Руководитель направления по развитию AI-агентов

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.