Job description
Корпоративно-инвестиционный блок, Департамент развития корпоративного бизнеса.
Департамент занимается развитием продаж в B2B-сегменте: крупный, крупнейший и средний бизнес (ККСБ), развивает собственную CRM-систему.
AI-Команда состоит из 8 ML-инженеров, Data-Scientist, Python backend developers и MLOps.
Наша AI-команда разрабатывает AI-Агентов, ML-модели и LLM-приложения для корпоративного бизнеса в Корпоративно-инвестиционном блоке, полностью выполняет весь цикл работ: от сбора и анализа данных до разработки/внедрения моделей в ПРОМ, мониторинга и защиты решений от Банковских регуляторов.
Продуктовая команда, в которой предстоит работать, занимается разработкой и внедрением AI-решений, направленных на агентизацию процесса цифровой трансформации бизнеса клиентов в Сбере (направление DTaaS). Эти инструменты призваны оптимизировать и улучшить работу наших внутренних сотрудников.
В том числе мы:
-
разрабатываем и внедряем AI-агентов на базе LLM (как правило, линейка моделей SberDevice - GigaChat)
-
используем современный стек: A2A, MCP, LangGraph, LangChain, Kubernetes, Hadoop, Elastic и многое другое
-
реализуем оркестрацию AI-Агентов, мултиагентные мультимодальные системы, RAG-сервисы
-
участвуем в проектах по иференсу open-source LLM на собственном кластере GPU, разработке NoCode-фабрики Агентов
-
развиваем свой AutoML фреймворк совместно с Sber AI Lab и работаем с SotA-архитектурами
-
строим витрины данных и BI-дашборды для мониторинга ML-моделей, AI-Агентов.
-
разработка и внедрение AI-Агентов в production
-
разрабатывать end-2-end интеграции с внешними системами и другими сервисами по протоколам Kafka, REST API, gRPC, WS и др.
-
сопровождать релизы моделей и агентов: документации, демо, защита решений от регуляторов
-
взаимодействовать с бизнес-заказчиками, архитекторами и продуктовыми командами для развития AI-решений в бизнесе.
-
опыт работы в роли ML-инженера, DS, MLOps или Python Backend в ML
-
опыт промышленной разработки на Python, знание ООП/паттернов проектирования и опыт работы с микросервисной архитектурой
-
опыт работы с большими объёмами данных и распределенными хранилищами данных: например, Hadoop
-
опыт работы с фреймворками для построения AI-агентов, такими как LangChain или LangGraph, базовые знания ML/DL
-
владение инструментами для LLM-мониторинга и MLOps/ CI & CD.
Будет плюсом:
-
опыт работы с распределенными очередями задач и сообщений, потоковой обработки данных - celery, taskiq, rabbitmq, Kafka, faststream
-
опыт разработки высоконгруженных систем, гео-распределенных систем, оpenShift/Kubernetes
-
опыт в инженерии данных.
-
комфортный современный офис: Санкт-Петербург, ул. Уральская д.1 (есть шаттл-развозка от метро)
-
формат работы– офис, по согласованию гибрид
-
ежегодный пересмотр зарплаты, годовая премия
-
корпоративный спортзал и зоны отдыха
-
более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
-
программа адаптации и помощь руководителя на старте
-
расширенный ДМС (медицинское страхование), льготное страхование для семьи
-
ипотека для сотрудников
-
бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
-
вознаграждение за рекомендацию друзей в команду Сбера.