Senior/Lead ML Engineer (Операционный центр)

Наша команда занимается развитием ИИ-агентов Операционного центра Банка — высоконагруженных систем, которые ежедневно обрабатывают десятки тысяч реальных банковских операций. Мы не просто запускаем агентов в прод — мы строим инфраструктуру, которая делает их умнее с каждым циклом.

Сейчас мы разрабатываем ИИ-Тренер — инструмент автоматической оптимизации промтов и поведения ИИ-агентов на основе анализа трейсов, разметки операторов и оффлайн-обучения. Это не академическая задача — результаты работы системы напрямую влияют на качество операционных процессов банка.

Обязанности

• Проектировать и разрабатывать компоненты пайплайна оптимизации: от загрузки трейсов из корпоративной аналитической платформы до генерации и оценки кандидат-промтов
• Реализовывать алгоритмы подбора few-shot примеров из верифицированных трейсов с учётом ограничений контекстного окна и стоимости вызова LLM
• Строить механизм извлечения текстовых правил (процедурная память) из паттернов ошибок агента с использованием GigaChat-2-Max
• Разрабатывать offline-эвалюатор кандидат-промтов на отложенной выборке с приоритетом свежих данных
• Интегрировать инструмент с существующей корпоративной аналитической платформой (КАП) через механизм подписки на данные
• Участвовать в проектировании релизного процесса: от отчёта команде разработки агента до A/B-тестирования на продовом трафике
• Работать в двухнедельном batch-цикле, обеспечивая стабильную работу пайплайна на объёмах 10 000–20 000 задач в день

Требования

• 5+ лет коммерческого опыта в ML/NLP, в том числе с LLM в production-среде
• Глубокое понимание архитектур LLM-агентов: ReAct, Plan-and-Execute, Tool Use, RAG
• Уверенный Python: async/await, Pydantic, SQLAlchemy 2.0, FastAPI
• Практический опыт с LangChain / LangGraph или аналогичными фреймворками оркестрации
• Понимание принципа «LLM только для reasoning, детерминированная логика — в код»: умение разграничивать задачи между кодом и моделью
• Навыки prompt engineering: few-shot, chain-of-thought, structured output, контроль галлюцинаций
• Опыт работы с векторными БД, эмбеддингами, hybrid search
• Опыт проектирования и оценки качества ML-систем: метрики, тест-датасеты, A/B

Будет плюсом:

• Опыт с GigaChat API / GigaChat-2-Max, langchain-gigachat
• Знакомство с банковскими процессами, требованиями ЦБ РФ, co-pilot режимами работы
• Практика с FSM (конечные автоматы) для управления диалогами / состояниями агента
• Участие в конференциях, публикации по теме LLM/агентов

Условия

• Комфортный современный офис
• 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.