Director of Engineering, Internal Platforms

О позиции

Это позиция для опытного технического лидера, который хочет влиять на архитектуру миссионно важных систем одновременно участвуя в кодинге. Вы будете отвечать за качество инжиниринга, масштабируемость внутренних платформ и внедрение современных практик разработки с использованием AI-инструментов. Компания предлагает remote-first работу и возможность работать с передовыми технологиями в области ИИ и распределённых систем.

Чем заниматься

• Ведение архитектуры внутренних платформ: разработка, поддержка и масштабирование систем для операционных рабочих процессов, управления экспертным жизненным циклом, сбора данных и аналитики
• Построение интеллектуальных систем: интеграция LLM, AI agents и автоматизация для оптимизации workflow и повышения эффективности операций
• Архитектурное проектирование платформ: создание масштабируемых API, распределённых сервисов, event-driven систем и интеграций между различными бизнес-процессами
• Управление качеством инжиниринга: стратегия QE, фреймворки автотестирования, CI/CD pipeline, валидация релизов и reliability платформ
• Развитие автоматизации тестирования: внедрение AI-assisted testing, покрытие регрессионного тестирования и фреймворки оценки приложений
• Hands-on разработка: технический дизайн, внесение вклада в реализацию, code review, отладка production issue
• Повышение продуктивности команды: AI-assisted разработка, инструменты для разработчиков, автоматизация доставки
• Руководство инженерными командами: менторство инженеров, установление технических стандартов, формирование культуры ownership
• Кросс-функциональное партнёрство: работа с Product, AI/ML, Data и Operations командами

Что ждут

• 10+ лет опыта в software engineering, включая 4+ года в ролях инженерного лидерства
• Глубокая hands-on экспертиза разработки на Python, TypeScript или аналогичных языках, с недавним опытом продакшн систем
• Опыт в архитектуре платформ: распределённые системы, микросервисы, APIs, event-driven architectures, orchestration workflow
• Практический опыт работы с AI-powered системами: LLM integrations, agentic workflows, RAG, evaluation frameworks
• Опыт использования AI development tools и автоматизации для улучшения продуктивности инжиниринга
• Сильная экспертиза в Quality Engineering: automated testing, CI/CD pipelines, API и end-to-end testing, production reliability
• Профицитность cloud infrastructure: AWS, GCP или Azure, Kubernetes, базы данных, observability, DevOps practices
• Опыт построения внутренних платформ для операционных workflow, data pipelines, аналитики или сложных бизнес процессов
• Подтверждённое техническое лидерство с способностью менторить инженеров, принимать архитектурные решения в fast-paced средах

Будет плюсом

• Опыт в AI research labs, AI-native компаниях или high-growth technology стартапах
• Опыт с human data platforms: управление экспертами, annotation data, human-in-the-loop workflows, curation data, AI evaluation pipelines
• Знакомство с LLM training и evaluation workflows: human feedback, preference data, model benchmarking
• Опыт с agent orchestration frameworks: LangGraph, Temporal и аналогичные технологии
• Опыт построения internal developer platforms, shared infrastructure или self-service engineering tools
• Знакомство с AI-assisted testing, automated test generation и evaluation nondeterministic systems

Условия

• Конкурентный базовый оклад $280,000 – $350,000 плюс equity компенсация
• Компенсация performance-based бонусов
• Возмещение до 100% премий health-insurance
• Paid time off
• 401(K) план с company match
• Комплексный пакет benefit для remote-first workforce
• Возможность работы с передовыми AI/ML технологиями

Навыки

• Python
• TypeScript
• Distributed Systems
• Microservices
• Kubernetes
• AWS
• Google Cloud Platform
• Azure
• API Design
• Event-Driven Architecture
• CI/CD
• Testing Automation
• Observability
• DevOps
• LLM Integration
• Agent Orchestration
• RAG
• Data Pipelines
• Leadership

Могут спросить на собеседовании

1. Как вы подходите к архитектурным решениям при проектировании внутренних платформ для поддержки сложных бизнес-процессов?
2. Приведите пример успешной интеграции AI/LLM во внутренние системы и какие метрики вы использовали для оценки успеха?
3. Какие подходы вы используете для обеспечения качества и reliability масштабируемых распределённых систем?
4. Как вы балансируете hands-on код с требованиями руководства командой на позиции Director?
5. Опишите вашу стратегию развития команды и наставничества инженеров разных уровней