Лидер круга Агенты «Право (Консультант)» / Lead AI Engineer

ПравоТех — продуктовая IT-компания, которая с 2008 года создаёт решения для автоматизации юридических бизнес-процессов.

Нашими продуктами ежедневно пользуются тысячи компаний по всей стране, включая крупнейшие банки, страховые компании и корпоративных клиентов.

Сегодня мы развиваем «Право.Консультант» — AI-продукт, который помогает юристам решать профессиональные задачи с использованием больших языковых моделей, интеллектуального поиска и AI-агентов.

Мы ищем Lead AI Engineer — технического лидера команды AI-агентов, который возьмёт на себя развитие агентного контура продукта, повышение качества юридических ответов и обеспечение стабильной работы AI-системы в production.

Это позиция для сильного AI-инженера, который хочет не только разрабатывать сложные решения, но и влиять на архитектуру, техническую стратегию и результат команды.

Нам нужен играющий технический лидер, который умеет самостоятельно писать production-код на Python, разбираться в работе LLM/RAG-систем, находить причины ошибок, проводить эксперименты и превращать технические изменения в измеримое улучшение продукта.

На старте около 40–60% времени будет занимать hands-on работа: разработка, архитектура, технические эксперименты, evals, code review и решение сложных production-задач.

Остальная часть роли — техническое лидерство, развитие команды, управление приоритетами и ответственность за качество AI-продукта.

Твой ключевой результат — не количество реализованных функций, а качество, надёжность и практическая полезность AI-агентов для пользователей.

Чем предстоит заниматься:

Развивать AI-агентов и архитектуру продукта:

• Проектировать и развивать агентные сценарии на Python с использованием LLM, RAG, tool calling и structured output.

• Работать с агентной оркестрацией, контекстом, промптами и интеграциями с внешними инструментами.

• Развивать retrieval-контур: embeddings, vector search, chunking, reranking и работу с источниками.

• Принимать архитектурные решения, устранять технический долг и повышать устойчивость системы.

• Лично участвовать в разработке, отладке и code review критически важных компонентов.

Отвечать за качество AI-ответов:

• Развивать систему оценки качества LLM и AI-агентов: benchmarks, evals, regression testing, LLM-as-a-Judge.

• Находить причины галлюцинаций, некорректных ссылок, ошибок поиска и потери контекста.

• Выстраивать проверки достоверности ответов и корректности использования первоисточников.

• Проводить эксперименты с моделями, промптами, retrieval и агентной логикой.

• Принимать решения о выпуске изменений на основе измеримых результатов.

Обеспечивать production-надёжность:

• Работать с model routing, fallback, retries, timeout, streaming и ограничениями LLM-провайдеров.

• Развивать наблюдаемость AI-системы: логи, метрики, traces, мониторинг ошибок.

• Оптимизировать latency, стоимость инференса и эффективность использования моделей.

• Повышать стабильность агентного контура и предотвращать повторное появление дефектов.

Лидировать команду и техническое развитие:

• Формировать технические приоритеты и roadmap совместно с командой и CEO.

• Управлять фокусом команды, ограничивать количество параллельных задач и доводить инициативы до результата.

• Развивать инженеров, распределять зоны ответственности и поддерживать высокий инженерный стандарт.

• Взаимодействовать со смежными командами — Product, Platform, Data и другими.

• Принимать решения на основе метрик качества, надёжности и стоимости, а не только скорости разработки.

Для нас важно:

• Сильный практический опыт разработки AI/LLM-систем, работающих в production.

• Уверенный Python и готовность самостоятельно писать, отлаживать и ревьюить production-код.

• Опыт разработки backend-сервисов на FastAPI, Pydantic, asyncio/httpx.

• Практический опыт построения RAG-систем: embeddings, vector search, retrieval, chunking, reranking.

• Опыт интеграции LLM через API, работы с tool calling, structured output, streaming и управлением контекстом.

• Опыт построения или развития системы оценки качества LLM: evals, benchmarks, тестовые наборы, анализ ошибок.

• Понимание работы PostgreSQL, Redis, MongoDB и асинхронного взаимодействия между сервисами.

• Практический опыт работы с Docker, Kubernetes, CI/CD и инструментами наблюдаемости.

• Опыт использования AI coding agents в реальной разработке.

• Опыт технического лидерства и управления сильной инженерной или кросс-функциональной командой.

• Умение самостоятельно принимать архитектурные решения, расставлять приоритеты и отвечать за измеримый результат.

Будет плюсом:

• Опыт разработки AI-агентов с использованием LangChain, LangGraph, MCP/FastMCP или аналогичных инструментов.

• Опыт работы с Qdrant или другими векторными базами данных.

• Опыт применения DeepEval, LLM-as-a-Judge, red-team-проверок и тестирования AI-систем.

• Опыт работы в LegalTech, FinTech, MedTech или других областях с высокими требованиями к точности и надёжности.

• Понимание архитектуры on-prem AI-решений.

• Опыт работы с Go, event-driven архитектурой и обработкой больших массивов документов.

• Опыт оптимизации стоимости LLM-инференса и экономики AI-продуктов.

💡 Наш технологический стек

• Backend: Python 3.11+, FastAPI, Pydantic v2, asyncio, httpx, PostgreSQL, Redis, MongoDB.

  AI/LLM: LangChain, OpenAI-compatible API, OpenRouter, LiteLLM, vLLM, Qwen, Claude, tool calling, structured output.

  RAG & Search: Qdrant, embeddings, retrieval, reranking, работа с документами и поисковыми индексами.

  Quality & Testing: pytest, DeepEval, DeepTeam, LLM-as-a-Judge, GitLab CI.

  Infrastructure: Docker, Kubernetes, Helm, Argo CD, OpenTelemetry, Prometheus, Grafana.

  Не ожидаем, что ты работал абсолютно со всеми перечисленными инструментами. Для нас важнее глубокое понимание принципов построения production AI-систем и способность самостоятельно разбираться в новых технологиях.

Что предлагаем:

• Работу в аккредитованной IT-компании с официальным трудоустройством.

• Возможность развивать сложный AI-продукт на пересечении LLM, RAG и LegalTech.

• Высокую автономность, прямое взаимодействие с основателем компании и влияние на развитие продукта.

• Сильную команду, современные технологии и возможность экспериментировать.

• ДМС и корпоративные программы поддержки сотрудников.

Как происходит отбор:

• Мы используем нестандартный формат выбора лидеров — выборы.

  После знакомства с рекрутером и оценки технической экспертизы финалисты получают вводные о продукте и готовят своё видение его развития.

  На выборах каждому кандидату предоставляется 15 минут на презентацию и 15 минут на вопросы. В обсуждении и принятии решения участвуют будущая команда и заинтересованные коллеги.

  Для нас это возможность не только оценить опыт, но и понять, насколько совпадают наши подходы к продукту, технологиям и совместной работе.

  Если тебе близка роль, в которой можно одновременно создавать AI-продукт своими руками, развивать команду и влиять на результат — будем рады познакомиться!