В этот выпуск вошли пять свежих вакансий из AI-направления — от разговорных ассистентов и агентных платформ до прикладного машинного обучения в автопроме. Ниже — что именно делает каждая команда, кому подойдёт роль и на какие ограничения стоит смотреть заранее.

Software Engineer, AI Agent & LLM — Otter.ai

Otter.ai ищет инженера в Mountain View для развития Otter AI Chat и собственного разговорного движка знаний. По сути это роль на стыке серверной разработки, качества AI-функций и продуктовой инженерии: нужно строить агентные сценарии поверх записей разговоров, улучшать извлечение и индексацию знаний, собирать наборы данных для оценки качества, настраивать автоматические проверки и разбирать сбои в цепочках подсказок, поиске контекста и вызове инструментов.

От кандидата ждут не меньше трёх лет релевантного опыта, сильную базу в серверной или распределённой разработке, реальный опыт вывода AI- и LLM-функций в рабочий продукт и умение измерять качество недетерминированных систем. Вилка — от 155 до 185 тысяч долларов в год, формат гибридный. Это хороший вариант для тех, кто хочет работать ближе к пользовательскому продукту и видеть влияние своих решений не только на инфраструктуру, но и на итоговый опыт пользователя.

Откликнуться: ссылка

Senior Software Engineer, Backend (Agentic AI) — Sift Stack

Sift Stack нанимает старшего инженера для Sift Agents — агентной платформы, которая помогает инженерам разбирать телеметрию ракет, спутников, автономных машин и других критичных систем. Это уже не просто вакансия про модные обвязки вокруг моделей: здесь нужно строить API, инструменты агентов, планировщики задач, долговременную память, изолированное выполнение и наблюдаемость для длинных рабочих процессов.

Заявлен удалённый формат с базой в Marina del Rey или San Francisco, компенсация — от 170 до 220 тысяч долларов плюс доля в компании и льготы, хотя в карточке также всплывает диапазон до 250 тысяч, так что вилку лучше уточнить отдельно. Ожидаются восемь и более лет опыта, сильная серверная и распределённая разработка, работа с Kubernetes, оценкой качества, наблюдаемостью и, желательно, с инструментами вроде Kafka, Flink и TimescaleDB. Главный фильтр здесь не технический, а юридический: из-за ограничений ITAR и EAR нужен статус U.S. person.

Откликнуться: ссылка

Agentic AI Engineer — Elastic

Elastic ищет инженера по агентному ИИ в США для внутренней ИТ-команды, которая строит корпоративных агентов на основе Elastic Stack. Это роль не про витринный чат-бот, а про полноценные автономные процессы: нужно собирать агентные конвейеры, поднимать поиск с дополнением контекстом, связывать модели с внутренними API и внешними сервисами, автоматизировать облачную инфраструктуру и контролировать стоимость запросов и защиту данных.

В описании прямо перечислены LangGraph, LangChain, LangSmith, Docker, Kubernetes, Terraform, а также требования к безопасности, правам доступа и наблюдаемости сложных многоагентных систем. Зарплата не раскрыта, зато хорошо видно, кому подойдёт вакансия: человеку, который одинаково уверенно чувствует себя и в AI-разработке, и в инфраструктуре, и в корпоративной безопасности. Порог входа высокий, но и зона влияния широкая — от архитектуры до практической автоматизации внутренних команд.

Откликнуться: ссылка

AI Product Engineer — Plumb / Tag Management Inc

Plumb через Tag Management Inc ищет первого выделенного AI-инженера в La Jolla, San Diego, для работы внутри финтех-платформы для очень состоятельных клиентов. Это вакансия с настоящей ответственностью за направление: не поддержка готового списка задач, а самостоятельный выбор подхода, сборка полного AI-процесса на Python и API крупных моделей и доведение решения до пользователей.

Базовая вилка заметно скромнее рынка США — от 70 до 85 тысяч долларов плюс бонусы за результат. Из требований: профильное образование, уверенный Python, опыт с API моделей, умение строить полные рабочие процессы, а в плюсах — LangChain, LangGraph, CrewAI, AutoGen, поиск с дополнением контекстом и векторные базы данных. Роль интересна как быстрый вход в продуктовую AI-разработку с большой самостоятельностью, но компромисс очевиден: это очная работа в офисе, а уровень оплаты стоит оценивать очень трезво.

Откликнуться: ссылка

Machine Learning Engineer — Stellantis

Stellantis нанимает инженера по машинному обучению в Auburn Hills, Michigan, чтобы улучшать конфигурации автомобилей через моделирование спроса и предпочтений покупателей. Это прикладная роль с прямым влиянием на коммерческие решения: нужно запускать крупные симуляции на десятках тысяч синтетических клиентов, строить статистические и ML-модели в Databricks, работать с историей продаж и конкурентными данными и превращать результаты в рекомендации для продуктовых и закупочных решений.

Компания хочет видеть не меньше пяти лет опыта, хороший Python, Pandas, NumPy, scikit-learn, PySpark, сильный SQL и уверенную работу с Databricks. Из плюсов — сильный соцпакет: медицина, стоматология, офтальмология, оплачиваемые праздники и отпуск, родительский отпуск, 401(k), скидки на лизинг автомобилей и обучение. Минус простой и важный: это очный формат без удалёнки, так что вакансия прежде всего для тех, кому интересен прикладной ML с ощутимым бизнес-эффектом, а не гибкость по месту работы.

Откликнуться: ссылка

Если смотреть на выпуск целиком, то самый сильный разрыв по типу работы здесь между Otter.ai и Sift Stack: первая роль ближе к пользовательскому AI-продукту и качеству функций, вторая — к тяжёлой агентной платформе для сложной инженерной среды. Elastic подойдёт тем, кто хочет совмещать AI с инфраструктурой и безопасностью, Plumb — тем, кому нужна ранняя ответственность за продукт, а Stellantis — тем, кто предпочитает прикладное машинное обучение с понятным бизнес-результатом.