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