Senior Forward Deployed Engineer, GenAI, Google Cloud
⚲ Warszawa, Śródmieście
30 333–31 083 zł brutto / mies.
Wymagania
- wykształcenie wyższe w inżynierii, informatyce lub pokrewnym (lub równoważne doświadczenie)
- min. 5 lat doświadczenia w budowie i wdrażaniu produkcyjnych rozwiązań AI-driven dla klientów zewnętrznych lub wewnętrznych (Python, TypeScript lub podobne)
- doświadczenie w prowadzeniu technical discovery sessions z biznesem i zespołami inżynierskimi
- doświadczenie w projektowaniu i budowie systemów AI na platformach chmurowych (np. GCP)
- doświadczenie w budowie pipeline'ów dla danych strukturalnych i niestrukturalnych z vector databases i RAG-like architectures
Mile widziane
- stopień Master's lub PhD w AI, informatyce lub pokrewnym
- doświadczenie w implementacji multi-agent systems (LangGraph, CrewAI, Google ADK) i wzorców ReAct, self-reflection
Opis stanowiska
Google Cloud szuka Senior Forward Deployed Engineera (GenAI), który będzie embedded builderem u klientów — koduje, debuguje i wspólnie wdraża bespoke agentic solutions w środowiskach klientów, przechodząc od szybkich prototypów do produkcyjnych agentic workflows. Rola łączy budowanie rozwiązań AI z byciem feedback loopem dla roadmapy produktowej Google Cloud. To pozycja dla kogoś, kto lubi pracę bezpośrednio z klientem i potrafi rozwiązywać problemy integracyjne, data readiness i state management na produkcji. Szczera uwaga: 'RAG-like architectures' sugeruje, że nie chodzi o ścisłe implementacje RAG, a o podejścia podobne — warto dopytać o konkretne oczekiwania techniczne.
🔍 Dekoder Ogłoszenia
🔴
5 years of experience building and shipping production-grade AI-driven solutions
Określenie 'production-grade' może oznaczać różne poziomy dojrzałości i stabilności rozwiązania.
🔴
Experience leading technical discovery sessions with business stakeholders and engineering teams
Może oznaczać zarówno prowadzenie dyskusji, jak i bardziej formalne zarządzanie procesem zbierania wymagań.
🔴
Experience building pipelines for structured, unstructured data, incorporating vector databases and retrieval-augmented generation (RAG)-like architectures
Określenie 'RAG-like' sugeruje, że niekoniecznie chodzi o ścisłe implementacje, ale o podejścia podobne do RAG.