Staff Software Engineer | Agentic Workflows

О позиции

Вы будете руководить разработкой крупномасштабных систем, которые внедряют передовые технологии искусственного интеллекта в производство. Ваша задача — преобразовать решения для проверки платежей и аудитов в отрасли здравоохранения. Вы построите конвейеры обработки сотен миллионов медицинских документов, разработаете агентные рабочие процессы для валидации claims данных и продвинете экосистему ИИ через инновации в цикле разработки промптов, мультимодальных LLM и оркестрации рабочих процессов.

Чем заниматься

• Разработка пайплайнов обработки документов, способных обрабатывать сотни миллионов документов ежегодно
• Дизайн и реализация агентных рабочих процессов для валидации медицинских claims
• Инновации в разработке промптов, использовании мультимодальных LLM, извлечении контекста, RAG и оркестрации рабочих процессов
• Сотрудничество с командами Data Science, Data Engineering и Product для создания сквозных ИИ-систем
• Снижение технического долга и укрепление надёжности и масштабируемости системы
• Менторство инженеров и определение технического направления команды

Что ждут

• Глубокий опыт программирования в Java и Python, Scala будет плюсом
• Опыт проектирования и масштабирования распределённых систем
• Продюсирование ИИ/ML техник в продакшене (промпт-инженерия, RAG, агенты)
• Знание инструментов мониторинга и наблюдаемости (Prometheus, Grafana)
• Сильные фундаментальные знания CS (структуры данных, асинхронное программирование, дизайн систем)
• Баклавриат или магистратура в Computer Science или равноценный практический опыт
• Опыт работы с big-data инструментами (Spark, Flink, Kafka, Airflow, Ray)

Будет плюсом

• Опыт в здравоохранении, fintech или регулируемых доменах
• Умение снижать ручные процессы через автоматизацию
• Опыт коллаборации с data scientists

Условия

• Удалённая работа по всей территории США
• Конкурентная зарплата с match 401(k)
• Неограниченный оплачиваемый отпуск
• Топовое медицинское страхование, DENTAL/VISION
• FSA/HSA
• Компенсация обучения
• Гибкая и доверяющая среда

Навыки

• Java
• Python
• Scala
• Apache Spark
• Apache Flink
• Kafka
• Airflow
• Ray
• Prometheus
• Grafana
• RAG
• LLM
• Multi-modal AI
• Distributed Systems
• System Design

Могут спросить на собеседовании

1. Расскажите о вашем опыте проектирования и внедрения агентных систем в производственной среде.
2. Как вы обеспечиваете reliability, observability и explainability у LLM-based систем?
3. Опишите ваш подход к обработке больших объёмов неструктурированных данных (документы, медицинские записи).
4. Какие метрики вы отслеживаете для оценки качества работы LLM и как используете их для улучшений?
5. Как вы балансируете технические инновации с необходимостью поддерживать технический долг?