AI Engineer / GenAI Engineer – Azure (ubezpieczenia)
⚲ Warszawa
25 200 - 30 240 PLN netto (B2B)
Wymagania
- min. 3 lata doświadczenia jako AI Engineer / AI Developer lub pokrewnym
- min. 1 rok doświadczenia przy wdrożeniach produkcyjnych
- doświadczenie w GenAI, LLM, agentach AI i orkiestracji procesów AI
- biegłość w Pythonie
- praktyczne doświadczenie w MLOps/LLMOps (Azure ML, MLflow, Docker, Kubernetes, CI/CD)
- doświadczenie w RAG, prompt engineering i ewaluacji jakości odpowiedzi LLM
- wykształcenie wyższe techniczne
- gotowość do pracy w Warszawie w modelu mieszanym (3 dni stacjonarnie, 2 dni zdalnie)
Opis stanowiska
Trzy stanowiska Starszego Inżyniera AI w branży ubezpieczeń — projektowanie, tuning i wdrażanie modeli AI/ML oraz rozwiązań GenAI na Azure AI Foundry i Azure Machine Learning, budowa MLOps/LLMOps, implementacja RAG z Azure AI Search i praca z LLM w Azure OpenAI. Będziesz też wspierać zgodność z AI Governance i AI Act oraz integrować rozwiązania AI z ekosystemem obsługi szkód. To oferta dla doświadczonego AI Engineera z wdrożeniami produkcyjnymi. Uwaga: ogłoszenie mówi o 'innowacyjnych rozwiązaniach AI' i 'idealnym kandydacie' bez konkretów — nie wiadomo, czy chodzi o realne wdrożenia produkcyjne, czy projekty badawcze/PoC.
🔍 Dekoder Ogłoszenia
🟡
Poszukiwani są 3 doświadczeni specjaliści na stanowisko Starszego Inżyniera AI
Rekrutacja prowadzona równolegle na 3 identyczne stanowiska — sugeruje dużą rotację lub pilną potrzebę szybkiego obsadzenia zespołu.
🔴
innowacyjnych rozwiązań w obszarze sztucznej inteligencji
Bardzo ogólne sformułowanie bez konkretów — nie wiadomo, czy chodzi o realne wdrożenia produkcyjne, czy projekty badawcze/PoC.
🔴
Idealny kandydat będzie posiadał doświadczenie w pracy nad zaawansowanymi projektami AI
Brak zdefiniowanych wymagań liczbowych (lata doświadczenia, konkretne technologie) — 'idealny kandydat' bywa listą życzeń, nie wymagań.
🟢
Hybryda - 3 dni w tyg z biura w Warszawie
Konkretnie i transparentnie określony tryb pracy — plus za jasność.
🟡
zdolność do współpracy z zespołami wielodyscyplinarnymi
Może oznaczać konieczność częstych uzgodnień i pracy w wielu zespołach jednocześnie, co wydłuża procesy decyzyjne.