ИТ Лидер кластера/Head of AI Engineering

Мы создаём будущее, в котором банк — это ваш личный ИИ-стратег. Мы — команда, которая заменяет тысячи шаблонных сценариев одним умным и автономным помощником. Наша миссия — научить банк понимать не запросы, а цели клиентов , и самостоятельно строить персонализированные маршруты для их достижения. Мы не улучшаем интерфейс. Мы меняем парадигму. Вместо «оформи кредит» — мы создаём ассистента, который видит, что вы планируете крупную покупку, и предлагает не просто заявку, а целый финансовый план. Мы ищем Head of AI Engineering — лидера, который построит и возглавит направление AI-инженерии в новом подразделении. Вы будете отвечать за стратегию применения AI, формирование и развитие команды, архитектуру AI-платформы и доведение AI-инициатив до измеримого бизнес-результата. Это роль для руководителя с сильным инженерным бэкграундом, который сочетает техническую глубину, продуктовое мышление и умение выстраивать организацию: от найма первых инженеров до масштабирования практик AI-разработки на всю компанию. Обязанности Стратегия и бизнес-результат формировать и реализовывать AI-стратегию компании в связке с продуктовой и технологической стратегией: где AI создаёт максимальную ценность, в какой последовательности внедрять, как измерять эффект управлять портфелем AI-инициатив: приоритизация, распределение ресурсов, go/no-go решения по итогам PoC, доведение до промышленной эксплуатации отвечать за бизнес-метрики направления: ROI внедрений, экономия/выручка от AI-решений, стоимость инференса, adoption среди пользователей выстраивать партнёрства с вендорами и провайдерами моделей, вести переговоры по условиям, управлять бюджетом направления Команда и организация нанимать, развивать и удерживать команду инженеров формировать инженерную культуру: стандарты качества, код-ревью, evals-first подход, документация, обмен знаниями выстраивать взаимодействие с продуктовыми командами, data-подразделениями, безопасностью и комплаенсом; работать в модели платформенной команды (enablement) и/или встроенных инженеров развивать AI-грамотность в компании: обучение команд, внутренние гайдлайны по применению AI- инструментов в разработке (AI-assisted coding, Spec-Driven Development) Технологии и архитектура задавать архитектурные принципы AI-платформы: слой доступа к моделям (LLM gateway), RAG-инфраструктура, агентные фреймворки, система evals, наблюдаемость принимать ключевые технологические решения: build vs buy, выбор моделей (проприетарные vs open-source), стратегия мультимодельности, требования к данным отвечать за надёжность, безопасность и соответствие требованиям регуляторов: защита данных и PII, guardrails, аудит AI-решений, управление рисками (AI governance) оставаться на переднем крае технологий: оценивать новые модели и подходы, проводить быстрые эксперименты, отделять хайп от применимого Требования 8+ лет опыта в разработке ПО (на стэке Java/Python), из них 3+ года в руководстве инженерными командами (от 10 человек) и 2+ года практического опыта с LLM/GenAI-решениями в промышленной эксплуатации подтверждённый опыт доведения AI-продуктов до прода с измеримым бизнес-эффектом: можете рассказать, что внедрили, как измеряли и что это дало бизнесу глубокое техническое понимание современного AI-стека: LLM-провайдеры и open-source модели, RAG, агентные архитектуры, evals, fine-tuning, инференс-инфраструктура — на уровне, достаточном для архитектурных решений и оценки работы команды опыт построения команды с нуля или значимого масштабирования (найм, онбординг, развитие, работа с производительностью) сильные навыки стейкхолдер-менеджмента: умение работать с топ-менеджментом, защищать бюджеты и инвестиции, переводить технические возможности на язык бизнес-ценности опыт управления бюджетом направления и экономикой AI-решений (unit-экономика инференса, TCO) понимание вопросов AI governance: безопасность, приватность данных, регуляторные требования, ответственное применение AI Наш стэк и окружение Backend: Java (высоконагруженные отказоустойчивые микросервисы). Front: Swift, Kotlin, React, Vite, TypeScript AI/ML ядро: Python (разработка и внедрение агентов, нейросетевые модели), LangGraph, LangChain, MCP Инфраструктура: PostgreSQL, Kafka/Redis, OpenShift/K8S, nginx, WAF Qrator Контекст: Сложная enterprise-архитектура, интеграция с ядром банка Условия гибридный формат работы (офис проезд Соймоновский 5) ежегодный пересмотр зарплаты и годовая премия расширенный ДМС и льготное страхование для семьи уникальная система обучения Сбера для профессионального и карьерного развития выгодная ипотека для сотрудников подписка Прайм с возможностью совместного использования на трёх близких вознаграждение за рекомендацию друзей в команду Сбера корпоративная пенсионная программа