Руководитель платформы ИИ

чем предстоит заниматься:

• Формирование стратегии, роадмапа и целевой архитектуры AI-платформы, синхронизация с целями CDO и бизнес-приоритетами.
• Развитие и масштабирование команды направления: структура, наём, онбординг, развитие и удержание инженеров (ML/LLM, платформенные, MLOps).
• Определение архитектуры AI-платформы и ИИ-агентов: референсные архитектуры, паттерны, выбор компонентов (собственная разработка, open source, вендоры), проведение PoC.
• Разработка и внедрение стандартов для продуктовых команд: как создавать ИИ-продукты и ИИ-агентов на платформе; ревью архитектурных решений, документация, обучение и центры компетенций.
• Управление жизненным циклом моделей: обучение, файнтюнинг, версионирование, деплой, мониторинг, evaluation и вывод из эксплуатации.
• Развитие MLOps/LLMOps-инструментов: CI/CD моделей, эксперименты, реестр моделей, feature store, observability и качество данных для ML.
• Управление инференсом: гибридное обслуживание (on-prem GPU и облако), SLA, квоты, приоритизация нагрузки, оптимизация производительности и стоимости.
• Развитие RAG и работы со знаниями: пайплайны, векторные хранилища, качество и релевантность поиска.
• Развитие агентной платформы: инструменты, память, sandbox, guardrails, безопасность и наблюдаемость ИИ-агентов.
• Работа с внутренними заказчиками — продуктовыми командами и AI SDLC-группой: сбор потребностей, консультации, приоритизация бэклога платформы; развитие платформы как продукта (DevEx, портал самообслуживания, документация).
• Обеспечение безопасности и комплаенса: политика использования ИИ, защита данных и персональных данных (152-ФЗ), аудит, трассируемость решений моделей и агентов.
• Управление бюджетом направления и отчётность перед CDO по метрикам: SLA инференса, стоимость инференса/токена, время онбординга моделей, adoption.
• Технологический радар: мониторинг рынка ИИ-инструментов и вендоров, оценка open source решений, пилотирование и внедрение.

что мы ожидаем:

• Опыт создания и развития внутренней ML/LLM-платформы в крупной компании: от архитектуры и выбора компонентов до запуска в продакшен и масштабирования.
• Практический промышленный опыт с LLM: инференс и serving (vLLM или аналоги), файнтюнинг, RAG, evaluation моделей, оптимизация производительности (квантизация, батчинг).
• Опыт работы с классическим ML/DS-стеком: обучение и деплой моделей, MLOps (реестр моделей, версионирование, CI/CD, мониторинг), feature store, пайплайны данных.
• Опыт гибридной инфраструктуры: on-prem GPU-кластеры и облачные LLM-сервисы, Kubernetes, планирование GPU-ресурсов, управление стоимостью (FinOps).
• Опыт проектирования ИИ-агентов и агентных архитектур: оркестрация, tool calling, guardrails, понимание паттернов построения агентов.
• Опыт разработки и внедрения стандартов и архитектурных паттернов, ревью архитектуры, работа с внутренними заказчиками; построение платформы как продукта (DevEx, документация, самообслуживание).
• Опыт управления и развития команды инженеров: найм, развитие и удержание сотрудников, масштабирование команды, выстраивание процессов.
• Развитые управленческие и коммуникативные навыки: работа с топ-менеджментом, перевод бизнес-задач в платформенные решения, умение объяснять ценность ИИ бизнесу.
• Знание рынка ИИ-инструментов и практика выбора решений: собственные разработки vs open source vs покупка, оценка и интеграция.
• Понимание безопасности и комплаенса в ИИ: защита персональных данных (152-ФЗ), guardrails, ответственное использование ИИ, аудит и трассируемость.

Будет плюсом:

• Опыт в ритейле / e-commerce / DIY.
• Опыт запуска AI-платформы с нуля (greenfield) в крупной компании.
• Опыт интеграции LLM в SDLC и создания ассистентов разработчика (AI-assisted coding, code review).
• Опыт работы с отечественными LLM и облаками (Yandex Cloud, GigaChat/YandexGPT) и с зарубежными моделями.
• Опыт выстраивания Data/Feature-платформы и взаимодействия с data platform-командой.
• Английский язык для чтения документации и общения с вендорами.

работа у нас – это:

• Работа в компании с развитой инженерной культурой.
• Гибкая система премирования.
• Расширенный социальный пакет: ДМС со стоматологией с первого месяца работы, психолог и страхование жизни, компенсация питания и оплата мобильной связи.
• Возможности профессионального роста, программы развития для сотрудников.
• Корпоративное обучение и доступ к базе знаний.
• Внутренние профессиональные сообщества и мероприятия.
• Автономность работы, возможность менять правила, ошибаться и создавать новое.
• Формат работы - офис.
• Современный офис в 2 минутах ходьбы от МЦК ЗИЛ.

С каждым годом на выбор сотрудника становится доступно больше дополнительных опций. Например, частичная компенсация путешествий, затрат на обучение, спортивных занятий.

место работы