Manager, Site Reliability Engineering

О позиции

Вы будете руководить командой Site Reliability Engineers, разрабатывать многолетнюю дорожную карту надёжности, наблюдаемости и автоматизации, а также внедрять практики AIOps и агентов ИИ для управления инцидентами. Ключевая задача — переход от ticket-driven операций к автоматизированным практикам SRE, сокращение ручного труда и улучшение оперативной эффективности всей организации.

Чем заниматься

• Разработка и реализация многолетней дорожной карты надежности, наблюдаемости и автоматизации, перевод приоритетов компании в измеримые инженерные инициативы
• Установление и мониторинг метрик производительности: MTTR, снижение ручных усилий, достижение SLO, частота отказов изменений, автоматическое устранение инцидентов
• Внедрение и развитие автоматизации и self-healing capabilities: runbooks, скрипты, IaC, автоматическое восстановление и масштабирование
• Проектирование, развертывание и управление agentic AI решениями для триажа инцидентов, анализа первопричин и устранения проблем
• Применение AIOps и предиктивной аналитики для обнаружения аномалий, корреляции событий и предотвращения инцидентов
• Разработка планов реагирования на инциденты, руководство крупными инцидентами, проведение blameless post-incident reviews
• Планирование ёмкости на основе трендов использования и производительности для прогнозирования роста
• Стратегия наблюдаемости: стандарты телеметрии, мониторинга, дашбордов и алертинга
• Интеграция и усиление CI/CD pipelines для более быстрых и надежных релизов
• Проведение Chaos Engineering и регулярного тестирования устойчивости
• Развитие и обучение SRE и observability инженеров

Что ждут

• Бакалавр в области Business, Computer Science или смежной области
• Не менее 6 лет релевантного IT опыта, включая опыт работы с инструментами мониторинга: Dynatrace, Splunk, ServiceNow
• Не менее 3 лет опыта руководства или лидерства в IT
• Опыт проектирования, разработки и поддержки распределённых систем в микросервисной архитектуре
• Опыт работы с Docker и Linux контейнерами
• Навыки программирования минимум на одном языке: Python, Java, .Net
• Знание непрерывной интеграции и доставки (CI/CD) инструментов: Ansible, GitLab, Terraform
• Экспертное владение Dynatrace, Splunk и платформами мониторинга Solar Winds
• Глубокая экспертиза в ServiceNow ITOM
• Знакомство с инфраструктурой Microsoft Azure: networking, compute, storage primitives
• Знание управления кодом с Git и GitHub workflows
• Знание Splunk Search Processing Language (SPL)
• Понимание ITIL и процесса управления инцидентами

Будет плюсом

• Сертификация ITIL Foundation или Practitioner
• Сертификаты по Cloud, Kubernetes или SRE
• Опыт работы с агентным ИИ и AIOps
• Культура SRE и customer-centric reliability
• Навыки презентации и коммуникации

Условия

• Конкурентная компенсация от $94,100 до $164,800 годовых
• Бонус, привязанный к показателям компании и индивидуальной эффективности
• Комprehensive total rewards package
• Возможность работать с передовыми технологиями AI и automation
• Развитие команды и профессиональный рост
• Работа в поддерживающей культуре с фокусом на wellbeing

Навыки

• Python
• Java
• .NET
• Docker
• Kubernetes
• Linux
• Terraform
• Ansible
• Git
• GitHub
• Azure
• ServiceNow
• Splunk
• Dynatrace
• CI/CD
• ITIL
• SRE
• AIOps
• Chaos Engineering
• Microservices
• Monitoring
• Observability
• Incident Management