F/M: Tester automatyzujący/AI Coach

• Minimum 5 lat doświadczenia jako Tester Automatyzujący.
• Bardzo dobra znajomość narzędzi i technologii: Selenium, Jenkins, Postman, GitHub lub Bitbucket, Kibana, JMeter oraz SQL.
• Praktyczne doświadczenie w pracy z narzędziami AI, takimi jak GitHub Copilot, Microsoft 365 Copilot, ChatGPT, Claude, Ollama lub podobnymi rozwiązaniami.
• Znajomość procesów wytwarzania oprogramowania oraz realiów pracy w dużych organizacjach.
• Umiejętność prowadzenia szkoleń, warsztatów i dzielenia się wiedzą.
• Wysoko rozwinięte kompetencje komunikacyjne i prezentacyjne.
• Umiejętność tłumaczenia zagadnień technicznych w sposób zrozumiały dla różnych grup odbiorców.
• Znajomość współczesnego ekosystemu AI, w szczególności modeli LLM, automatyzacji oraz generatywnej AI.
• Umiejętność tworzenia skutecznych promptów oraz projektowania workflowów wspieranych przez AI.
• Analityczne i procesowe podejście do identyfikowania obszarów, w których AI może przynosić wymierną wartość biznesową.
• Otwartość na ciągły rozwój i eksperymentowanie z nowymi technologiami.

Nice to have:

• Doświadczenie w sektorze finansowym lub ubezpieczeniowym.
• Udział w projektach związanych z transformacją cyfrową lub wdrażaniem rozwiązań AI na poziomie organizacji.
• Certyfikaty związane z testowaniem oprogramowania, Agile lub sztuczną inteligencją.

• Prowadzenie szkoleń, warsztatów oraz konsultacji z zakresu wykorzystania AI dla testerów i zespołów developerskich.
• Wspieranie zespołów w codziennej pracy z narzędziami AI, takimi jak GitHub Copilot, Claude Code, Microsoft 365 Copilot i inne.
• Doradztwo w zakresie doboru modeli AI do konkretnych zastosowań i procesów.
• Tworzenie oraz promowanie dobrych praktyk związanych z wykorzystaniem AI.
• Budowanie i rozwijanie wewnętrznej bazy wiedzy dotyczącej sztucznej inteligencji.
• Monitorowanie trendów, nowych narzędzi i rozwiązań dostępnych na rynku.
• Analiza i porównywanie rozwiązań AI pod kątem jakości, kosztów, ryzyk i zgodności z wymaganiami organizacji.
• Definiowanie wskaźników sukcesu (KPI/OKR) oraz mierzenie wpływu wdrożeń AI na produktywność, jakość i koszty.
• Wsparcie wdrożeń AI w procesie wytwarzania oprogramowania (SDLC), w tym przygotowywanie standardów, zasad wykorzystania i rekomendacji governance.
• Koordynowanie inicjatyw związanych z rozwojem i adopcją AI w organizacji.