Це роль на стику продукту й інженерії. Продуктовий напрямок задає команда — ти його реалізуєш руками і даєш технічний reality-check. Ти проєктуєш AI-сценарії на платформі Webitel, підбираєш і оцінюєш LLM-пайплайни під конкретні задачі, і володієш якістю цих рішень як вимірюваною величиною.
Ми не шукаємо ML-інжинера, який тренує моделі з нуля, і не шукаємо аналітика, який лише пише вимоги. Нам потрібна людина, яка глибоко розуміє прикладний LLM-ландшафт і вміє сама зібрати, протестувати й довести рішення до продакшну.
Чим ти займатимешся:
Проєктуватимеш розмовні сценарії на нашому Flow-конструкторі: декомпозиція бізнес-задачі в керовану логіку, обробка помилок, fallback, ескалація на оператора.
Будуватимеш і оцінюватимеш RAG-пайплайни для бази знань: chunking, embeddings, гібридний retrieval (семантичний + повнотекстовий), reranking.
Підбиратимеш LLM під конкретні задачі, обґрунтовуючи вибір через компроміси cost / latency / quality, у тому числі для self-hosted сценаріїв.
Вибудовуватимеш процес оцінки якості: golden datasets, окремі метрики для retrieval і generation, виявлення регресій між версіями промптів і моделей.
Працюватимеш із prompt engineering як з інженерною дисципліною.
Прототипуватимеш на Python, щоб самостійно перевіряти гіпотези, не чекаючи на продуктові команди.
Що ми очікуємо (обов’язково):
Досвід дизайну розмовних сценаріїв / діалогових систем — вміння перетворити складну бізнес-логіку в надійний керований флоу.
Прикладне знання LLM-ландшафту: розуміння різниці між моделями (proprietary vs open, hosted vs self-hosted) і вміння аргументувати вибір під конкретні обмеження.
Практичний досвід побудови RAG end-to-end, з розумінням чому саме такі рішення (наприклад, чому гібридний retrieval, а не лише vector search).
Здатність вимірювати якість AI-рішень. Це для нас ключове. Ти маєш вміти пояснити, як зрозумів, що фіча достатньо хороша для продакшну — і це пояснення має містити числа, а не «протестував кілька прикладів».
Python на рівні впевненого прототипування.
Здатність аргументовано не погоджуватися: дати чесний технічний фідбек, а не просто виконати.
Буде плюсом:
Досвід з voice / contact-center технологіями (ASR/TTS, латентність у реальному часі, телефонія).
Робота з eval- та observability-тулінгом (LangSmith, Langfuse тощо).
Розуміння обмежень on-premises розгортань — більшість AI-рішень мислять хмарою, нам важлива і інша реальність.
Направляючи резюме на цю вакансію, Ви надаєте згоду отримувачу на обробку наданих Вами персональних даних згідно Закону України «Про захист персональних даних». Згода надається в тому числі для їх обробки в зовнішніх системах, з метою супроводження процесу найму.
