алерты
- контур качества: библиотека кейсов, регрессионное тестирование, evals для оценки корректности ответов и действий агента - Организовать интеграции с корпоративными системами: 1С, SAP, travel-платформы, клиент-банки, системы электронного документооборота, мессенджеры и др.
3) Комплаенс и безопасность:
- Реализовать требования 152-ФЗ, ISO 27001 и enterprise-практик:
- контроль данных (что можно/нельзя отправлять во внешние LLM)
- обезличивание/маскирование, политика хранения
- RBAC/ABAC, аудит действий агента, журналирование
- сегментация контуров, управление инцидентами
- Сформировать подходы в правилах использования моделей, типовых шаблонов промптов/инструкций, политик риска.
4) Построение команды:
- На старте вы делаете первые пилоты в основном самостоятельно как «Playing Coach».
- Когда появляются результаты, вы формируете ядро команды: инженеры, аналитики, разработчики, которые работают под вашим руководством.
- Параллельно вы организуете процесс delivery: спецификации, тестирование, тираж агентов в продукт.
Кого мы ищем
- Мы ищем лидера, а не исследователя. Наша стратегия – не обучать собственную LLM и не делать прорывные исследования в области AI. Мы строим enterprise-инфраструктуру интеграции с внешними LLM и выстраиваем работу AI-агентов в контексте реальных операционных процессов. Вы должны одновременно быть достаточно технически глубоким, чтобы делать ключевые архитектурные решения, и достаточно прагматичным, чтобы доносить результаты каждый спринт.
- Опыт 5+ лет в B2B-enterprise продуктах или инженерии сложных систем (интеграции, workflow, автоматизация).
- Практический опыт создания решений на базе внешних LLM через API: промпты/инструкции, tool calling, quality/eval, наблюдаемость, стоимость.
- Понимание требований enterprise ИБ и комплаенса (152-ФЗ/ISO 27001), опыт взаимодействия с командой, отвечающей за информационную безопасность.
- Умение одновременно быть продактом (эффект/метрики/roadmap) и инженером (архитектура/эксплуатация/стоимость).
Плюсом будет
- Опыт автоматизации операционных процессов (будут преимуществом Travel&Expenses и финпроцессы).
- Опыт построения API-Gateway, rate limiting, multi-tenant архитектур
- Опыт интеграции с 1С/SAP/банками/СЭД
- Знание инструментов для разработки и мониторинга агентов: LangChain, LangGraph, AutoGen, CrewAI, Anthropic SDK; observability tools (LangSmith, Arize, Datadog и др.).
KPI направления
- Количество успешных пилотов и конверсия в продуктивные решения.
- Time-to-pilot: время от идеи до первого агента с реальным клиентом.
- Бизнес-результаты: сокращение времени на процесс (часы/месяц), снижение ошибок (%), экономия затрат для клиентов.
- Выручка от внедрений (ARR новых решений).
- Соответствие стандартам информационной безопасности и комплаенса.
- Сost-to-serve: стоимость одного запроса к LLM, общая стоимость содержания платформы агентов.
Условия
- Подчинение: генеральному директору.
- Формат работы: удалённо / гибрид / офис (Нижний Новгород).
- Компенсация: оклад + премия по результатам работы (обсуждаются в зависимости от квалификации и опыта).
- Ресурсы: выделенный бюджет для экспериментов с новыми моделями и инструментами; доступ к текущей инженерной команде (backend, frontend) для интеграции агентов; формирование собственной команды после достижения первых результатов.
Процесс отбора
1. Встреча с HR (30 мин) – знакомство, синхронизация по опыту и ожиданиям.
2. Техническое интервью (60 мин) – обсуждение вашего опыта в построении AI-систем, System Design сессия по одному из наших кейсов (без предварительного домашнего задания). Обсудим ход ваших мыслей, trade-offs и как вы принимаете архитектурные решения.
3. Встреча с генеральным директором (60 мин) – обсуждение стратегии развития AI-направления, ваше видение, культурный фит.
4. Оффер – в течение 3 дней после финальной встречи.
