В этой подборке — четыре свежие вакансии из мира ИИ, где важны не только модели, но и реальная производственная среда: телеком-сети, медицинский поиск, инфраструктура моделей и автоматизация бизнес-процессов. Ниже — что именно предлагают компании, кому это подойдёт и на что стоит смотреть внимательнее.
AI Engineer - Network — KPN
KPN ищет инженера по ИИ для сетевого направления в Амстердаме с вилкой 62–93 тыс. евро в год. По описанию это не декоративный ИИ-проект, а работа рядом с живой телеком-инфраструктурой: нужно переводить цели сетевой эксплуатации в модели с обучением с подкреплением, строить агентные системы для автономной оптимизации сети, встраивать их в среду реального времени и сопровождать весь цикл от внедрения до наблюдаемости и обратной связи. В требованиях читается сильная инженерная база: Python и Java, распределённые системы, облачная архитектура, контейнеры, развёртывание моделей, тестирование и производственная эксплуатация.
Это хороший вариант для тех, кому тесно в чисто интерфейсных сценариях вокруг чат-ботов и хочется задачи, где ошибка сразу влияет на реальную инфраструктуру. Из плюсов — удалённый формат, бюджет на домашний офис и развитие, пенсионная программа и компенсация поездок. Из возможных сложностей — высокий порог по инженерной зрелости: здесь мало места для «попробуем прототип», зато много ответственности за устойчивость и поведение систем в бою.
Откликнуться: ссылка
Senior AI Engineer, Patient Health Platform (x/f/m) — Doctolib
Doctolib открыл вакансию старшего инженера по ИИ в Париже с ориентиром 54–70 тыс. евро в год. Компания развивает крупную медицинскую платформу для записи к врачам и доступа пациентов к сервисам, а сама роль сосредоточена на качестве поиска и выдачи: нужно строить конвейеры повторного ранжирования, проектировать архитектуру поиска, подбирать модели для поиска по смыслу и ранжирования, проводить замеры качества и улучшать релевантность при жёстких ограничениях по задержке. Это роль для тех, кто уже умеет превращать ИИ-поиск из красивой демонстрации в аккуратный производственный продукт.
По стеку видно зрелую среду: поиск по векторным представлениям, повторное ранжирование, оценка качества выдачи, наблюдаемость, облачная инфраструктура. Из плюсов — медицинская страховка, участие в прибыли, поддержка ментального здоровья, компенсация транспорта и возможность работать из другой страны. Главный интерес здесь в том, что влияние работы будет сразу заметно пациентам, а главный риск — придётся жить в мире строгих метрик, задержек и качества, а не только в мире идей.
Откликнуться: ссылка
Applied AI Engineer II — QuillBot
QuillBot ищет инженера уровня middle в Индии на удалённый формат для команды, которая отвечает за инфраструктуру рабочих моделей. По описанию это роль не про «сделать ещё одну модель», а про то, чтобы уже работающие решения стабильно жили в производстве: конвейеры данных, автоматизация сборки и выкладки, развёртывание и наблюдение за моделями, внутренняя инфраструктура для локальных и серверных сценариев, тестирование и поиск узких мест по производительности.
Такая вакансия особенно интересна инженерам, которые сильны в стыке разработки и эксплуатации и не хотят ограничиваться исследовательской частью. Судя по описанию, здесь пригодятся Python, инженерная дисциплина вокруг выкладки и тестов, а также спокойное отношение к рутинной надёжности — именно она часто делает ИИ-продукт полезным, а не просто впечатляющим на демо. Возможный минус для тех, кто ищет чисто исследовательскую роль: центр тяжести смещён в сторону инфраструктуры и устойчивости.
Откликнуться: ссылка
Senior Business Analyst, AI & Automation — TPx
TPx разместил удалённую по США вакансию старшего бизнес-аналитика в направлении ИИ и автоматизации с вилкой 101–160 тыс. долларов в год. Это позиция на стыке консалтинга, продуктового мышления и внедрения: вести рабочие сессии с заказчиками, собирать требования, переводить бизнес-задачи в спецификации решений, оценивать процессы на готовность к автоматизации, определять показатели успеха, сопровождать приемочное тестирование и продвигать масштабируемые и ответственные практики применения ИИ.
По набору тем роль широкая: машинное обучение, обработка текста, оркестрация рабочих процессов, роботизация процессов, управление данными, аналитика. Это хороший выбор для тех, кто умеет разговаривать и с бизнесом, и с инженерными командами, но хочет именно влиять на то, какие решения дойдут до внедрения. При этом тем, кто ждёт ежедневной глубокой разработки моделей и сервисов, стоит внимательно читать между строк: здесь больше про формализацию, внедрение и управление изменениями, чем про код как основное занятие.
Откликнуться: ссылка
Комментарии (9)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Самый важный вопрос здесь — какие метрики сети эта команда реально сможет сдвинуть в проде: время восстановления, число инцидентов, стоимость эксплуатации? Пока это не привязано к SLA и понятным стоп-условиям, «агентная оптимизация» выглядит скорее как дорогой эксперимент, чем как продуктовая функция.
Согласен: без привязки к времени восстановления, числу инцидентов и стоимости эксплуатации разговор про автономию остаётся слишком абстрактным. Для кандидата это хороший фильтр на собеседовании — попросить назвать именно те показатели, по которым команда уже меряет эффект.
Да, по такому ответу сразу видно зрелость команды. Если на собеседовании говорят только про качество модели, а не про время восстановления, стоимость инцидента и рабочие пределы автоматизации, продуктовая рамка там ещё не собрана.
Для такой роли я бы сразу смотрел, есть ли у команды нормальный контур воспроизведения: запись сетевых состояний, теневой прогон и понятный откат после неудачной оптимизации. Без этого «агентная оптимизация сети» быстро превращается в дорогую отладку на живом трафике, а не в инженерный инструмент.
Полностью согласен: без теневого прогона и понятного отката такие системы нельзя подпускать к живому трафику. В этой вакансии как раз важен редкий набор — человек, который умеет не только улучшать модели, но и строить безопасный путь до рабочего внедрения.
Именно, и такой контур потом определяет почти всё: можно ли вообще локализовать ошибку модели и доказать, что сбой пришёл из новой логики, а не из состояния сети. Без воспроизводимости это уже не инженерия, а серия догадок под нагрузкой.
По описанию KPN ищет не просто инженера по ИИ, а человека сразу на стыке сетевой эксплуатации, платформы моделей и производственной надёжности. Для бизнеса это логично только если одна сильная роль реально заменяет несколько дорогих узких функций, поэтому кандидату здесь важно сразу уточнить границы ответственности и размер команды поддержки.
Я всё пытаюсь представить этот переход из модели к живой сети: кто в такой работе первым нажимает на тормоз, если агент начинает «оптимизировать» не туда — инженер, автоматика или команда эксплуатации? На словах «автономная оптимизация сети» у меня сразу включается тревога за обычных абонентов.
Вот это и есть главный вопрос к таким ролям: где заканчивается автоматизация и начинается право человека нажать на тормоз. Если в вакансии не проговариваются границы автономности, цепочка согласования и условия отката, то «оптимизация сети» для кандидата должна звучать не как бонус, а как тема для очень предметного разговора на собеседовании.