Role Description Шукаємо Head of AI Engineering для підсилення IT департаменту. - Побудувати AI strategy та roadmap для компанії з фокусом на IT як платформенний центр експертизи. - Провести інвентаризацію AI-інструментів, vendors, внутрішніх ботів, витрат, owners, ризиків і shadow AI. - Сформувати AI operating model: ownership, правила запуску AI-ініціатив, пріоритизацію, розділення sandbox, pilot і production. - Побудувати або обрати архітектуру internal AI gateway: auth, RBAC, logging, model routing, cost limits, usage tracking, audit trail та policy controls. - Визначити approved AI stack: інструменти, vendors, моделі, gateway/proxy layer, SaaS, зовнішні API, self-hosted або власні компоненти. - Впроваджувати AI у ключові workflow: engineering productivity, code review, test generation, QA automation, legacy refactoring, support, analytics, product та marketing scenarios. - Побудувати AI governance & security: правила роботи з production code, private repositories, customer data, PII, credentials/secrets, logs, incidents, internal documentation та business data. - Впровадити AI observability, evaluation та cost visibility: якість, latency, reliability, hallucination risk, usage, бюджети та ROI. - Побудувати adoption-модель: AI literacy, role-based training, AI champions, playbooks, office hours і безпечні практики використання AI. - Сформувати ядро AI Platform / AI Engineering команди та федеративну модель, де центральна команда створює платформу й стандарти, а доменні команди запускають свої use cases на керованій основі. Qualifications - Досвід на рівні Head / Engineering Manager / Head of Platform / Director of AI Engineering або схожої ролі. - Розуміння production AI: architecture, reliability, latency, cost, observability, evals, security, lifecycle, ownership і support model. - Глибоке розуміння LLM, RAG, AI agents, tool/function calling, model routing, prompt/agent lifecycle, evaluation frameworks та AI gateway-підходів. - Розуміння SDLC і DevEx: як AI може впливати на розробку, тестування, code review, refactoring, incident management, documentation та onboarding. - Сильне security-мислення: data leakage, PII, secrets, private code, prompt injection, unsafe tool access, vendor risks і audit trail. - Досвід або сильне розуміння AI FinOps: TCO, бюджети, forecasting, cost per workflow, license utilization, vendor management, build vs buy та ROI. - Уміння працювати з CTO, heads, leads, Security, Architecture, Product, Analytics, Marketing, Support та Operations. - Здатність швидко зібрати або направити створення прототипу, глибоко ревʼюити архітектуру. - Вміння не тільки створити стратегію, а й довести її до впровадження: roadmap, execution, metrics, ownership, adoption і постійне покращення. Requirements - Досвід побудови або впровадження LLM gateway / proxy layer, наприклад LiteLLM або аналогічних рішень. - Досвід adoption GitHub Copilot, Cursor, JetBrains AI або інших AI-інструментів на рівні engineering organization. - Досвід у Platform Engineering, Internal Developer Platform, DevEx або Engineering Productivity. - Досвід AI-рішень для QA automation, support, product, analytics, marketing або operations. - Досвід із self-hosted models, model serving, AI observability або evaluation pipelines. - Досвід роботи з GitHub, GitLab, Jira, Slack, GitHub Actions, GitLab CI, ArgoCD, AWS, GCP або hybrid infrastructure. Benefits - Працюй там, де комфортно та безпечно – в офісах або віддалено. - Офіційне оформлення в Україні або Польщі – підтримаємо у вирішенні бюрократичних питань. - 20 робочих днів оплачуваної відпустки, державні вихідні і лікарняні. - Медичне страхування у топових клініках і покриття витрат на психолога. - Benefit cafe – щомісячно витрачай кошти на уподобання, хобі, спорт. - Івенти – бери участь у майстер-класах, відвідуй тімбілдинги та корпоративи. - Навчання під будь-який запит – індивідуальний бюджет на курси, корпоративна англійська, воркшопи та онлайн-бібліотека.

• Desenvolver aplicações que integram LLMs (Gemini, Claude) via Vertex AI: pipelines de RAG, function calling, orquestração de agentes e automações inteligentes. • Ser dono(a) da orquestração de IA e da camada de aplicação — o engenheiro de dados cuida da ingestão e do vector store, você consome e orquestra. • Subir e sustentar a solução em produção no GCP: infraestrutura como código, CI/CD, IAM e observabilidade. • Acompanhar custo e latência dos modelos em produção, mantendo a solução eficiente. • Implementar guardrails e avaliação de qualidade (evals) em parceria com o PM. • Construir integrações com sistemas financeiros, RPAs e ferramentas de workflow. • Escrever código de produção com testes, segurança e boas práticas.

Role Description We write detailed technical specs. Your job is to turn them into working product by orchestrating AI coding agents — and to own the quality of everything that ships. Our toolchain is Claude Code with custom skills on top of a structured spec pipeline; if you bring approaches that have worked for you, we are happy to compare and adopt what proves effective. You will work directly with the coordinators of this direction: the agentic development process is already up and running, and you will be its first dedicated engineer. Responsibilities - Take a spec and drive it to production: clarify ambiguities with the spec author instead of guessing, decompose work into small verifiable increments, execute via AI agents. - Design verification before generation: acceptance criteria, tests, invariants and API contracts that make agent output checkable. - Review and accept agent-generated code: catch silent scope creep, tests fitted to bugs, hallucinated APIs, code that passes but does the wrong thing. - Step in and code by hand when an agent hits a dead end (mostly Go). - Build and tune the agent toolchain: skills, prompts, guardrails, workflows — and measure what matters: first-pass acceptance rate, rework volume, spec-to-production cycle time. Qualifications - 3–5 years of professional software engineering experience. - Strong Go backend engineering: services, APIs, concurrency, data consistency — this is where mistakes cost the most (our stack: MongoDB, NATS, gRPC). - Comfort with event-driven architecture: any message broker (we use NATS), idempotent consumers, outbox, sagas/compensations, retries with DLQ, eventual consistency. - Working React/TypeScript: enough to deliver and review SPA features built on top of our APIs. - Payments/fintech experience is a strong plus: idempotency, transactional integrity, money handling, audit trails; subscriptions and recurring billing — an even stronger plus. - Proven ability to read, debug and refactor code you didn't write — most of this role is review and acceptance, not typing. - Hands-on production experience with AI coding agents — not demos. - Discipline to work from specs and keep requirement → code → test traceability. - Growth path: today you own delivery on a dedicated project; as the agentic approach scales across the company, you help engineers from our classic development track adopt it. Requirements - Who this is NOT for: engineers who want to hand-write most of their code, or who accept generated code they haven't tried to break. Benefits - Opportunity to shape the future of fintech solutions within a growing company. - Collaborative, horizontal team structure that values your expertise and ideas. - Continuous learning and development opportunities to enhance your skills and career growth. - Competitive salary and benefits package.

• Analyze business documents such as insurance policies, claim forms, and financial reports to understand structure, logic, and extract key information. • Design structured test datasets, define ground truth data for validation, and create Q&A pairs to evaluate AI models’ reasoning and comprehension. • Run systematic tests on various AI models, evaluate performance, and identify potential gaps and areas for improvement. • Challenge AI systems with edge cases and complex scenarios to expose weaknesses and help refine model behavior. • Develop scripts to automate evaluation processes (optional for those with coding skills) • Assist in building evaluation pipelines (optional for those with coding skills) • Support data processing and basic model testing infrastructure (optional for those with coding skills)