AI Engineer

Poszukiwany specjalista będzie uczestniczył w budowie i rozwoju platformy Agentic AI wykorzystywanej do wspierania procesów biznesowych Banku. Główne obszary odpowiedzialności obejmują rozwój architektury wieloagentowej opartej o framework Agno, integrację rozwiązań AI z systemami Banku, rozwój komponentów Machine Learning oraz budowę rozwiązań RAG i LLM wspierających automatyzację oraz cyfryzację procesów biznesowych. Oczekiwane jest praktyczne doświadczenie w dostarczaniu produkcyjnych rozwiązań AI działających w środowiskach enterprise.

Forma współpracy: B2B

Tryb: hybrydowo

Opis stanowiska

- projektowanie, rozwój oraz utrzymanie rozwiązań Agentic AI wykorzystywanych w procesach biznesowych Banku

- budowę, rozwój i utrzymanie systemów opartych o Large Language Models (LLM)

- projektowanie i implementację rozwiązań RAG (Retrieval Augmented Generation)

- budowę architektur wieloagentowych z wykorzystaniem frameworków takich jak Agno LangGraph lub rozwiązań równoważnych

- integrację agentów AI z systemami biznesowymi Banku poprzez API oraz usługi integracyjne,

- projektowanie i rozwój komponentów AI w języku Python

- rozwój i utrzymanie modeli Machine Learning wspierających rozwiązania Agentic AI

- tworzenie mechanizmów ewaluacji, monitoringu oraz obserwowalności rozwiązań AI

- optymalizację jakości odpowiedzi modeli, ograniczanie halucynacji oraz rozwój mechanizmów bezpieczeństwa i kontroli AI

- współpracę z zespołami biznesowymi, architektami, zespołami IT oraz bezpieczeństwa przy wdrażaniu rozwiązań AI

Wymagania

- minimum 5-letniego doświadczenia komercyjnego w programowaniu w języku Python,

- praktycznego doświadczenia w projektowaniu i wdrażaniu rozwiązań opartych o LLM

- praktycznego doświadczenia w budowie rozwiązań RAG

- doświadczenia w projektowaniu i implementacji rozwiązań Agentic AI

- znajomości frameworków takich jak Agno, LangGraph, LangChain, LlamaIndex lub równoważnych

- doświadczenia w integracji rozwiązań AI z systemami biznesowymi za pośrednictwem API,

- znajomości bibliotek i frameworków ML/AI, w szczególności PyTorch, TensorFlow oraz Hugging Face

- praktycznej znajomości baz wektorowych (Qdrant, ChromaDB, Weaviate, Milvus lub równoważnych)

- znajomości zagadnień związanych z embeddings, rerankingiem oraz optymalizacją jakości odpowiedzi modeli

- doświadczenia w budowie usług backendowych z wykorzystaniem FastAPI

- znajomości zagadnień obserwowalności i ewaluacji systemów AI (np. Langfuse, LangSmith, Promptfoo, DeepEval)

- znajomości Docker oraz Kubernetes/OpenShift

- znajomości zagadnień MLOps i LLMOps

- umiejętności projektowania architektury rozwiązań AI w środowisku enterprise

- umiejętności współpracy z biznesem i zespołami technicznymi