Мы исследовательское подразделение Сбера, которое отвечает за «человека»: поведение, психология, тренды, особенности восприятия и мышления.
Наша задача — исследовать, что происходит с человеком, и переводить эти знания в продукты, коммуникации и HR-процессы экосистемы Сбера. Работа в Лаборатории — это доступ практически к любому бизнес-подразделению Сбера, к большим данным и клиентской базе более 100 млн человек.
Мы ищем Tech Lead DS/AI-команды — человека, который станет “мембраной” между бизнесом и разработкой. На входе — абстрактные идеи и запросы руководства. На выходе — работающие ML/LLM-решения, собранные командой по чёткой архитектуре. Вы проектируете системы, пишете код, ставите задачи, ревьюите решения команды — и отвечаете за то, чтобы всё это работало вместе. Играющий тренер: примерно 50% времени — собственная разработка и прототипирование, 50% — архитектурные решения, декомпозиция задач, менторство команды. У вас должны быть сильные технические навыки, евангелизм относительно AI, LLM, Vibecoding и желание искать, тестировать новые подходы и инструменты, а также базовое продуктовое мышление – не код ради кода, а код ради пользователя, продукта и бизнес-задач. Вам больше нравятся, когда много разных коротких и небольших проектов (прототипы, исследования, MVP), чем заниматься месяцами одним проектом и катить его в прод.
Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в мессенджере, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!
Чем предстоит заниматься
Архитектура LLM-решений
•принимать запрос от руководства или бизнес-подразделения.
•оценивать реализуемость, проектировать архитектуру (агенты, RAG-пайплайны, мультимодальные системы), выбирать стек и модели.
•декомпозировать на задачи для ML-инженеров и LLM-генералистов.
Разработка и прототипирование
•самостоятельное написание кода: собратьMVP и прототипы, чтобы быстро валидировать гипотезы.
•в части проектов это может быть вайбкодинг ради демо, в другой части – прототипы становятся основой для продовых решений. RAG-системы, агентные архитектуры, дэшборды, внутренние инструменты.
Техническое лидерство команды
•ревью архитектурных решений и кода команды.
•постановка задач на языке разработчика, снятие блокеров, менторинг джунов.
•техлидерство и отслеживание стандартов качества (не классический менеджмент — вы техлид, который держит в голове общую картину)
Трансляция бизнес → разработка
•перевод формулировки из «космоса» на язык технических задач
•объяснение руководству, что реализуемо, в какие сроки и с какими трейдоффами (кключевая надстройка над чисто инженерной ролью).
Наши ожидания
Опыт и готовность работать с технологическим стеком
•ML/DL: HuggingFace Transformers, SentenceTransformers, CatBoost, XGBoost
•LLM & Vector Search: локальные модели (Llama, Qwen), API (OpenAI, Anthropic), FAISS
•Data & Infra: ClickHouse, Docker, FastAPI, Postgres, RabbitMQ
•MLOps & Orchestration: MLflow, W&B, Prefect, Dagster, Ray, Prometheus, OpenTelemetry
•Инструменты: Hydra, Poetry, Cursor, Claude Code.
Техническая экспертиза
•сильный бэкграунд в разработке: вы пишете код, понимаете архитектуру, умеете проектировать системы от API до деплоя
•бэкграунд в ML/DS (классические модели, feature engineering, эксперименты)
•глубокое понимание LLM: промптинг, файнтюнинг, RAG-архитектуры, агентные системы, оркестрация вызовов
•опыт построения поисковых систем поверх эмбеддингов: выбор модели под язык и домен, chunking и гибридный поиск (dense + BM25, реранкеры), оценка качества ретривала на своих данных
•практика с одной из векторных БД (Qdrant / Weaviate / pgvector / Milvus) либо с FAISS/HNSW как встроенным индексом
•быстрая сборка MVP через AI-ассистированную разработку (Cursor, Claude Code, Codex) как повседневный инструмент. Опыт с CLI-агентами (hooks, slash-команды, subagents, MCP, headless-режимы для пайплайнов)
•проектирование мультиагентных систем: роли, протоколы обмена, supervisor/worker, оркестрация
•понимание инфраструктуры: Docker, FastAPI, очереди, базы данных, CI/CD
•опыт в продуктовых ролях или продуктовое мышление — если умеете не только строить, но и понимать зачем
Лидерство и коммуникация
•опыт технического лидерства: ревью кода и архитектуры, постановка задач, менторство
•умение взять абстрактную идею и превратить её в архитектуру с понятным планом реализации
•способность говорить на языке бизнеса с руководством и на языке кода с команой
•навык приоритизации: что делать сейчас, что отложить, что не делать вообще.
Будет плюсом
•опыт в корпоративных R&D-подразделениях или AI-стартапах
•наличие git пространства с проектами будет плюсом.
Мы предлагаем
•комфортный современный офис г. Москва, рядом с метро Кутузовская
•гибридный формат работы
•ежегодный пересмотр зарплаты и годовая премия
•корпоративный спортзал и зоны отдыха
•более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
•расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
•гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
•подписка Прайм с возможностью совместного использования на трёх близких
•вознаграждение за рекомендацию друзей в команду Сбера.