MoonTech
Ai Engineer
Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.
AI-инженер в agentic AI-компанию MoonTech для создания и масштабирования автономных AI-агентов, автоматизирующих жизненный цикл рекламных кампаний в creator commerce. Роль hands-on: от прототипа до продакшена с ответственностью за надёжность, стоимость и измеримый бизнес-результат.
Задачи
- Создавать и выводить в продакшен LLM-агентов и мультиагентные workflow для автоматизации полного цикла кампаний
- Разрабатывать и улучшать AI-модели для матчинга креаторов, детекции подлинности аудитории, прогнозирования эффективности и распределения бюджета
- Вести AI-фичи end-to-end: от прототипирования и архитектуры до деплоя, мониторинга и итераций
- Проектировать и внедрять фреймворки оценки для измерения качества моделей
- Строить архитектуры retrieval, памяти и tool-use на основе собственных данных о кампаниях и конверсиях
- Оптимизировать AI-системы по точности, латентности, стоимости, масштабируемости и надёжности
- Внедрять guardrails и human-in-the-loop контроли для агентов, работающих с бюджетами, платежами и действиями для клиентов
- Сотрудничать с Product, Data, Engineering и Customer Success для перевода бизнес-задач в продакшен AI-решения
- Развивать AI-возможности для рынков Arabic, English и GCC
- Оценивать новые AI-модели, фреймворки и инструменты и внедрять то, что даёт измеримый прирост
- Мониторить, отлаживать и улучшать продакшен AI-системы
Требования
- 3+ года опыта в software engineering, из них 1–2 года создания и вывода в продакшен LLM или ML систем
- Сильный практический опыт с Python и основами backend-разработки
- Опыт создания API, data pipelines, автотестов и приложений в облаке
- Практический опыт с архитектурами LLM-агентов: tool calling, RAG, structured outputs, многошаговая оркестрация
- Опыт работы с embeddings, векторными базами данных и retrieval-системами
- Сильное понимание основ ML: ranking, рекомендательные системы, прогнозирование
- Опыт проектирования фреймворков оценки и измерения производительности AI-систем
- Умение отлаживать недетерминированные AI-системы и оптимизировать точность, латентность, стоимость и надёжность
- Понимание продакшен AI-архитектуры, мониторинга, деплоя и непрерывного улучшения
- Сильный продуктовый mindset и связь технических решений с измеримыми бизнес-результатами
- Инициативность, самостоятельность и доведение идей до продакшена
- Сильные коммуникативные навыки и способность работать в быстро меняющейся среде
Навыки
- Python
- LLM
- RAG
- tool calling
- structured outputs
- multi-agent orchestration
- embeddings
- vector databases
- retrieval systems
- ML
- ranking
- recommendation systems
- forecasting
- API
- data pipelines
- automated tests
- cloud
- MCP
- fine-tuning
- open-source models