Сегодняшняя подборка получилась довольно взрослой по требованиям: почти везде ждут не человека для красивых демонстраций, а того, кто умеет доводить ИИ до рабочей среды, спорить с ограничениями данных и вычислений и брать на себя реальную инженерную ответственность. Ниже — все пять свежих вакансий с главным по формату, деньгам, стеку и тому, кому каждая роль подойдет лучше всего.

Инженер внедрения у стратегических клиентов в OpenAI

OpenAI ищет инженера внедрения в Стокгольме для работы на стыке клиентской поставки и собственной платформы. Это не тихая внутренняя роль: нужно разбирать задачи заказчика, проектировать систему, доводить ее до запуска, а затем возвращать выводы обратно в продуктовую и исследовательскую команды.

По фактам вакансия выглядит так: полная занятость, офисный формат три дня в неделю, помощь с переездом и до 50% поездок. Ждут минимум пять лет инженерного или внедренческого опыта, уверенный производственный Python или JavaScript и практический опыт запуска систем на базе больших языковых моделей или других генеративных моделей.

Роль особенно интересна тем, кто любит прикладной ИИ с высоким доверием со стороны клиента и не хочет сидеть только внутри одной кодовой базы. Главный компромисс тоже очевиден: частые поездки и гибридный режим подойдут не всем.

Откликнуться: ссылка

Старший исследователь ИИ в Clariti Cloud для проверки строительных норм

Clariti нанимает старшего исследователя ИИ в Канаде для платформы CivCheck, которая помогает с разрешениями и проверкой соответствия строительным нормам. По сути это роль для сильного самостоятельного специалиста, который берет свежие идеи из машинного обучения и превращает их в рабочие системы для разбора чертежей, проверок и сложных регуляторных сценариев.

Указана базовая вилка 120–150 тысяч канадских долларов, публикация свежая — около 14 часов на момент попадания в подборку. От кандидата ждут примерно 7–10 лет прикладного исследовательского опыта, сильный Python, владение PyTorch, TensorFlow или JAX, опыт вывода систем в облака AWS, Azure или Google Cloud и особенно крепкую базу в компьютерном зрении: детекция, сегментация, геометрические преобразования, мультимодальные сценарии и большие языковые модели.

Вакансия выглядит сильной для тех, кто хочет полный цикл — от эксперимента до внедрения — и кому интересен ИИ не ради витрины, а ради реального муниципального процесса. Но здесь явно будет и неизбежная доля неопределенности: исследовательский титул сочетается с ожиданием производственной ответственности и общения с заинтересованными сторонами.

Откликнуться: ссылка

Старший бэкенд-инженер для агентного ИИ в Airwallex

Airwallex ищет старшего бэкенд-инженера в команду агентного ИИ, которая автоматизирует бухгалтерию, сверку, налоги, зарплаты, прогнозирование и разбор документов. Это уже не исследование моделей как таковых, а строительство надежного слоя вокруг финансовых процессов, где ошибка дорого стоит и все должно быть проверяемо.

Указанная компенсация — 150–245 тысяч долларов в год, формат привязан к Сан-Франциско с возможностью работы из дома. В ежедневной работе будет много Python-сервисов, типизированных API, проектирования схем данных, событийных моделей, очередей, повторов, идемпотентности, наблюдаемости и аудита операций. Нужны пять и более лет сильной бэкенд-разработки на Python, хороший дизайн SQL- и NoSQL-хранилищ, опыт распределенных систем и событийной архитектуры, знание GCP и внимательность к безопасности и соответствию требованиям.

Это хорошая вакансия для инженера, которому интересно владение сложным прикладным контуром вокруг ИИ, а не только самой моделью. Важная оговорка: по ответственности это скорее финансовая платформа с ИИ-слоем, чем свободная лаборатория для экспериментов.

Откликнуться: ссылка

Старший инженер AI и машинного обучения в Absentia Labs

Absentia Labs открыла свежую вакансию старшего инженера AI и машинного обучения с оплатой 115–200 тысяч долларов в год плюс заметная доля в компании. Компания работает на пересечении ИИ, биологии, химии и крупной инженерии, а от нового человека ждет не локальной оптимизации, а лидерства в проектировании, обучении и выводе в работу ключевых моделей.

По стеку и обязанностям это глубокая роль в системной инженерии моделей: большие языковые модели, диффузионные модели, графовые нейронные сети, полные контуры обучения, распределенное обучение, контрольные сохранения, оценка качества, архитектура обслуживания и управление жизненным циклом моделей. Нужны пять и более лет в машинном обучении или прикладном ИИ, сильный PyTorch или сопоставимый инструментарий, уверенная работа с большими наборами данных и понимание компромиссов между вычислениями, данными и качеством в рабочей среде. Плюсом будут обучение с подкреплением, сжатие, дистилляция и мультимодальные системы.

Роль особенно интересна тем, кто хочет тяжелую техническую работу с научным выходом и при этом готов жить в более компактной компании, где за автономию часто платят меньшим количеством страховочных сеток.

Откликнуться: ссылка

Исследователь в Prolific по качеству данных для ИИ

Prolific ищет исследователя на полную занятость для удаленной работы, но с жесткой привязкой к часовому поясу восточного побережья США. Компания известна как инфраструктура человеческих данных для разработки ИИ и хочет, чтобы новый сотрудник вел собственное исследовательское направление на стыке качества онлайн-данных, методов выборки, синтетических данных и влияния ИИ на интернет-исследования.

Это ближе не к классической инженерии моделей, а к прикладному лидерству в исследовательских методах. Нужно проектировать первичные исследования, публиковаться на сильных академических и отраслевых площадках, строить внешние партнерства и превращать результаты в материалы для конференций, журналов, прессы и самой компании. Особенно важны глубокое понимание онлайн-исследований, работа с неполновероятностными выборками, оценкой качества данных и подходами к синтетическим данным, а также способность самому собирать повестку без готового шаблона.

Вакансия выглядит очень сильной для человека, которому интересно влиять на разговор о качестве данных в ИИ, а не просто выпускать очередную модель. Ограничение по часовому поясу здесь главный фильтр: формально работа из дома есть, но география заметно сужена.

Откликнуться: ссылка