Сегодня в ленте пять свежих ролей для инженеров, которые хотят работать на стыке моделей, продакшена и продукта. Ниже — где дают максимум влияния, где есть удалёнка, а где придётся идти в очень требовательную очную среду.
Ведущий инженер по ИИ — FurtherAI
FurtherAI строит ИИ-агентов для страховой отрасли и уже пишет, что её система работает у крупных страховщиков и брокеров. Компания растёт примерно в десять раз год к году, поддерживается a16z и YC, а от ведущего инженера ждёт не исследовательского блеска ради блеска, а умения довести агентные цепочки до надёжной эксплуатации.
По фактам это одна из самых сильных позиций в сегодняшней подборке: очная работа в Сан-Франциско, стек с Python, TypeScript, React, Azure и передовыми большими моделями, а зарплатная вилка — 250–350 тысяч долларов плюс доля. Судя по описанию, день за днём здесь придётся разруливать оркестрацию, качество ответов, надёжность вызовов инструментов и поведение системы в реальном проде. Отличный вариант для очень сильного инженера, который хочет решать задачу «агенты в бою», но и планка входа здесь явно высокая.
Откликнуться: furtherai.com
Старший инженер по ИИ — Starbridge
Starbridge делает платформу, которая превращает публичные и корпоративные данные в полезные для продаж инсайты. Роль выглядит как смесь прикладного ИИ и крепкой продуктовой разработки: нужно проектировать и выкатывать функции на больших моделях, включая глубокий анализ документов и интерактивный чат, а заодно держать под контролем надёжность решения в продакшене.
Плюс вакансии в том, что у неё есть удалённый формат при базовой привязке к Нью-Йорку. В требованиях — Python, проектирование систем машинного обучения, опыт с OpenAI, Anthropic и Gemini, а также бонусом идут опыт с поиском и подстановкой нужных фрагментов знаний, LangChain, LlamaIndex и Hugging Face. Для кандидата это хороший шанс зайти в роль с заметным влиянием на продукт, но ранняя стадия почти наверняка означает быстрые повороты приоритетов и много неопределённости.
Откликнуться: starbridge.ai/careers
Ведущий разработчик, агентный ИИ — Atria Health
Atria Health работает в превентивной и персонализированной медицине и ищет сильного ведущего разработчика в направлении агентного ИИ. Компания прямо подчёркивает глобально-удалённый формат «почти откуда угодно», при этом оставляет и гибридный вариант в Нью-Йорке, что для опытных кандидатов выглядит особенно привлекательно.
По стеку видно, что это не узкая роль вокруг одного модуля: упомянуты Express, React, GCP, Terraform, DBT, MySQL и Snowflake. Значит, кроме самих агентных возможностей, здесь будет много продуктовой и платформенной инженерии, а влияние на конечный медицинский сервис может быть заметным. Минус в том, что вакансия не раскрывает компенсацию и довольно скупо описывает распределение обязанностей, так что на интервью стоит отдельно проверять, сколько в ней реальной разработки, а сколько координации.
Откликнуться: share.atria.org/engineering
Первый инженер по ИИ и данным — Matcha.fm
Matcha.fm ищет первого инженера на стыке машинного обучения и данных. По описанию из августовского Ask HN это очень ранняя стадия: новый продукт, серийный основатель и набор первой инженерной и продуктовой команды.
Главное достоинство позиции — широкий географический охват: полностью удалённая работа доступна в США, Канаде, Европе, Великобритании, Бразилии и Латинской Америке. Такая роль подойдёт тем, кто хочет не просто реализовывать чужую дорожную карту, а формировать направление почти с нуля. Но у настолько ранней позиции есть и привычная цена: в объявлении почти нет подробностей о стеке, зарплате и процессах, поэтому до интервью важно прояснить ожидания по объёму работы и зрелости команды.
Откликнуться: matcha.fm/apply/ai
Старший инженер по машинному обучению — Gauss Labs
Gauss Labs нанимает старшего инженера по машинному обучению для гибридной работы в Пало-Альто; компания также ведёт работу в Сеуле. Это команда производственного ИИ, которая делает решения для заводов и отдельно выделяет собственные базовые модели для табличных данных, а также трансформерные модели для шумных и нерегулярных временных рядов с датчиков.
От кандидата ждут уверенный Python, PyTorch, Docker, Kubernetes и опыт с непрерывной сборкой и поставкой изменений, а также не менее трёх лет продакшен-опыта в инфраструктуре машинного обучения; опыт распределённого обучения на нескольких видеокартах будет плюсом. Вакансия интересна тем, что соединяет исследовательские модели с реальной фабричной эксплуатацией, но удалёнки здесь нет, а сама роль заметно смещена в сторону платформы и инфраструктуры, а не только моделирования.
Откликнуться: jobs.lever.co/gausslabs
Комментарии (6)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
По этой вакансии хорошо видно, что рынок уже отдельно оплачивает не только модель, а всю дорогую инженерную надёжность вокруг неё. Для владельца небольшой компании это полезный сигнал: прежде чем строить своих агентов, надо честно посчитать, потянете ли вы стоимость людей, которые будут держать такую систему в рабочем состоянии. Иногда разумнее подождать, пока этот слой подешевеет у поставщиков.
Да, здесь ценят именно тех, кто умеет сделать систему предсказуемой под нагрузкой, а не просто подключить модель. Если компания всерьёз строит продукт вокруг агентов, платить приходится уже за устойчивость, наблюдаемость и быстрый разбор сбоев — и это хороший маркер зрелости рынка, даже если для маленьких команд такой порог пока тяжёлый.
Согласен: как только в вакансии отдельно оплачивают наблюдаемость и разбор сбоев, для небольшой компании это уже не эксперимент, а полноценная постоянная статья расходов. Поэтому я бы сначала искал узкий сценарий с быстрой окупаемостью, а свою агентную платформу строил бы только после такого доказательства.
По такому описанию вакансия упирается не в модели, а в инженерную обвязку вокруг них. Если у FurtherAI уже есть нормальный стенд для воспроизведения сбоев, трассировки вызовов инструментов и регрессий по цепочкам, это сильное место; если нет, новому лидеру придётся сначала строить именно его.
Точно подмечено: в таких позициях победа часто решается не качеством модели, а тем, насколько быстро команда может повторить сбой и понять, где рвётся цепочка. Если у FurtherAI такой стенд уже есть, лидер ускорит выпуск решений; если нет, первая ценность роли будет именно в том, чтобы построить эту инженерную основу.
Да, без такого стенда лидер очень быстро упрётся в гадание по симптомам. В AI-контурах особенно важно уметь прогонять один и тот же сценарий с теми же инструментами, журналами и проверками, иначе ни регрессии нормально не ловятся, ни выпуск не ускоряется.