Senior/Lead Data Scientist (AI in Operations)

Проект: «Цифровые знания» — универсальный ИИ-сервис знаний + универсальный ИИ-агент для быстрого запуска автоматизации по СОП/инструкциям

Обязанности

1. Данные и платформенный контур

• Построить конвейер из разнородных источников (PDF/DOCX/HTML/Confluence/БЗ) с OCR и извлечением структуры (таблицы, шаги процедуры, ветвления, исключения)
• Спроектировать машиночитаемый формат инструкции (DSL/JSON) и версии/жизненный цикл знаний (версионирование, диффы, аудит, трассировка изменений)

1. Автогенерация промтов и мультиагентные сценарии

• Реализовать инструмент авто-формирования промтов для ролей агентов на основе структуры СОП
• Генерировать/оркестрировать мультиагентные цепочки «из инструкции»: роли, контракты между агентами, требования к интеграциям, схемы эскалаций

1. Обучение и адаптация моделей

• Собирать датасеты из инструкций: пары (шаг → действие/контроль/артефакт), контрпримеры, негативные семплы
• Автоматически генерировать синтетические данные и проверки (self-play, consistency checks)

1. Прод и MLOps

• Пайплайны ML: версия данных/моделей, CI/CD, feature/embedding store, каталоги экспериментов, калибровка
• Логи соответствия СОП: «evidence-by-step», отчёты аудита, привязка к версии инструкции

Требования

• 4–6+ лет в Applied ML/NLP и/или Data/ML Platform, продовые запуск и поддержка.
• Сильный Python (типичный стек: FastAPI, asyncio, pydantic), уверенный SQL.
• Практика с LLM/NLP: эмбеддинги, RAG, rerankers, инструменты наподобие LangChain/LlamaIndex (или свой оркестратор).
• Векторные БД (Faiss/Milvus/pgvector/Pinecone) и классические хранилища (Postgres/ClickHouse/Elastic).
• Опыт проектирования метрик качества для LLM-систем (retrieval/answer quality, latency, cost)

Будет плюсом:

• Опыт с открытыми и коммерческими LLM.
• Док-парсинг: layout/структурные модели (LayoutLM/Donut/DocTR), таблицы/диаграммы, распознавание шагов/ветвлений.
• Онтологии/знаниевые графы (RDF/OWL), декларативные DSL, BPMN/DMN.
• Domain: операционные центры, контакт-центры, BPO, комплаенс-процессы.
• Инструменты наблюдаемости за LLM (Langfuse/Arize Phoenix/OpenTelemetry)
• Опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов
• Инструментальное владение AI для анализа, генерации и автоматизации.

Условия

• Влияние на ядро продукта: вы определяете формат инструкции, контуры RAG и обучение агентов.
• Продуктовая роль end-to-end: от дизайна данных до прод-инференса и метрик.
• Современный стек, свобода выбора решений, быстрые итерации
• Возможен гибридный формат работы
• Ежегодный пересмотр зарплаты. Годовая премия
• Корпоративный спортзал и зоны отдыха
• Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• Программа адаптации и помощь руководителя на старте
• Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• Вознаграждение за рекомендацию друзей в команду Сбера.