Senior AI Developer

Dla naszego klienta z obszaru globalnej bankowości poszukujemy doświadczonej osoby na stanowisko Senior AI Developer, która dołączy do zespołu Data & Analytics i będzie odpowiedzialna za rozwój nowoczesnych rozwiązań AI oraz produktów danych.

• Min. 2 lata doświadczenia w tworzeniu rozwiązań AI i produktów danych end-to-end w środowisku enterprise
• Praktyczne doświadczenie z LLM (w tym RAG oraz integracje narzędziowe)
• Doświadczenie w prompt engineeringu i projektowaniu konwersacji
• Umiejętność definiowania i przeprowadzania testów jakości AI (accuracy, safety, performance)
• Solidne podstawy Data Engineering (profilowanie, czyszczenie, transformacja i walidacja danych)
• Znajomość minimum jednego języka programowania (Python i/lub TypeScript)
• Doświadczenie z API, formatem JSON oraz integracjami systemowymi
• Praktyczna znajomość platform chmurowych (Azure i/lub GCP)
• Znajomość zagadnień bezpieczeństwa i governance w projektach AI
• Umiejętność współpracy z biznesem i przekładania wymagań na rozwiązania techniczne
• Bardzo dobra znajomość języka angielskiego (min. B2/C1)
• Proaktywność, ownership i nastawienie na dostarczanie wartości

Nice to have:

• Certyfikaty AI/ML (np. DeepLearning.AI, AWS ML, Google ML Engineer)

• Kompleksowa realizacja projektów AI i produktów danych (od analizy problemu, przez projektowanie i development, po wdrożenie i wsparcie)
• Projektowanie, budowa i utrzymanie produktów danych wykorzystywanych w rozwiązaniach AI
• Tworzenie i rozwój aplikacji opartych o LLM (w tym RAG – ingestion, embeddings, retrieval, re-ranking, grounding)
• Integracja modeli AI z narzędziami i systemami organizacyjnymi (tool/MCP integrations)
• Projektowanie promptów, struktur konwersacji, template’ów oraz zarządzanie ich wersjonowaniem
• Definiowanie i przeprowadzanie testów jakości rozwiązań AI (dokładność, bezpieczeństwo, kompletność, latency, koszt)
• Implementacja mechanizmów bezpieczeństwa (guardrails), w tym ochrona danych wrażliwych i zgodność z regulacjami
• Budowa i rozwój pipeline’ów danych (ETL, data quality, walidacja, enrichment)
• Współpraca z biznesem i interesariuszami (zbieranie wymagań, definiowanie user stories)
• Identyfikacja usprawnień w procesie developmentu AI
• Zarządzanie ryzykami projektowymi i rozwiązywanie problemów
• Dokumentowanie rozwiązań (architektura, dane, prompty, testy, runbooki)
• Koordynacja prac projektowych i komunikacja postępów