Frontier Engineer
⚲ London, Wielka Brytania
Do uzgodnienia
Wymagania
- 3-10 lat doświadczenia w technical delivery z dużą biegłością w narzędziach AI w całym stacku
- doświadczenie hands-on z agentic coding i multi-agent orchestration (LangChain, AutoGen lub LangGraph)
- umiejętność prompt i intent engineering oraz walidacji kodu generowanego przez AI
- doświadczenie w projektowaniu pipeline'ów RAG i zarządzaniu bazami wektorowymi
- doświadczenie w LLMOps i zarządzaniu cyklem życia modeli (guardrails, AIOps observability, CI/CD dla AI)
- gotowość do pracy hybrydowej (3 dni w tygodniu w biurze klienta lub Cognizant w Londynie)
Mile widziane
- doświadczenie w uruchamianiu LLM-ów i agentów w produkcji na skalę
- domain fluency i orientacja na wyniki biznesowe
Opis stanowiska
Frontier Engineer w Cognizant to rola w niewielkim, wysokowpływowym zespole (pod), gdzie budujesz i orkiestrujesz wieloagentowe systemy AI, projektujesz prompty dla agentów kodujących, tworzysz architektury RAG i wdrażasz LLM-y produkcyjnie z guardrails i observability. Pracujesz bezpośrednio z klientami, masz swobodę eksperymentowania z nowymi technologiami i odpowiadasz za to, co zespół zbuduje w produkcji. To oferta dla inżyniera z 3-10 lat doświadczenia, który jest generalistą nastawionym na AI-first i gotowym na pracę hybrydową z biura klienta lub Cognizant w Londynie (3 dni w tygodniu).
🔍 Dekoder Ogłoszenia
🔴
Frontier Engineer
Nazwa stanowiska sugeruje pracę z najnowszymi technologiami, ale może też oznaczać brak jasno zdefiniowanych procesów i dużą niepewność.
🔴
AI-tool fluency across the full stack
Oczekuje się biegłości w używaniu narzędzi AI na wszystkich poziomach aplikacji, co może być bardzo szerokie i trudne do zdefiniowania.
🔴
reaching for an AI tool first as a generalist builder
Sugeruje, że będziesz polegać na narzędziach AI do tworzenia rozwiązań, zamiast budować je od podstaw, co może ograniczać głębokie zrozumienie technologii.
🔴
owning what the pod builds permanently in production
Oznacza odpowiedzialność za utrzymanie i rozwój systemów AI w środowisku produkcyjnym, co może wiązać się z długoterminowymi zobowiązaniami i potencjalnymi problemami.
🔴
lean, high-impact pod
Wskazuje na mały zespół, co może oznaczać dużą odpowiedzialność i presję na wyniki, ale też potencjalnie brak zasobów.