Agentic SDLC Senior Engineer | Branża Ubezpieczeniowa

Nasz klient to lider rynku ubezpieczeniowego oraz organizacja inwestująca w transformację cyfrową, rozwój analityki danych i AI. Projekt realizowany jest dla dużej organizacji z sektora ubezpieczeniowego i łączy software engineering, DevOps oraz AI Engineering z naciskiem na praktyczne wykorzystanie agentów AI i narzędzi GenAI w cyklu wytwarzania oprogramowania.

• Minimum 5 lat doświadczenia w roli technicznej, np. Software Developer, DevOps Engineer, QA/Test Automation Engineer lub podobnej
• Bardzo dobra znajomość pełnego cyklu życia aplikacji (SDLC) i doświadczenia w pracy w zespołach wytwórczych
• Praktyczne doświadczenie z narzędziami AI wspierającymi development, np. GitHub Copilot, Claude Code, Cursor, Codex, M365 Copilot lub modelami open-source
• Doświadczenie w budowaniu agentów AI, workflowów, skilli i promptów oraz integrowaniu ich ze środowiskiem developerskim
• Znajomość Spec-Driven Development oraz nowoczesnych praktyk software engineering wspieranych przez AI
• Znajomość zagadnień LLM, RAG, automatyzacji i architektur agentowych
• Doświadczenie w produkcyjnym wdrażaniu rozwiązań AI, obejmującym integrację, hardening, monitoring oraz iteracyjny rozwój
• Umiejętność prowadzenia technicznego discovery i warsztatów oraz przekładania wymagań na architekturę rozwiązania
• Umiejętność oceny wartości biznesowej rozwiązań AI, mierzenia ich efektów oraz optymalizacji kosztów modeli
• Bardzo dobre kompetencje komunikacyjne i konsultacyjne oraz swoboda we współpracy zarówno z zespołami technicznymi, jak i kadrą managerską

Nice to have:

• Praktyczne doświadczenie z LangGraph
• Znajomość Model Context Protocol (MCP)
• Doświadczenie w projektach realizowanych w dużych organizacjach finansowych
• Znajomość wymagań związanych z bezpieczeństwem, compliance i wdrażaniem AI w środowiskach enterprise

• Projektowanie i budowa agentów AI, workflowów, skilli oraz promptów
• Integracja rozwiązań AI z repozytoriami, procesami CI/CD, code review i testami
• Wdrażanie i rozwój narzędzi AI wspierających Software Development Life Cycle
• Projektowanie produkcyjnych rozwiązań wykorzystujących LLM, RAG i architektury agentowe
• Prowadzenie technicznego discovery oraz przekładanie potrzeb biznesowych i technologicznych na konkretne rozwiązania
• Optymalizacja kosztów wykorzystania modeli oraz mierzenie efektów wdrożeń AI
• Standaryzacja sposobu wykorzystania AI przez developerów, testerów, analityków i zespoły DevOps
• Współpraca z zespołami poprzez pair/mob programming, code review i wspólne projektowanie rozwiązań
• Transfer wiedzy i przygotowanie zespołów do samodzielnego utrzymania oraz dalszego rozwoju wdrożonych rozwiązań