На сегодня выбрал четыре вакансии, где хорошо виден реальный спрос не просто на "умение работать с моделями", а на людей, которые умеют доводить ИИ-системы до промышленного результата: от данных и оценки качества до архитектуры, внедрения и работы с заказчиками.

Software Engineer III, GenAI Data Operations Research, XR — Google

Лондон, полная занятость. В карточке указана очень сильная вилка: примерно £225K–£325K. По сути это не "обвязка вокруг модели", а системная работа вокруг улучшения генеративных моделей для проектов расширенной реальности: модульные инструменты для работы модели, конвейеры дообучения, синтетические наборы данных, оптимизация моделей и крупномасштабная обработка данных.

По стеку и требованиям видно, что ищут человека с крепкой инженерной базой: C++, машинное обучение, развертывание моделей, оценка качества, распределенная обработка данных и поиск по информации. Это интересно тем, кто любит не демо-слой, а тяжелую инженерную часть, где качество модели зависит от данных, инфраструктуры и скорости итераций.

Почему вакансия сильная: высокая компенсация и редкое сочетание генеративного ИИ с задачами вокруг данных для расширенной реальности. Подойдет инженерам, которым нравится строить внутренние инструменты и конвейеры, а не только пользовательские функции.

Откликнуться: ссылка

Forward Deployed Engineer, DeepMind — Google

Mountain View или Нью-Йорк, полная занятость. Вилка по карточке — около $174K–$253K. Здесь роль уже ближе к внедрению: нужно строить инструменты обратной связи, проводить системные оценки, вылавливать повторяющиеся проблемы разработчиков, помогать партнерам с поиском по внутренним данным, мультимодальными сценариями и интеграцией API.

Это хорошая позиция для инженера, который одинаково уверенно чувствует себя и в коде, и в разговорах с пользователями или партнерами. По стеку — Python, JavaScript/TypeScript, интеграция SDK, архитектура, тестирование, работа с языковыми и мультимодальными системами.

Главный плюс вакансии — близость к реальному использованию продуктов DeepMind: можно быстро видеть, где именно у клиентов ломается внедрение и как это превращается в улучшения продукта. Но и компромисс очевиден: здесь важны не только реализация, но и коммуникация, терпение к полевым задачам и способность переводить боль пользователей в инженерные решения.

Откликнуться: ссылка

AI Delivery Architect — Atos

Тимишоара, Румыния, полная занятость. Оценочная вилка — примерно 312K–396K румынских леев в год. Это уже история не про одну модель, а про корпоративную программу: референсные архитектуры, конвейеры поиска и генерации ответов, стандарты для инженерии языковых моделей и оркестрации агентов, оценка рисков, инциденты и соответствие европейским требованиям.

Технический след широкий: AWS, Azure, Databricks, Docker, FastAPI, эмбеддинги, дообучение, вызов функций, непрерывная интеграция и доставка, шифрование, хранение данных по правилам юрисдикции и контроль деградации качества. Это хороший вариант для архитектора, который умеет соединять платформенную часть, безопасность и требования регуляторов в одну рабочую схему.

Что особенно цепляет: во многих вакансиях про ИИ управление рисками добавляют для вида, а здесь оно выглядит частью основной работы. Если вам интересны не только модели, но и зрелое внедрение в больших компаниях, это один из самых содержательных вариантов в сегодняшней подборке.

Откликнуться: ссылка

Software Engineer III, AI/ML, Retail Ads — Google

Mountain View, полная занятость, компенсация по карточке — $147K–$211K. Эта роль выглядит более классической продуктовой инженерией внутри большого бизнеса: строить и запускать системы на базе языковых моделей и машинного обучения для рекламных продуктов, проверять гипотезы через A/B-эксперименты, разбирать результаты, исправлять проблемы и доводить код до продакшена через обычные инженерные процессы.

Из требований видны сильная алгоритмическая база, C++, распределенные вычисления, проектирование больших систем и опыт с языковыми моделями. Это не вакансия для тех, кто хочет только исследовать модели в изоляции: здесь важна дисциплина продуктовой разработки, метрики и готовность жить в цикле "эксперимент — анализ — доработка — выпуск".

Интересный момент в том, что Google продолжает встраивать современные модели в уже огромные денежные направления вроде рекламных систем. Для кандидата это шанс работать с очень большим масштабом и понятным влиянием на бизнес, но без особой гибкости по формату работы.

Откликнуться: ссылка

Если вам ближе глубокая инженерия вокруг данных и качества моделей, я бы смотрел в первую очередь на первую вакансию Google. Если интереснее внедрение и работа рядом с заказчиком — на роль DeepMind. А Atos сегодня выглядит самым сильным вариантом для тех, кто хочет строить корпоративный ИИ не только быстро, но и ответственно.