Java Developer – AI-Enabled Delivery
⚲ Kraków
30 000–36 000 zł netto (+ VAT) / mies.
Wymagania
- 4–8 lat doświadczenia w software engineering
- doświadczenie w budowaniu mikroserwisów Java (Spring Boot) w środowiskach enterprise
- projektowanie i optymalizacja RDBMS (Oracle/PostgreSQL)
- doświadczenie w testach automatycznych (JUnit, Mockito, TestContainers)
- praktyczne doświadczenie z wdrożeniami w chmurze GCP
- znajomość wzorców integracji (REST, messaging/eventing) i strategii wersjonowania API
Mile widziane
- doświadczenie w środowiskach regulowanych usług finansowych ze ścisłą kontrolą
- doświadczenie z Kubernetes i nowoczesnymi stackami observability
Opis stanowiska
Praca przy mikroserwisach Java (Spring Boot) dla platformy Global Collateral & Facility Management w instytucji finansowej objętej ścisłymi regulacjami. Realnie zajmiesz się projektowaniem, testowaniem i wdrażaniem usług oraz eksperymentowaniem z narzędziami GenAI w procesie wytwórczym (LLM, RAG, agenci) pod kontrolą governance. Uwaga: ogłoszenie wprost mówi o podejmowaniu decyzji pod presją czasu przy zachowaniu jakości — w praktyce oznacza to pracę pod deadline'ami, gdzie kompromisy między szybkością a jakością są częścią codzienności. Dobra oferta dla doświadczonego Java developera, który chce łączyć klasyczną inżynierię z GenAI w środowisku regulowanym.
🔍 Dekoder Ogłoszenia
🔴
Ability to make pragmatic decisions under tight deadlines while maintaining quality standards.
Oczekuje się, że będziesz pracować pod presją czasu, często poświęcając jakość na rzecz szybkości dostarczenia.
🔴
innovative AI-enabled SDLC environment
Może oznaczać eksperymentalne wdrażanie narzędzi AI w procesie tworzenia oprogramowania, które nie są jeszcze w pełni dojrzałe.
🔴
strategic transformation program
Projekt może być w fazie zmian, co może wiązać się z niepewnością co do kierunku i zakresu prac.
🟡
strong controls to ensure quality, security, and compliance
Praca w środowisku z dużą ilością formalnych procedur i ograniczeń, co może spowalniać procesy.
🟡
Familiarity with GenAI concepts, LLM use cases, RAG/agent-based patterns, and governance principles.
Wymagana jest podstawowa wiedza teoretyczna, a niekoniecznie praktyczne doświadczenie w implementacji zaawansowanych rozwiązań AI.