AI Senior Engineer
⚲ Warszawa
200–220 zł netto (+ VAT) / godz.
Wymagania
- min. 5 lat doświadczenia w roli technicznej (developer, DevOps, QA automation lub podobnej)
- doświadczenie w projektowaniu i wdrażaniu narzędzi AI w SDLC
- doświadczenie w produkcyjnym wdrażaniu rozwiązań AI (konfiguracja, integracja, hardening, monitoring)
- umiejętność tworzenia agentów AI, workflowów, skilli i promptów oraz integracji z repozytoriami i CI/CD
- znajomość Spec-Driven Development, LLM, RAG i architektur agentowych
- doświadczenie w transferze wiedzy (pair/mob programming, code review, wspólne projektowanie)
- praca hybrydowa — 1 dzień w tygodniu w biurze w Warszawie
Mile widziane
- praktyka z LangGraph oraz MCP
Opis stanowiska
Rola w zespole wdrażającym narzędzia AI w procesie wytwarzania oprogramowania — konfiguracja i integracja narzędzi (Copilot, Claude Code, Cursor, M365 Copilot), budowa agentów, workflowów i standardów pracy z AI oraz transfer wiedzy do zespołów developerskich, testerskich i analitycznych. To oferta dla kogoś, kto łączy praktyczne doświadczenie inżynierskie z konsultingiem wewnętrznym i potrafi przekładać potrzeby biznesowe na inicjatywy wdrożeniowe. Wymagana gotowość do pracy hybrydowej (1 dzień w tygodniu w Warszawie).
🔍 Dekoder Ogłoszenia
🔴
Minimum 5 lat doświadczenia w roli technicznej, np. Software Developer, DevOps Engineer, QA/Test Automation Engineer lub podobnej, wraz ze znajomością pełnego cyklu życia aplikacji i pracy w zespołach wytwórczych.
Chociaż wymagane jest 5 lat doświadczenia, może ono być bardzo ogólne i niekoniecznie bezpośrednio związane z AI, co oznacza potrzebę szybkiego wdrożenia w specyficzne narzędzia.
🔴
Doświadczenie w projektowaniu i wdrażaniu narzędzi AI w SDLC, np. GitHub Copilot, Claude Code, Cursor, Codex, M365 Copilot lub modeli open-source.
Wymienione narzędzia to głównie asystenci kodowania, co sugeruje, że głównym zadaniem będzie integracja tych narzędzi, a nie budowanie zaawansowanych modeli AI od podstaw.
🔴
Praktyczna umiejętność tworzenia agentów AI, workflowów, skilli i promptów oraz ich integracji z repozytoriami, CI/CD, code review i testami.
Skupienie na 'promptach' i 'workflowach' wskazuje na bardziej konfiguracyjne podejście do AI, a nie na głębokie inżynierowanie algorytmów.
🔴
Umiejętność oceny wartości biznesowej AI, optymalizacji kosztów modeli oraz mierzenia efektów wdrożeń.
Oznacza to, że będziesz musiał uzasadniać inwestycje w AI i udowadniać ich opłacalność, co może być trudne w przypadku nowych technologii.
🟡
Doświadczenie w transferze wiedzy poprzez wspólną pracę z zespołem, m.in. pair/mob programming, code review oraz wspólne projektowanie i budowę rozwiązań.
Oczekuje się, że będziesz nie tylko wykonywać zadania, ale także aktywnie szkolić i podnosić kompetencje całego zespołu w zakresie AI.