Руководитель платформы ИИ

Ориентир по рынку≈ 395 000 – 600 000 ₽наш грубый ориентир по 39 вакансиям этого грейда на рынке, без учёта специальности: у работодателя вилка не указана

🔄 ГибридLeadПолная занятостьКорпорация

≈ 395 000 – 600 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Объявление живое, и что за работа, понятно из текста.

3 из 4 в норме

Вилку не назвали: какую сумму назвать вам и ниже какой не соглашаться

Деньги

Вилку работодатель не назвал. Грубый ориентир: столько платят в 39 вакансиях уровня Lead по всему рынку, без учёта специальности.

платят меньше395 000 – 600 000 ₽ у половины таких вакансийплатят больше

Вилки нет

Живость

Открыта 28 дней, и признаков фиктивного найма у неё нет.

Живая

Описание

Обязанности: 13, требования: 16. Понятно, что за работа, ещё до отклика.

Обещают: ДМС со стоматологией, питание и психологическая поддержка
Известно: в работе ИИ-инструменты для кода
Не сказано: сколько дней в офисе

Подробно

Что требуют

ОбязательноAIMLLLMRAGMLOpsCI/CDKubernetes

ПлюсомYandex Cloud

Ясно

Полный разбор в Pro

Это короткий разбор. В Pro полный: под эту вакансию и ваше резюме

Сколько просить

Не продешевите: сумма под ваше резюме, нижняя граница и готовые фразы для торга

Ваше резюме против требований

Пройдёт ли ваше резюме фильтр: что совпало с требованиями и что дописать до отклика

Спросить у работодателя

Что стоит спросить: вопросы именно к этой вакансии для первого созвона

Когда откликаться

Стоит ли спешить: за сколько дней эта компания обычно закрывает вакансии

30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro

Наша компания

Руководитель платформы по искусственному интеллекту отвечает за создание с нуля и развитие корпоративной AI-платформы для LLM и DS-моделей: единой точки для обучения, файнтюнинга, инференса моделей, работы со знаниями и создания ИИ-агентов на гибридной инфраструктуре (on-prem GPU и облако). Отдельная зона ответственности — определение архитектуры и стандартов того, как продуктовые команды строят ИИ-продукты и ИИ-агентов на платформе.

Чем предстоит заниматься

Формирование стратегии, роадмапа и целевой архитектуры AI-платформы, синхронизация с целями CDO и бизнес-приоритетами

Развитие и масштабирование команды направления: структура, наём, онбординг, развитие и удержание инженеров (ML/LLM, платформенные, MLOps)

Определение архитектуры AI-платформы и ИИ-агентов: референсные архитектуры, паттерны, выбор компонентов (собственная разработка, open source, вендоры), проведение PoC

Разработка и внедрение стандартов для продуктовых команд: как создавать ИИ-продукты и ИИ-агентов на платформе; ревью архитектурных решений, документация, обучение и центры компетенций

Управление жизненным циклом моделей: обучение, файнтюнинг, версионирование, деплой, мониторинг, evaluation и вывод из эксплуатации

Развитие MLOps/LLMOps-инструментов: CI/CD моделей, эксперименты, реестр моделей, feature store, observability и качество данных для ML

Управление инференсом: гибридное обслуживание (on-prem GPU и облако), SLA, квоты, приоритизация нагрузки, оптимизация производительности и стоимости

Развитие RAG и работы со знаниями: пайплайны, векторные хранилища, качество и релевантность поиска

Развитие агентной платформы: инструменты, память, sandbox, guardrails, безопасность и наблюдаемость ИИ-агентов

Работа с внутренними заказчиками — продуктовыми командами и AI SDLC-группой: сбор потребностей, консультации, приоритизация бэклога платформы; развитие платформы как продукта (DevEx, портал самообслуживания, документация)

Обеспечение безопасности и комплаенса: политика использования ИИ, защита данных и персональных данных (152-ФЗ), аудит, трассируемость решений моделей и агентов

Управление бюджетом направления и отчётность перед CDO по метрикам: SLA инференса, стоимость инференса/токена, время онбординга моделей, adoption

Технологический радар: мониторинг рынка ИИ-инструментов и вендоров, оценка open source решений, пилотирование и внедрение

Наши требования

Опыт создания и развития внутренней ML/LLM-платформы в крупной компании: от архитектуры и выбора компонентов до запуска в продакшен и масштабирования

Практический промышленный опыт с LLM: инференс и serving (vLLM или аналоги), файнтюнинг, RAG, evaluation моделей, оптимизация производительности (квантизация, батчинг)

Опыт работы с классическим ML/DS-стеком: обучение и деплой моделей, MLOps (реестр моделей, версионирование, CI/CD, мониторинг), feature store, пайплайны данных

Опыт гибридной инфраструктуры: on-prem GPU-кластеры и облачные LLM-сервисы, Kubernetes, планирование GPU-ресурсов, управление стоимостью (FinOps)

Опыт проектирования ИИ-агентов и агентных архитектур: оркестрация, tool calling, guardrails, понимание паттернов построения агентов

Опыт разработки и внедрения стандартов и архитектурных паттернов, ревью архитектуры, работа с внутренними заказчиками; построение платформы как продукта (DevEx, документация, самообслуживание)

Опыт управления и развития команды инженеров: найм, развитие и удержание сотрудников, масштабирование команды, выстраивание процессов

Развитые управленческие и коммуникативные навыки: работа с топ-менеджментом, перевод бизнес-задач в платформенные решения, умение объяснять ценность ИИ бизнесу

Знание рынка ИИ-инструментов и практика выбора решений: собственные разработки vs open source vs покупка, оценка и интеграция

Понимание безопасности и комплаенса в ИИ: защита персональных данных (152-ФЗ), guardrails, ответственное использование ИИ, аудит и трассируемость

Опыт в ритейле / e-commerce / DIY

Опыт запуска AI-платформы с нуля (greenfield) в крупной компании

Опыт интеграции LLM в SDLC и создания ассистентов разработчика (AI-assisted coding, code review)

Опыт работы с отечественными LLM и облаками (Yandex Cloud, GigaChat/YandexGPT) и с зарубежными моделями

Опыт выстраивания Data/Feature-платформы и взаимодействия с data platform-командой

Английский язык для чтения документации и общения с вендорами

Мы предлагаем

Работа в компании с развитой инженерной культурой

Гибкая система премирования

Расширенный социальный пакет: ДМС со стоматологией с первого месяца работы, психолог и страхование жизни, компенсация питания и оплата мобильной связи

Возможности профессионального роста, программы развития для сотрудников

Корпоративное обучение и доступ к базе знаний

Внутренние профессиональные сообщества и мероприятия

Автономность работы, возможность менять правила, ошибаться и создавать новое

Формат работы - офис

Современный офис в 2 минутах ходьбы от МЦК ЗИЛ

С каждым годом на выбор сотрудника становится доступно больше дополнительных опций. Например, частичная компенсация путешествий, затрат на обучение, спортивных занятий