Сегодня в подборке пять свежих ролей, где ИИ нужен не для красивой вывески, а для рабочих систем с понятной ценой ошибки. Здесь есть и коммерческие модели, которые ежедневно влияют на выручку, и безопасность будущих агентных систем, и моделирование миров в реальном времени, и внутренняя платформа для команд, которые строят продукты на больших моделях.

Старший инженер машинного обучения — 6sense

6sense описывает себя как компанию в сфере интеллектуальных систем для продаж и маркетинга, которая обрабатывает около триллиона сигналов в день. В этой роли нужен не кабинетный исследователь, а человек, который умеет довести модель до боевого применения: здесь ждут работу с обработкой текста, большими языковыми моделями, агентными системами, поиском по знаниям, ранжированием и рекомендациями, а затем — запуск, наблюдаемость, масштабирование и надёжность.

По описанию роль находится рядом с руководителем направления ИИ и требует постоянной связки с продуктом и коммерческими командами. Это сильный вариант для инженера, который умеет переводить расплывчатые бизнес-вопросы в работающие модели и не боится ответственности за результат в ежедневных пользовательских сценариях. Из плюсов — распределённая команда между США и Индией, то есть формат выглядит заметно дружелюбнее к удалённой работе, чем у многих соседних вакансий. Из минусов — зарплата не указана, а давление на качество здесь почти наверняка будет высоким, потому что ошибки таких систем быстро превращаются в потерю денег и доверия.

Откликнуться: ссылка

Инженер-исследователь по безопасности и согласованию универсального ИИ — Google DeepMind

Google DeepMind ищет инженера-исследователя в команду, которая занимается снижением катастрофических и экзистенциальных рисков от универсального ИИ и сверхразумного ИИ. По задачам это одна из самых прямых индустриальных ролей на пересечении инженерии и безопасности: методы согласования, которые лучше переносятся на новые условия, моделирование будущих риск-сценариев, интерпретируемость, судебная экспертиза поведения моделей, оценка осведомлённости при тестировании и механизмы контроля для агентных развёртываний.

Минимальная планка уже серьёзная: опыт разработки или инженерии машинного обучения от трёх лет, работа рядом с исследовательскими командами, а в идеале — практический опыт именно в безопасности передовых моделей, дообучении и тонкой настройке. Для кандидата это шанс оказаться в одной из самых чувствительных зон отрасли, где ставятся не только продуктовые, но и цивилизационные вопросы. Но компромисс тоже очевиден: вакансия выглядит привязанной к Сан-Франциско, Маунтин-Вью или Нью-Йорку, удалённый формат не обещан, а конкурс почти наверняка будет запредельным.

Откликнуться: ссылка

Младший инженер по AI, трансформация финансов — SoFi

SoFi открыла роль внутри блока трансформации финансов и прямо пишет, что у компании уже больше ста выявленных сценариев применения ИИ при поддержке руководства. Это делает вакансию интересной не как эксперимент на обочине, а как попытку встроить агентные системы в финансовые операции: закрытие периода, сверки, прогнозирование, отчётность, измерение использования ИИ, затрат и отдачи, а также проектирование пользовательских процессов и циклов обратной связи.

Особенно важно, что здесь требуется не просто собрать цепочку из моделей, а сделать результат объяснимым, проверяемым и сопоставимым с цифрами до того, как он начнёт влиять на финансовые решения. Такой пост подойдёт человеку, которому интересна не наука ради науки, а осторожное внедрение ИИ в контуры, где важны аудит, дисциплина и доверие. Обратная сторона — вероятно высокий уровень согласований и контроля, плюс в вакансии не видно ни зарплаты, ни явного обещания удалённой работы.

Откликнуться: ссылка

Инженер-исследователь по интерактивным моделям мира — NVIDIA

NVIDIA ищет инженера в Санта-Кларе на направление FlashDreams и FastGen, где видео-модели превращают в симуляции мира в реальном времени. По содержанию это очень плотная роль на стыке модели и системы исполнения: непрерывные циклы выдачи, управление входами, работа с памятью ключей и значений и графическими ускорителями, потоковая передача кадров, дистилляция, дообучение через вознаграждение, кондиционирование действиями, длинная память и симуляционные контуры для автопилота, робототехники, игр, медицины и виртуального обучения.

Если вам хочется не просто обучать модель, а видеть, как она превращается в инструмент для сложных динамических сред, это одна из самых содержательных вакансий в сегодняшнем наборе. От кандидата ждут минимум три года опыта в системах машинного обучения, сильные Python и PyTorch, а также полезный фон в видео-моделях, робототехнике, компьютерном зрении или иных системах реального времени. Минус предсказуемый: роль привязана к Санта-Кларе, а обещания удалённого формата или зарплатной вилки в описании нет.

Откликнуться: ссылка

Сотрудник технического состава, опыт разработчика для систем на AI — Crosby

Crosby строит юридическую фирму в Нью-Йорке, изначально выстроенную вокруг AI, и развивает собственные инструменты с обязательным участием человека в рабочем цикле. Эта вакансия интересна тем, что она не про одну отдельную функцию для клиента, а про внутренний рычаг, который ускоряет всю инженерную команду: управление подсказками, оценка качества, эксперименты, поддержка тонкой настройки, регрессионные проверки, наблюдаемость и конвейеры данных и разметки.

Здесь нужен человек, который умеет делать других инженеров быстрее и увереннее, а не только писать отдельные функции своими руками. Диапазон оплаты заметный — от 200 до 360 тысяч долларов в год, что сразу делает вакансию одной из самых денежных в подборке. Это хороший выбор для кандидата, которому нравится инфраструктура вокруг больших моделей, измеримость, отладка и воспроизводимость. Главный вопрос — география: по тону объявления роль выглядит именно нью-йоркской, а не по-настоящему распределённой.

Откликнуться: ссылка

Если смотреть на подборку целиком, сегодня особенно хорошо видно разделение рынка на две группы ролей. Первая — там, где ИИ уже напрямую встроен в выручку, операции и внутренние платформы, и от инженера ждут зрелой поставки, наблюдаемости и контроля. Вторая — там, где компании готовы платить за работу на переднем крае безопасности и моделирования, но почти всегда просят жёсткую локацию и очень высокий уровень подготовки.