На aijobs.net сегодня попались четыре свежие вакансии, и каждая показывает свой срез рынка: от архитектуры больших ИИ-платформ и предпродажной инженерии до прикладной продуктовой работы с мультимодальными сценариями. Ниже — коротко и по делу о том, что за компании нанимают, чем придётся заниматься и кому такие роли подойдут.
Principal AI Engineering Architect — SentinelOne
SentinelOne делает платформу кибербезопасности с сильным упором на ИИ, и здесь ищут не просто опытного инженера, а человека уровня principal, который будет задавать направление всей ИИ-инженерии. Роль полностью удалённая по США, опубликована день назад, зарплатная вилка — 224–308 тыс. долларов в год. По описанию это смесь стратегии и глубокой техники: формировать дорожную карту, определять архитектурные решения между командами, запускать новые ИИ-возможности, выстраивать практики вывода моделей в рабочую среду, следить за качеством в продакшене и представлять направление на уровне архитектурного совета компании.
По стеку видно, что ждут человека с опытом больших прикладных систем: AWS и Google Cloud, Docker, Kubernetes, Kubeflow, Python, низкие задержки, безопасность конечных устройств и зрелые процессы вокруг моделей. Из плюсов — сильный компенсационный пакет: гибкий отпуск, поддержка родителей и программ, связанных с планированием семьи, доплата на домашний офис и компенсация расходов на благополучие. Это хорошая вакансия для тех, кто хочет влиять на ИИ-стратегию компании, а не только писать код; главный риск в том, что роль очень широкая и потребует одновременно архитектурной твёрдости, управленческого веса и понимания безопасности.
Откликнуться: ссылка
Solution Architect, Applied AI Practice (Pre-Sales) — Bryant Park Consulting
Bryant Park Consulting — консалтинговая компания, работающая с NetSuite и корпоративными системами, — открыла удалённую старшую вакансию с вилкой 200–250 тыс. долларов в год. Это не классическая роль для человека, который хочет сидеть только в разработке: здесь много общения с клиентами, технических интервью, подготовки предложений и сопровождения сделок от первого разговора до передачи проекта в реализацию. По сути, нужен архитектор, который умеет быстро понять задачу бизнеса и собрать убедимую схему внедрения ИИ.
Набор технологий при этом вполне боевой: API Anthropic и OpenAI, Model Context Protocol, Databricks, Snowflake, ServiceNow, Oracle ERP, NetSuite, REST API, вопросы безопасности и контроля доступа. То есть речь идёт не о красивых демонстрациях, а об интеграции ИИ в тяжёлую корпоративную среду. Вакансия подойдёт тем, кому нравится соединять технику и коммерцию: проектировать агентные решения, оценивать объём работ, отвечать на возражения и помогать продавать сложные внедрения. Из возможных минусов — предпродажный формат почти наверняка означает давление по воронке и меньшую долю чистой инженерной работы, чем можно ожидать по заголовку.
Откликнуться: ссылка
Senior Architect, AI Enablement — Electronic Arts
Electronic Arts ищет старшего архитектора в Остине с ожидаемой компенсацией 143–220 тыс. долларов в год. Это роль для тех, кто хочет заниматься не обучением моделей как таковым, а внедрением генеративного ИИ и машинного обучения в крупные корпоративные системы с жёсткими требованиями к безопасности. В описании много конкретики: дорожная карта, прототипирование, наставничество, снижение рисков, защита от атак через подсказки, работа с облачной архитектурой, приватностью данных, микросервисами и интеграциями по API.
Интересно, что вакансия явно смещена в сторону управления рисками и инженерных ограждений, а не в сторону чистых исследований. Это может понравиться кандидатам, которым ближе серьёзная платформенная работа внутри большой компании, где нужно не просто доказать, что ИИ работает, а встроить его так, чтобы это прошло по требованиям безопасности и эксплуатации. Пакет льгот выглядит солидно: медицина, семейные отпуска, пенсионные накопления и оплачиваемое время отдыха. Но важно понимать, что это скорее архитектура корпоративного внедрения, чем повседневная работа с моделями.
Откликнуться: ссылка
AI Product Engineer — Intugine Technologies
Intugine Technologies работает в сфере прозрачности цепочек поставок и ищет продуктового ИИ-инженера в Бангалоре. Вакансия свежая, среднего уровня, с оценкой зарплаты в 1,5–3 млн индийских рупий в год. По содержанию это, пожалуй, самая прикладная и «строительная» позиция в подборке: от идеи до продакшена нужно делать мультимодальные функции, сценарии с языковыми моделями и агентами, аналитику на геоданных, данных устройств, изображениях и корпоративных данных, а также внутренние панели и инструменты автоматизации.
По стеку виден широкий профиль: Python, FastAPI, React, Streamlit, Plotly Dash, векторные базы данных, компьютерное зрение, поиск по внутренним данным с генерацией ответа и проектирование подсказок. Такая роль подойдёт людям, которым нравится быстро доводить идеи до рабочего продукта и работать сразу на стыке данных, интерфейсов и внедрения. Что стоит учесть заранее: в карточке нет упоминания удалённого формата и почти ничего не сказано о льготах, так что основные преимущества здесь — разнообразие задач и широта ответственности, а не условия вокруг них.
Откликнуться: ссылка
Если вам интересен рынок ИИ-вакансий, сегодня особенно выделяются две крайности: с одной стороны, компании готовы дорого платить за людей, которые умеют выстроить архитектуру и эксплуатацию ИИ на уровне всей организации; с другой — остаётся спрос на прикладных инженеров, которые быстро превращают модели и данные в полезные продуктовые функции. Для кандидата это хороший сигнал: ценятся и стратеги, и сильные практики, если у них есть реальный опыт доведения систем до рабочего состояния.
Комментарии (3)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Я каждый раз спотыкаюсь о разрыв между такими ролями и обычной разработкой: по описанию это уже почти человек-оркестр для всей ИИ-платформы. Если кто-то хотел бы когда-нибудь дорасти до такой позиции, какой из перечисленных кусков обычно самый реальный вход — вывод моделей в рабочую среду, облака или всё-таки архитектура данных?
Самый реальный вход обычно через вывод моделей в рабочую среду: там быстрее всего появляется чувство цены ошибки, требований к надёжности и ограничений инфраструктуры. Уже потом на эту базу легче наслаивать архитектуру данных и более широкий платформенный взгляд, потому что без опыта боевой эксплуатации такие роли слишком легко превращаются в красивую схему без почвы под ногами.
Вот после такого ответа у меня наконец складывается картинка: сначала нужно руками почувствовать, где модель реально ломает рабочий процесс, и только потом рассуждать про большую архитектуру. Иначе правда легко выучить красивые слова раньше, чем появится почва под ними.