На этот раз в подборке пять свежих ролей: от удалённого менеджмента корпоративного AI-продукта до исследовательских позиций в юридическом AI, моделях нового типа и оборонной роботике. Почти везде ищут людей, которые умеют не только строить прототипы, но и доводить системы до надёжной рабочей эксплуатации.
Руководитель инженерии корпоративного AI-продукта — партнёрская вакансия через Jobgether
Это удалённая вакансия по США для очень прикладного руководителя: нужно взять AI-продукт с открытым исходным кодом из исследовательской стадии и довести до уровня корпоративной платформы. По описанию это не «чистый менеджмент», а роль на стыке архитектуры, качества кода, надёжности, приватности, безопасности и интеграций. То есть день будет состоять не только из встреч, но и из тяжёлых решений о том, как сделать AI-функции пригодными для реального бизнеса.
Сильная сторона вакансии — полностью распределённый формат и по-настоящему широкий мандат. Слабая — работодатель скрыт за партнёрским размещением, поэтому прозрачности о продукте и команде меньше, чем в прямой вакансии. Если вам нравится заходить в проект в момент взросления платформы и вы умеете строить процессы вокруг AI, это может быть очень интересный управленческий трек.
Откликнуться: ссылка
Старший исследователь AI — Ivo
Ivo делает платформу для анализа договоров с помощью AI и уже продаёт её крупным именам вроде Uber, Meta, Canva, IBM и Shopify. Роль оформлена как контрактная, находится в Сан-Франциско и оплачивается очень заметно: от 200 до 325 тысяч долларов в год. По сути это работа для человека, который умеет превращать исследования в продуктовые улучшения для длинных юридических документов и сложных сценариев проверки.
Здесь важен контекст: юридические тексты длинные, скучные и дорогие по ошибкам, поэтому это не история про красивую демку, а про точность и практическую полезность. Компания говорит о быстром росте после раунда B, так что темп, вероятно, будет высоким. Хороший вариант для сильного исследователя, который хочет влиять на прикладной продукт, но формат контракта подойдёт не всем.
Откликнуться: ссылка
Исследователь моделей — Cartesia
Cartesia, основанная выходцами из Stanford AI Lab, ищет исследователя моделей в Сан-Франциско. Это вакансия для тех, кому тесно в обычной прикладной разработке: в центре внимания модели пространства состояний, эффективные трансформеры, гибридные архитектуры, ускорение вывода и адаптация моделей под разные условия развёртывания. То есть здесь ждут не просто умения пользоваться готовыми моделями, а желания спорить с текущим устройством самих архитектур.
Интерес вакансии в том, что это альтернатива очередной роли «соберите обвязку вокруг большой модели». Судя по формулировкам, придётся одновременно делать исследовательские прототипы и проталкивать их к практическому использованию. Если вам хочется быть ближе к новому поколению модельных архитектур, это одна из самых содержательных позиций в подборке.
Откликнуться: ссылка
Старший исследователь AI — Scout AI
Scout AI строит Fury — фундаментальную модель для роботики в оборонном контексте — и ищет старшего исследователя в Sunnyvale с зарплатой от 200 до 400 тысяч долларов в год. Набор тем очень серьёзный: обучение с подкреплением, модели, связывающие изображение, язык и действие, перенос из симуляции в реальный мир, память для AI-систем и координация нескольких агентов. Это выглядит как работа для человека, который хочет не только писать статьи и отчёты, но и видеть, как идеи доходят до обучения и реального автономного поведения.
Главный плюс — мощный исследовательский масштаб и прямой путь от идеи к внедрению. Главный минус — сама область: оборонная роботика, высокий темп стартапа и, вероятно, жёсткие ожидания к присутствию на месте. Для кандидатов, которым интересен воплощённый AI и реальная автономия, это сильная роль. Для тех, кто не хочет работать на военное применение, наоборот, чёткий стоп-сигнал.
Откликнуться: ссылка
Инженер компьютерного зрения для AI — City Detect
City Detect ищет инженера компьютерного зрения, который поможет увести продукт дальше классического распознавания объектов в сторону мультимодальных систем. В требованиях прямо перечислены Python, модели, связывающие изображение и текст, распознавание объектов, дообучение трансформеров, поиск с подмешиванием контекста, работа с выводом моделей, квантование и оценка качества. По опыту ждут минимум год в компьютерном зрении, два года с трансформерными системами и отдельную глубину в PyTorch или TensorFlow.
По дополнительным пожеланиям видно, куда всё идёт: дорожная инфраструктура, умные города, автономные системы, активное обучение и запуск на краю сети. Это уже не универсальная вакансия для любого AI-инженера, а роль для человека, который реально возил модели зрения в прод. Если у вас есть такой опыт, вакансия выглядит очень прикладной и насыщенной; если нет, порог входа здесь будет высоким.
Откликнуться: ссылка
Если бы выбирал один самый сильный лот по исследовательской насыщенности, я бы смотрел на Scout AI и Cartesia. Если нужен более спокойный путь в практический бизнесовый AI, тогда интереснее Ivo или удалённый менеджерский трек через Jobgether. А City Detect — хороший маркер того, что вакансии по зрению всё чаще требуют уже не одну модель, а целую производственную систему вокруг неё.
Комментарии (3)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Я правильно понимаю, что в такой подборке самая пугающая вещь для новичка не зарплаты, а разброс ролей: от руководителя до исследователя моделей? Очень хочется один человеческий ориентир — какая из этих пяти вакансий ближе всего к человеку, который уже умеет что-то собирать руками, но ещё не тянет большую науку.
Хороший ориентир для человека, который уже умеет что-то собирать руками, — прикладные вакансии и роли инженера по ИИ, где важнее довести систему до рабочего состояния, чем двигать границу исследований. Исследовательские позиции обычно требуют куда более сильной математической базы и опыта с публикациями, а прикладной трек чаще про интеграции, качество данных, оценку ответов и эксплуатацию.
Вот это уже похоже на человеческую шкалу. То есть новичку полезнее целиться туда, где нужно собрать и проверить рабочий контур, а не туда, где без сильной математики и публикаций просто утонешь?