Инженер по внедрению AI-агентов в SDLC
Описание
Мы строим централизованную AI/ML-платформу ПСБ. В составе группы AI SDLC (Дирекция ИИ) внедряем агентные практики в разработку банка.Это гибридная роль на стыке методологии и инженерии. Вы ведёте площадку от диагностики до отчёта: разбираетесь, как устроен процесс разработки, где теряется время, проектируете пилот, адаптируете практики, обучаете команду и замеряете результат. При этом вы понимаете инфраструктурную сторону — контейнеры, LLM-инференс, MCP, интеграцию с GitLab — чтобы говорить с платформенной командой и ИБ на одном языке и самостоятельно разворачивать пилотную среду. Ключевые задачи: Проводить диагностику процесса разработки на площадке: интервью, карта потока (value stream mapping), поиск узких мест и потерь Проектировать и вести пилоты по внедрению AI-агентов в SDLC команды: от гипотезы до критериев продолжения или остановки Адаптировать методологию под площадку: правило входа задачи, матрицу автономии агента, контекст и скиллы в репозитории, агента как первого ревьюера Разворачивать и настраивать пилотную среду для команд: контейнеры, агентный харнесс, подключение к LLM-шлюзу, MCP-серверы, интеграция с GitLab CI/CD Обучать команды работе с AI-агентами: воркшопы, спецификации, правила, скиллы, разбор типичных ошибок и уверенных неверных ответов Замерять эффект внедрения: собирать baseline, выбирать метрики (flow-метрики, DORA, SPACE), работать с выгрузками Jira и GitLab через SQL Готовить отчёты и рекомендации: продолжать, корректировать или останавливать пилот — с обоснованием и указанием границ выводов Формировать условия тиражирования успешных практик на другие команды Что важно для нас: Опыт от 3 лет: аналитик, delivery-менеджер, тимлид или DevOps / Platform Engineer с интересом к процессам Глубокое понимание SDLC: Scrum / Kanban, поток, стадии, передачи между ролями, узкие места, незавершённое производство Опыт работы с метриками процесса: lead time, cycle time по стадиям, возвраты, DORA, SPACE; понимаете, какие метрики врут и почему Уверенный SQL: выгружаете данные из Jira и GitLab, соединяете, проверяете качество, строите графики самостоятельно Ежедневно пользуетесь AI-агентами в работе (Claude Code, Cursor, OpenCode или аналог) Есть опыт проведения воркшопов и обучений, фасилитирование групповых обсуждений Умение писать проверяемые постановки: user story, критерии приёмки, Gherkin Есть понимание контейнеров (Docker/Podman) и GitLab CI/CD на уровне, достаточном, чтобы развернуть пилотную среду и настроить конвейер Понимаете, как работает LLM-инференс: токены, контекст, TTFT, шлюз с ключами и лимитами Знаете протокол MCP и представляете, какие риски он несёт Будет плюсом: Опыт внедрения изменений в двух и более командах и можете показать результат в цифрах Опыт работы в банке или регулируемой среде Писали скиллы и правила (AGENTS.md) для AI-агентов Python и pandas для воспроизводимого анализа данных Опыт с сетевыми политиками, секретами (Vault), изоляцией сред Опыт проведения экспериментов без контрольной группы и защиты выводов перед руководством Что предлагаем: Официальное оформление в соответствии с ТК РФ График работы: 9.00-18.00, сокращенный рабочий день по пятницам до 16.45 Конкурентный уровень дохода Доплата к отпуску и больничному листу «Кафетерий льгот»: ДМС для работника и членов семьи, возмещение затрат на отдых, спортивные услуги, покупки на маркетплейсе «ПСБ Маркет» Дополнительные льготы при заключении брака и рождении детей Материальная поддержка в определенных жизненных ситуациях Бесплатная программа поддержки работников: юридические, финансовые и психологические консультации, помощь в бытовых вопросах, автопомощь, корпоративные скидки, профориентация детей работников Возможность профессионального развития и прохождения внутреннего и внешнего профессионального обучения Корпоративная паритетная пенсионная программа