Agentic AI SDLC Engineer

Branża: Ubezpieczenia

Lokalizacja: Hybryda z Warszawy - min. 1 dzień w tygodniu z biura

Wprowadzenie i podsumowanie

Poszukiwany jest specjalista z minimum 5-letnim doświadczeniem w roli technicznej, łączący umiejętności inżynierii oprogramowania z projektowaniem i wdrażaniem rozwiązań opartych na AI w cyklu życia aplikacji (SDLC). Ścisła współpraca z zespołami wytwórczymi oraz umiejętność transferu wiedzy są kluczowe dla tej roli.

Zakres planowanych prac

• Prowadzenie wdrożeń Agentic SDLC end-to-end: od analizy potrzeb, przez pilotaże i konfigurację narzędzi, po standaryzację, governance i skalowanie.
• Współpraca z managerami, dyrektorami i zespołami w celu zbierania potrzeb, ustalania priorytetów oraz budowania roadmapy adopcji AI.
• Prowadzenie szkoleń, warsztatów, konsultacji i praktycznych sesji pracy dla cross-funkcyjnych zespołów developerskich.
• Wspieranie zespołów w efektywnym wykorzystaniu narzędzi takich jak GitHub Copilot, Claude Code, Cursor, Codex czy M365 Copilot.
• Projektowanie i wdrażanie workflowów, agentów, promptów, skilli oraz praktyk Spec-Driven Development wspierających analizę, development, testy, code review, dokumentację i utrzymanie.
• Budowanie wewnętrznej bazy wiedzy, standardów, wzorców użycia i dobrych praktyk AI w SDLC.
• Zarządzanie oporem wobec zmiany: komunikowanie korzyści, adresowanie obaw, angażowanie liderów technicznych i wspieranie zespołów w zmianie sposobu pracy.
• Definiowanie oraz monitorowanie KPI/OKR i ROI wdrożeń AI, m.in. w zakresie produktywności, jakości, czasu dostarczania, kosztu jednostkowego zmiany i adopcji narzędzi.
• Ocena oraz rekomendowanie rozwiązań AI SDLC z uwzględnieniem jakości, kosztów, bezpieczeństwa, ryzyk regulacyjnych i zgodności z politykami organizacji.
• Tworzenie i egzekwowanie zasad bezpiecznego, odpowiedzialnego użycia AI, w tym ochrony danych, kontroli dostępu i zarządzania ryzykiem.
• Monitorowanie rozwoju rynku AI i przekładanie nowych możliwości na konkretne zastosowania w domenie majątkowej.

Wymagania

• Minimum 5 lat doświadczenia w roli technicznej: Software Developer, DevOps Engineer, QA/Test Automation Engineer lub podobnej.
• Praktyczne doświadczenie w zespołach wytwórczych oraz znajomość pełnego cyklu życia aplikacji.
• Doświadczenie w projektowaniu i wdrażaniu rozwiązań opartych o narzędzia AI w SDLC, np. GitHub Copilot, Claude Code, Cursor, Codex, M365 Copilot, modele open-source.
• Praktyczna umiejętność budowy agentów AI, workflowów, skilli i promptów oraz ich integracji ze środowiskiem wytwórczym (repozytoria, CI/CD, code review, testy).
• Znajomość Spec-Driven Development oraz nowoczesnych praktyk inżynierii oprogramowania wspieranych przez AI.
• Znajomość koncepcji LLM, RAG, automatyzacji i architektur agentowych; mile widziana praktyka z frameworkami, np. LangGraph, oraz protokołem MCP.
• Doświadczenie w produkcyjnym wdrażaniu rozwiązań AI: konfiguracja, integracja z systemami organizacji, hardening, monitorowanie i iteracyjny rozwój.
• Umiejętność zbierania, porządkowania i przekładania potrzeb biznesowych oraz technicznych na konkretne inicjatywy wdrożeniowe i architekturę rozwiązania (w tym z wykorzystaniem warsztatów technicznych jako metody discovery).
• Umiejętność oceny wartości biznesowej AI, optymalizacji kosztów użycia modeli oraz mierzenia efektów wdrożeń.
• Wysokie kompetencje komunikacyjne i konsultacyjne: umiejętność prowadzenia rozmów z zespołami technicznymi, managerami i dyrektorami.
• Doświadczenie w transferze wiedzy inżynierskiej w toku wspólnej realizacji zadań z zespołem: pair/mob programming, wspólne code review, wspólne projektowanie i budowa rozwiązań na rzeczywistych zadaniach zespołu.
• Umiejętność ujednolicania praktyk i standardów pracy z narzędziami AI wewnątrz zespołu oraz doboru praktyk Agentic SDLC do ról i zadań (developer, tester, analityk, DevOps) - tak, aby potencjał każdej roli był wykorzystywany adekwatnie.
• Umiejętność wspierania zespołów wytwórczych w operacyjnym przejęciu wdrożonych rozwiązań: stopniowe przekazywanie odpowiedzialności, sesje techniczne przy wdrożeniach, praca ramię w ramię z zespołem.
• Znajomość realiów wytwarzania oprogramowania w dużej organizacji finansowej oraz świadomość wymogów bezpieczeństwa i zgodności.
• Analityczne podejście, samodzielność, otwartość na eksperymentowanie i ciągłe uczenie się.