Accuity Delivery Systems
AI Engineer
Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.
AI-инженер в Accuity для разработки и эксплуатации production-систем на больших языковых моделях, агентах и retrieval-системах, поддерживающих автоматизацию клинической документации и revenue cycle. Отвечает за интеграцию моделей, RAG, MCP-сервисы, evaluation-пайплайны, наблюдаемость и безопасность AI-систем.
Задачи
- Разрабатывать и поддерживать production-системы на LLM, ML-моделях и интеллектуальных агентах
- Строить агентные workflow с инструментами, retrieval, структурированными выходами и контролем человека
- Подбирать и адаптировать модели через промптинг, retrieval, fine-tuning и другие методы
- Интегрировать AI-системы с внутренними приложениями, источниками данных, API и внешними сервисами
- Создавать переиспользуемые AI-сервисы со стабильными интерфейсами для команд приложений
- Разрабатывать RAG-системы на корпоративных данных
- Строить пайплайны ingestion, эмбеддингов, индексации, поиска, реранжирования и цитирования
- Внедрять векторные БД, гибридный поиск и графы знаний
- Поддерживать провенанс данных, контроль доступа и актуальность индексов
- Измерять качество retrieval и исправлять пропущенные, устаревшие и нерелевантные результаты
- Разрабатывать и поддерживать MCP-серверы, клиенты, инструменты и ресурсы
- Определять безопасные интерфейсы инструментов со схемами, правами, валидацией и обработкой ошибок
- Применять аутентификацию, авторизацию, аудит и least-privilege для агентных инструментов
- Деплоить и эксплуатировать LLM, агентов, retrieval-сервисы и ML-модели в production
- Поддерживать автоматические пайплайны тестирования, версионирования, деплоя, промоушена, переобучения и отката
- Отслеживать версии и lineage моделей, промптов, инструментов, датасетов, индексов и конфигураций
- Внедрять мониторинг качества, надёжности, латентности, использования и стоимости
- Расследовать production-инциденты и устранять их причины
- Строить автоматическую оценку и регрессионное тестирование моделей, промптов, агентов, retrieval и инструментов
- Тестировать системы на репрезентативных, необычных, состязательных и высокорисковых сценариях
- Внедрять защиту от prompt injection, утечек данных, несанкционированного использования инструментов и небезопасных выходов
- Обеспечивать соответствие HIPAA, HITRUST и требованиям защиты PHI
- Сохранять человеческий контроль, прослеживаемость решений и аудит-логи
- Работать с Data Science, Platform Management, Data Architecture и командами приложений
- Брать на себя ответственность за системы, разработанные внутренними и внешними командами
- Писать чистый безопасный код под версионным контролем и поддерживать документацию
- Понятно объяснять поведение, ограничения, риски и компромиссы систем техническим, клиническим и бизнес-аудиториям
Требования
- Master’s degree в computer science, AI, ML или смежной области либо эквивалентный практический опыт
- 5+ лет опыта в software, AI/ML или platform engineering с владением production-системами
- Практический опыт разработки и эксплуатации LLM-приложений, AI-агентов и RAG-решений
- Сильное владение Python, включая AI/ML-библиотеки, vector search, интеграцию инструментов и human-in-the-loop workflow
- Опыт деплоя и поддержки AI/ML-систем с автотестами, evaluation, CI/CD, мониторингом и production-контролями
- Опыт внедрения AI observability, explainability, безопасности и governance
- Понимание совместной работы моделей, агентов, инструментов, retrieval, knowledge-систем и сервисов приложений в production
- Умение выбирать, адаптировать, оценивать, деплоить и поддерживать языковые модели по измеримым требованиям
- Умение строить контролируемых и наблюдаемых агентов, безопасно использующих инструменты
- Навык проектирования retrieval-систем с релевантной, актуальной, авторизованной и прослеживаемой информацией
- Понимание моделирования сущностей и связей для retrieval, reasoning и интероперабельности
- Ответственное отношение к деплою, мониторингу, поддержке, документации и восстановлению
- Дисциплина evaluation на основе воспроизводимых доказательств
- Обеспечение надёжности, обработки сбоев и устранения первопричин проблем
- Понимание защиты данных, контроля доступа, прослеживаемости и approved routing как части архитектуры
- Умение выбирать архитектуру по задаче, ограничениям и измеримой ценности
- Навык создания переиспользуемых сервисов и паттернов
- Эффективная коммуникация и коллаборация с data science, platform, data architecture, application engineering, клиническими и внешними командами
- Адаптивность в оценке новых AI-методов без преждевременного внедрения
- Эффективная работа в полностью удалённой организации с проактивной коммуникацией и документированием решений
Условия
- Удалённая работа
- FLSA Status: Exempt
- Без руководящей роли (People Leader: No)
- Путешествия менее 10%
- Полная занятость at-will в Accuity Delivery Systems, LLC
Навыки
- Python
- LLM
- AI agents
- RAG
- vector databases
- knowledge graphs
- Model Context Protocol
- MCP
- prompt engineering
- fine-tuning
- machine learning
- CI/CD
- Azure AI Foundry
- Azure ML
- Databricks
- hybrid search
- embeddings
- observability
- HIPAA
- HITRUST