Agentic AI Engineer – SDLC
⚲ Warszawa
170–230 zł netto (+ VAT) / godz.
Wymagania
- minimum 5 lat doświadczenia w roli technicznej (Software Developer, DevOps Engineer, QA/Test Automation Engineer lub pokrewnej)
- praktyczne doświadczenie w pracy w zespołach wytwarzających oprogramowanie i znajomość pełnego SDLC
- doświadczenie w wykorzystywaniu AI/GenAI w procesie software developmentu
- praktyczna znajomość narzędzi AI (GitHub Copilot, Claude Code, Cursor, Codex, M365 Copilot lub modele open-source)
- doświadczenie w tworzeniu agentów AI, workflowów, promptów lub skills i integrowaniu ich z narzędziami developerskimi
- znajomość Spec-Driven Development oraz nowoczesnych praktyk wytwarzania oprogramowania wspieranych przez AI
- doświadczenie w produkcyjnym wdrażaniu rozwiązań AI (integracja, bezpieczeństwo, monitoring, rozwój)
Mile widziane
- doświadczenie w sektorze finansowym
Opis stanowiska
Projekt związany z praktycznym wykorzystaniem AI w procesie wytwarzania oprogramowania, gdzie jako Agentic AI Engineer będziesz projektować, budować i wdrażać rozwiązania z obszaru Agentic SDLC. Będziesz tworzyć agentów AI, workflowy i prompty, integrować je z repozytoriami, CI/CD i testami, a także wdrażać rozwiązania LLM/RAG do środowisk produkcyjnych. To oferta dla osoby z doświadczeniem technicznym, która chce współtworzyć standardy i dobre praktyki AI w dużych organizacjach. Uwaga: oczekuje się nie tylko prototypowania, ale też odpowiedzialności za utrzymanie i rozwój wdrożeń produkcyjnych.
🔍 Dekoder Ogłoszenia
🟡
minimum 5 lat doświadczenia w roli technicznej, np. Software Developer, DevOps Engineer, QA/Test Automation Engineer lub pokrewnej
Szukają kogoś z solidnym doświadczeniem programistycznym lub operacyjnym, kto ma też wiedzę o SDLC, a niekoniecznie stricte inżyniera AI.
🟡
doświadczenia w tworzeniu agentów AI, workflowów, promptów lub skills i integrowaniu ich z narzędziami developerskimi
Może to oznaczać zarówno zaawansowane tworzenie systemów agentowych, jak i prostsze zadania związane z konfiguracją i wykorzystaniem gotowych narzędzi AI.
🟡
znajomości Spec-Driven Development oraz nowoczesnych praktyk wytwarzania oprogramowania wspieranych przez AI
Może to być zarówno głębokie zrozumienie metodyki, jak i powierzchowne zapoznanie się z narzędziami AI wspomagającymi te praktyki.
🔴
doświadczenia w produkcyjnym wdrażaniu rozwiązań AI, obejmującego m.in. integrację, bezpieczeństwo, monitoring i dalszy rozwój
Oczekują nie tylko tworzenia prototypów, ale też odpowiedzialności za utrzymanie i rozwój wdrożonych rozwiązań AI w środowisku produkcyjnym.
🟡
umiejętności oceny wartości biznesowej rozwiązań AI, analizy kosztów modeli i mierzenia efektów wdrożeń
Oprócz aspektów technicznych, oczekują od kandydata zrozumienia biznesowego i umiejętności uzasadnienia inwestycji w AI.