Сегодняшняя подборка небольшая, но плотная: от квантовых исследований в торговле до агентных систем в страховании и внутренних ИИ-платформ в промышленности. Ниже — пять вакансий, где важно не просто знать модели, а уметь внедрять их в живые процессы.

Goliath Partners — исследователь ИИ для количественной торговли

Goliath Partners ищет специалиста в Нью-Йорке для систематического трейдинга, где ИИ используют не ради красивых демонстраций, а для поиска устойчивых сигналов в шумных рыночных данных. Работа охватывает весь цикл: придумать модель, проверить её на истории, довести до боевого режима и следить, чтобы она не разваливалась на реальном рынке.

По сути это роль для человека на стыке машинного обучения, статистики и количественных исследований. В требованиях — 2–5 лет опыта в количественном машинном обучении или другой среде с высокой ценой ошибки, сильная статистическая база, Python и/или C++, а также понимание временных рядов и риска переобучения.

По деньгам вакансия очень сильная: базовая часть указана на уровне 250–350 тысяч долларов в год, а совокупный доход — 500 тысяч — 1 миллион долларов с бонусом, подписным пакетом и привязкой к результату. Но есть и важный минус: в объявлении прямо упомянут запрет на конкуренцию сроком до 12 месяцев, так что это история не только про доход, но и про серьёзные ограничения после ухода.

Кому подойдёт: людям, которые уже работали с моделями в среде, где ошибка быстро превращается в реальные потери.

Откликнуться: Goliath Partners — AI Quantitative Researcher

GOAT Group / Grailed — старший инженер по машинному обучению

Grailed внутри GOAT Group нанимает удалённого по США специалиста уровня staff, который будет отвечать за поиск, ранжирование, рекомендации и персональную ленту в маркетплейсе моды. Это не узкая роль «только модели»: один человек должен разбираться и в архитектуре, и в обучении, и в инфраструктуре вывода, и в мониторинге после запуска.

Стек выглядит приземлённо и по делу: Python, SQL, DBT, Airflow или похожая оркестрация, контроль версий моделей, отслеживание экспериментов, наблюдение за дрейфом и переобучением. Компания ждёт 7+ лет опыта и хорошее понимание систем рекомендаций и ранжирования.

Интересная часть здесь в том, что Grailed опирается на десять лет данных маркетплейса, а значит задача не в том, чтобы «прикрутить ИИ», а в том, чтобы превратить уже накопленное поведение пользователей в более точную коммерческую механику. Компенсация зависит от региона в США: примерно 159 040–233 800 долларов базы плюс стандартный соцпакет, отпуск и пенсионная программа.

Кому подойдёт: сильным прикладным инженерам машинного обучения, которым нравится владеть системой целиком, а не только обучением модели.

Откликнуться: GOAT Group / Grailed — Staff Machine Learning Engineer

Wing — старший инженер по машинному обучению для симуляции

Wing, сервис доставки дронами от Alphabet, ищет в Пало-Альто очень сильного специалиста по симуляции автономных систем. Здесь фокус не на чат-ботах, а на более редкой и дорогой задаче: строить миры, сенсорные данные и сценарии, которые помогут тестировать беспилотные летательные аппараты до выхода в реальный парк.

В описании много серьёзных сигналов: 12+ лет опыта, глубокая экспертиза в трёхмерном моделировании мира или компьютерном зрении, генеративных моделях, мультимодальных сенсорных потоках, переносе из симуляции в реальность и проверке редких крайних случаев. Иными словами, это вакансия для людей, которые умеют делать так, чтобы автономная система не ломалась на неожиданных ситуациях.

База заявлена на уровне 274–292 тысяч долларов в год, плюс бонус, акции и льготы. Для индивидуального специалиста это очень заметный пакет. Если вам интересны робототехника, автономия и практический ИИ за пределами офисного софта, это одна из самых сильных ролей дня.

Откликнуться: Wing — Staff Machine Learning Engineer, Simulation

Guardian Life Insurance — дата-сайентист по агентным системам

Guardian расширяет свою лабораторию Data Science Lab и ищет специалиста, который будет внедрять агентные системы в страховые процессы: андеррайтинг, урегулирование, обслуживание клиентов, оценку риска и внутренние решения. Роль особенно интересна тем, что компания прямо пишет о работе с большими языковыми моделями и неструктурированными данными вроде договоров, медицинских записей, страховых кейсов и клиентских взаимодействий.

Ожидают уверенный Python, знакомство с PyTorch, TensorFlow и LangGraph, минимум два года практической работы в ИИ и умение объяснять решения продуктовым и бизнес-командам. Формат — гибридный, три дня в неделю в одном из офисов: Нью-Йорк, Бетлехем, Холмдел, Стэмфорд или Бостон.

Вилка по базе — 95 170–156 355 долларов плюс стимулирующие выплаты. Это не самая дорогая вакансия в списке, но она хороша для тех, кому важен доступ к сложным данным, реальным процессам и задачам в жёстко регулируемой среде. Если хочется делать агентные системы не для демонстрации, а для операций с высокой ценой ошибки, стоит посмотреть.

Откликнуться: Guardian Life Insurance — Data Scientist, Agentic AI

KLA — инженер AI/ML для агентных систем

KLA, крупный поставщик оборудования и технологий для производства полупроводников, ищет в Анн-Арбор инженера AI/ML для внутренней ИТ-команды. Здесь задача не исследовательская, а внедренческая: строить автономные и полуавтономные агенты внутри предприятия, сравнивать модели, проводить эксперименты на рабочих процессах и выпускать системы, которые выдерживают требования по безопасности, соответствию правилам, наблюдаемости и эксплуатации.

Компания ждёт 3–5 лет опыта, хороший Python, TensorFlow или scikit-learn, реальный опыт с RAG, облачной инфраструктурой и практиками разработки и эксплуатации. Отдельно подчёркнута необходимость объяснять технические компромиссы людям вне инженерной команды, так что роль подойдёт не только сильному разработчику, но и человеку, который умеет договариваться с бизнесом.

База указана в диапазоне 105 900–180 000 долларов, плюс софинансирование пенсионных накоплений, покупка акций сотрудниками, обучение, помощь с образовательными кредитами и семейные льготы. Хороший вариант для тех, кто хочет заниматься агентными системами в большом промышленном контуре, а не в очередном стартапе с обещанием «делать всё понемногу».

Откликнуться: KLA — AI/ML Engineer - Agentic AI

Если смотреть на подборку целиком, выделяются две линии. Первая — дорогие роли там, где ИИ напрямую связан с деньгами или физическим миром: торговля и автономные дроны. Вторая — быстрый сдвиг крупных компаний к агентным системам внутри существующих процессов: страхование, внутренние ИТ-платформы, коммерческие рекомендательные системы. Для кандидатов это хороший сигнал: рынок по-прежнему охотно платит тем, кто умеет доводить ИИ до рабочего состояния, а не только собирать прототипы.