AI Engineer
OMNIVISER SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ
⚲ Warszawa, Śródmieście
20 000–27 000 zł netto (+ VAT) / mies.
Wymagania
- 2–5 lat komercyjnego doświadczenia w AI/ML lub inżynierii oprogramowania, z systemami produkcyjnymi, które faktycznie wdrożono
- praktyczna znajomość architektur agentowych: context engineering, tool calling, agent loops, structured outputs, fallback handling
- doświadczenie z orkiestracją w LangGraph, LangChain lub własnym frameworku oraz z serwerami MCP lub własnymi interfejsami tool-calling
- doświadczenie z data agents i produkcyjnym retrieval na danych klienta, w tym semantic layers i ontologie; znajomość PostgreSQL, pgvector, semantic i hybrid search oraz BM25
- doświadczenie w budowaniu systemów ewaluacji i walidacji aplikacji AI (golden datasets, testy scenariuszowe, regresyjne, quality gates)
- hands-on doświadczenie z LLMOps: tracing i observability w Langfuse lub MLflow, automatyczne eval, optymalizacja promptów, debugowanie produkcyjne
- codzienne korzystanie z narzędzi agentic engineering (Claude Code, Codex, Cursor, GitHub Copilot)
- bardzo dobra komunikacja w języku polskim i angielskim
Opis stanowiska
Rola z pełną odpowiedzialnością end-to-end za systemy AI — od prototypu do produkcji, w tym niezawodność i skalowalność pipeline'ów LLM oraz workflowów agentowych. Praca jest mocno hands-on i zróżnicowana: jeden tydzień w kodzie produktu, drugi przy wdrożeniu u klienta, trzeci przy problemie R&D. Szczera uwaga: wymaganie 'szybkiego prototypowania i przekładania na wartość dla klienta' może sugerować presję na szybkie efekty, potencjalnie kosztem jakości lub przy częstych zmianach priorytetów.
🔍 Dekoder Ogłoszenia
🔴
Ability to rapidly prototype AI solutions and quickly turn them into customer value
Może sugerować presję na szybkie dostarczanie efektów, potencjalnie kosztem jakości lub przy częstych zmianach priorytetów.
🟡
production systems you have actually shipped
Konkretne i transparentne wymaganie — oczekiwanie realnego doświadczenia wdrożeniowego, nie tylko projektów pobocznych.
🟡
Practical knowledge of agent architectures, including context engineering, tool calling, agent loops, skills, structured outputs, and fallback handling
Bardzo szczegółowa lista technologii i koncepcji — może oznaczać wysokie i szerokie oczekiwania względem jednej osoby.