MK-Consulting розробляє державні реєстри, портали, інформаційні та workflow-системи, будує інтеграції між сервісами й автоматизує складні процеси роботи з даними — від discovery та проєктування до запуску й підтримки в production.
Ми працюємо в GovTech nа MilTech напрямках. Наші проєкти передбачають роботу зі складними джерелами даних, інтеграціями, високими вимогами до безпеки та обмеженим доступом до інформації. Зараз шукаємо нову роль для участі в декількох наших проєктах.
Про роль
Це hands-on роль для досвідченого інженера або інженерки, що працює з LLM на рівні архітектури, розуміє принципи побудови RAG-платформ і здатний(на) самостійно реалізовувати ключові компоненти рішень.
Фахівець визначатиме технічний напрям AI-ініціатив, формуватиме архітектурні стандарти та допомагатиме командам упроваджувати їх на практиці. Для нас важливі системне мислення, уміння працювати з неоднозначними вимогами та здатність будувати технологічний фундамент, який масштабуватиметься разом із компанією.
Основні завдання:
Проєктувати архітектуру LLM-рішень для продуктових і back-office процесів: AI-асистентів, пошукових систем, обробки документів та інтеграційних AI-модулів.
Розробляти й оптимізувати LLM-пайплайни: отримання та підготовку даних, контекстуалізацію, оркестрацію моделей і бізнес-логіку.
Проєктувати механізми пошуку з використанням векторних ембедінгів, реранкінгу та багаторівневого пошуку.
Створювати промпти й системні інструкції, які стабільно працюють у різних сценаріях.
Оптимізувати AI-системи за якістю відповідей, повнотою, швидкодією, надійністю та вартістю використання.
Розробляти методики оцінювання якості відповідей, автоматизовані тести та критерії готовності AI-рішень до production.
Визначати архітектурні стандарти безпеки, observability, версіонування та інтеграційні патерни.
Проєктувати рішення для закритих середовищ з обмеженим доступом до даних.
Проводити технічні та архітектурні рев’ю AI-рішень.
Консультувати команди щодо інтеграції з LLM-модулями та допомагати адаптувати API, структуру даних і бізнес-логіку для ефективної взаємодії з AI.
Співпрацювати з DevOps і Data Engineering командами щодо інфраструктури, масштабування, безпеки та production-стабільності.
Створювати прототипи та PoC для перевірки архітектурних гіпотез і нових AI-підходів.
Що для нас важливо:
Від 3х років досвіду в AI/ML-розробці, включно з практичним досвідом проєктування та запуску LLM-рішень у production.
Досвід прийняття архітектурних рішень і відповідальності за технічний дизайн складних AI-систем.
Глибоке розуміння LLM, RAG-архітектур, векторного пошуку, ембедінгів і реранкінгу.
Досвід побудови production-систем із LLM-оркестрацією за допомогою LangChain, LlamaIndex або власних пайплайнів.
Володіння Python на рівні розробки стабільних production-сервісів.
Розуміння MLOps- і DevOps-практик: CI/CD, контейнеризації, моніторингу та логування.
Досвід роботи із системами, що мають високі вимоги до безпеки та конфіденційності даних.
Уміння проєктувати високодоступні, масштабовані та стійкі до збоїв рішення.
Розуміння особливостей роботи AI-систем у приватній або ізольованій інфраструктурі.
Уміння пояснювати складні технічні рішення розробникам, менеджерам та іншим учасникам проєкту.
Буде перевагою:
Практичний досвід роботи з Azure AI Foundry та іншими сервісами екосистеми Azure AI.
Досвід оптимізації LLM-рішень за latency, context strategy, точністю та вартістю.
Практичний досвід LoRA, fine-tuning або адаптації моделей під спеціалізовані задачі.
Досвід проєктування мультиагентних систем або workflow orchestration.
Досвід інтеграції AI-рішень у корпоративні екосистеми: ERP, системи електронного документообігу, реєстри та складні бази даних.
Знання класичних ML-методів: clustering, ranking і tree-based models.
Досвід роботи з державними інформаційними системами або іншими рішеннями з підвищеними вимогами до безпеки.
Досвід проведення технічних аудитів, discovery або підготовки архітектурних пропозицій.
