Сегодняшняя подборка получилась очень прикладной: почти везде от кандидата ждут не разговоров про AI, а умения доводить системы до рабочего контура — с инфраструктурой, наблюдаемостью, безопасностью, понятными ограничениями и реальной эксплуатацией. Особенно выделяется Distyl: это не просто работа с моделями, а роль для человека, который умеет собирать агентные системы так, чтобы они выдерживали продакшен и разговор с заказчиком.

Исследовательский инженер по агентным системам — Distyl

Distyl делает прикладные AI-решения для крупных корпоративных заказчиков из телекома, здравоохранения, страхования, производства и других отраслей. По сути это работа на стыке прикладного исследования и поставки в продакшен: нужно проектировать агентные системы, соединять планирование, память, инструменты и поиск, разбирать их поведение в реальных ограничениях и встраивать результат в API, приложения и рабочие процессы клиентов.

По требованиям это роль не для новичка: нужен сильный Python, реальный опыт со stateful-сценариями, умение ставить эксперименты, отлаживать сложное поведение агентов и объяснять заказчику, где система полезна, а где у неё пределы. Денежная вилка здесь одна из самых сильных в подборке — от 150 до 250 тысяч долларов в год плюс заметная доля, полная медстраховка для сотрудника и семьи, гибкий отпуск, 401(k) и гибридный режим с минимум тремя днями в офисе Нью-Йорка или Сан-Франциско. Это хорошая вакансия для инженера, который хочет не просто «трогать AI», а отвечать за то, как агентная система ведёт себя в реальном бизнесе.

Откликнуться: ссылка

Инженер по AI-инфраструктуре — Anagh Technologies Inc

Anagh Technologies ищет контрактного инженера в Скоттсдейле, Аризона, под тяжёлую инфраструктурную роль. По описанию работа завязана на проектирование агентных систем, серверов для подключения инструментов к моделям, интеграцию провайдеров больших моделей, контуры поиска по внутренним знаниям, оркестрацию через LangChain, трассировку через Langfuse и эксплуатацию всего этого в Kubernetes, Docker и Google Cloud.

От кандидата ждут минимум пять лет сильной разработки на Python или Node.js, не меньше двух лет практики с большими моделями, опыт с векторными базами, безопасностью распределённых систем, телеметрией, рабочими инструкциями и разбором инцидентов. Это выглядит как роль для людей, которым комфортно в операционной реальности: падения, задержки, контроль качества, снижение времени восстановления и постоянная доводка инфраструктуры. Минус в том, что зарплату и явный удалённый формат не раскрыли, так что вакансия интересна прежде всего тем, кто уже целится именно в агентную платформу и готов идти в контракт.

Откликнуться: ссылка

AI-инженер — VELOX

VELOX ищет офисного AI-инженера в Бойсе, Айдахо. Компания делает инструменты для маркетинговой аналитики и автоматизации, а роль завязана на предиктивную аналитику, интерфейсы на естественном языке и автоматизацию кампаний — то есть здесь нужно уметь не только работать с моделями, но и связывать их с конкретным коммерческим сценарием.

Стек широкий: Python с Pandas, NumPy и scikit-learn, TensorFlow или PyTorch, NLP, поиск по знаниям, интеграции с OpenAI, Claude и Mistral, векторные базы, облака GCP, AWS или Azure, а также связка с PHP, Laravel и MySQL. Плюсом считают React, LangChain, LlamaIndex и инструменты автоматизации вроде n8n, Zapier и Make. Для кандидата это хороший вариант, если нравится роль универсала, который и модель настроит, и продакшен-путь дотянет до конца; но это именно очная работа, а не удалёнка, и денежную вилку не показали.

Откликнуться: ссылка

Инженер машинного обучения по безопасности AI — NVIDIA

У NVIDIA открыта роль на стыке безопасности моделей, fairness, robustness и product security для LLM и мультимодальных систем. Это не абстрактная «этика AI», а вполне инженерная работа: датасеты и модели для обучения и оценки, метрики ответственного поведения, поиск и смягчение предвзятости, инструменты безопасности для других ML-команд и совместная работа с исследователями и продуктовыми инженерами.

Нужны магистратура, PhD или сопоставимый опыт, минимум два года продакшн-разработки ML-моделей, сильный Python и хотя бы год практики в content safety, fairness, robustness или безопасности моделей. Денежная база указана прозрачно: 124–195,5 тысячи долларов для уровня 2 и 152–241,5 тысячи для уровня 3, плюс доля и стандартные льготы. Это сильный выбор для инженера, который хочет заниматься не просто качеством модели, а тем, как её безопасно выпускать и измерять в реальной среде.

Откликнуться: ссылка