Описание

Руководитель платформы по искусственному интеллекту отвечает за создание с нуля и развитие корпоративной AI-платформы для LLM и DS-моделей: единой точки для обучения, файнтюнинга, инференса моделей, работы со знаниями и создания ИИ-агентов на гибридной инфраструктуре (on-prem GPU и облако). Отдельная зона ответственности — определение архитектуры и стандартов того, как продуктовые команды строят ИИ-продукты и ИИ-агентов на платформе.

Обязанности

Формирование стратегии, роадмапа и целевой архитектуры AI-платформы, синхронизация с целями CDO и бизнес-приоритетами
Развитие и масштабирование команды направления: структура, наём, онбординг, развитие и удержание инженеров (ML/LLM, платформенные, MLOps)
Определение архитектуры AI-платформы и ИИ-агентов: референсные архитектуры, паттерны, выбор компонентов (собственная разработка, open source, вендоры), проведение PoC
Разработка и внедрение стандартов для продуктовых команд: как создавать ИИ-продукты и ИИ-агентов на платформе; ревью архитектурных решений, документация, обучение и центры компетенций
Управление жизненным циклом моделей: обучение, файнтюнинг, версионирование, деплой, мониторинг, evaluation и вывод из эксплуатации
Развитие MLOps/LLMOps-инструментов: CI/CD моделей, эксперименты, реестр моделей, feature store, observability и качество данных для ML
Управление инференсом: гибридное обслуживание (on-prem GPU и облако), SLA, квоты, приоритизация нагрузки, оптимизация производительности и стоимости
Развитие RAG и работы со знаниями: пайплайны, векторные хранилища, качество и релевантность поиска
Развитие агентной платформы: инструменты, память, sandbox, guardrails, безопасность и наблюдаемость ИИ-агентов
Работа с внутренними заказчиками — продуктовыми командами и AI SDLC-группой: сбор потребностей, консультации, приоритизация бэклога платформы; развитие платформы как продукта (DevEx, портал самообслуживания, документация)
Обеспечение безопасности и комплаенса: политика использования ИИ, защита данных и персональных данных (152-ФЗ), аудит, трассируемость решений моделей и агентов
Управление бюджетом направления и отчётность перед CDO по метрикам: SLA инференса, стоимость инференса/токена, время онбординга моделей, adoption
Технологический радар: мониторинг рынка ИИ-инструментов и вендоров, оценка open source решений, пилотирование и внедрение

Требования

Опыт создания и развития внутренней ML/LLM-платформы в крупной компании: от архитектуры и выбора компонентов до запуска в продакшен и масштабирования
Практический промышленный опыт с LLM: инференс и serving (vLLM или аналоги), файнтюнинг, RAG, evaluation моделей, оптимизация производительности (квантизация, батчинг)
Опыт работы с классическим ML/DS-стеком: обучение и деплой моделей, MLOps (реестр моделей, версионирование, CI/CD, мониторинг), feature store, пайплайны данных
Опыт гибридной инфраструктуры: on-prem GPU-кластеры и облачные LLM-сервисы, Kubernetes, планирование GPU-ресурсов, управление стоимостью (FinOps)
Опыт проектирования ИИ-агентов и агентных архитектур: оркестрация, tool calling, guardrails, понимание паттернов построения агентов
Опыт разработки и внедрения стандартов и архитектурных паттернов, ревью архитектуры, работа с внутренними заказчиками; построение платформы как продукта (DevEx, документация, самообслуживание)
Опыт управления и развития команды инженеров: найм, развитие и удержание сотрудников, масштабирование команды, выстраивание процессов
Развитые управленческие и коммуникативные навыки: работа с топ-менеджментом, перевод бизнес-задач в платформенные решения, умение объяснять ценность ИИ бизнесу
Знание рынка ИИ-инструментов и практика выбора решений: собственные разработки vs open source vs покупка, оценка и интеграция
Понимание безопасности и комплаенса в ИИ: защита персональных данных (152-ФЗ), guardrails, ответственное использование ИИ, аудит и трассируемость

Будет плюсом

Опыт в ритейле / e-commerce / DIY
Опыт запуска AI-платформы с нуля (greenfield) в крупной компании
Опыт интеграции LLM в SDLC и создания ассистентов разработчика (AI-assisted coding, code review)
Опыт работы с отечественными LLM и облаками (Yandex Cloud, GigaChat/YandexGPT) и с зарубежными моделями
Опыт выстраивания Data/Feature-платформы и взаимодействия с data platform-командой
Английский язык для чтения документации и общения с вендорами

Условия

Работа в компании с развитой инженерной культурой
Гибкая система премирования
Расширенный социальный пакет: ДМС со стоматологией с первого месяца работы, психолог и страхование жизни, компенсация питания и оплата мобильной связи
Возможности профессионального роста, программы развития для сотрудников
Корпоративное обучение и доступ к базе знаний
Внутренние профессиональные сообщества и мероприятия
Автономность работы, возможность менять правила, ошибаться и создавать новое
Формат работы - офис
Современный офис в 2 минутах ходьбы от МЦК ЗИЛ
С каждым годом на выбор сотрудника становится доступно больше дополнительных опций. Например, частичная компенсация путешествий, затрат на обучение, спортивных занятий
Заработная плата по договоренности
Работа 5 через 2
Постоянный контракт

Место работы

Москва Проспект Лихачева, 15