Software Engineer (Staff), Platform Engineering

О позиции

Мы строим платформы, которые поддерживают сложные data workflows и системы искусственного интеллекта. В этой роли вы будете отвечать за архитектуру и разработку инфраструктуры, которая обрабатывает экспертные данные, управляет онбордингом специалистов, оркестрирует задачи и доставляет insights из множества источников. Вы будете работать на стыке backend-разработки, data infrastructure и AI systems, создавая надёжные высокопроизводительные сервисы.

Чем заниматься

• Управлять архитектурой платформ, поддерживающих операционные workflow, data pipelines, управление жизненным циклом экспертов и системы доставки инсайтов
• Проектировать и строить масштабируемые backend-системы: distributed services, APIs, event-driven architectures, интеграции для сложной обработки данных
• Разрабатывать AI data infrastructure для работы с экспертно-сгенерированными данными, enterprise datasets, human feedback и multimodal workflows
• Архитектурно решать задачи оркестрации pipeline'ов, онбординга талантов, управления подписками, выполнения задач и автоматизированных операций
• Создавать сервисы агрегации, обработки и визуализации данных и метрик из множества систем в единый actionable experience
• Проектировать reusable infrastructure для AI agents: tool calling, orchestration, context management, structured outputs, evaluation, observability
• Писать production-grade код, проводить технический дизайн, трассировать проблемы, устанавливать стандарты разработки
• Менторить инженеров, принимать архитектурные решения, уменьшать technical debt, взаимодействовать с Product, AI/ML, Data и Operations командами

Что ждут

• 10+ лет опыта в software engineering с доказанным track record построения и масштабирования сложных production систем
• Глубокая экспертиза в Python, TypeScript или аналогичных современных языках, сильные backend fundamentals
• Опыт работы с distributed systems, microservices, APIs, event-driven architectures, asynchronous processing, workflow orchestration
• Навыки системного дизайна, способность делать технические trade-offs по scalability, reliability, performance, maintainability
• Опыт построения data-intensive платформ: data ingestion, processing pipelines, ETL/ELT, analytics infrastructure
• Практический опыт с LLM и agentic systems: tool calling, agent orchestration, RAG, context management, evaluation frameworks
• Опыт cloud infrastructure (AWS/GCP/Azure), containerization, Kubernetes, databases, CI/CD pipelines
• Понимание quality engineering: automated testing, observability, performance optimization, production reliability
• Подтверждённое техническое лидерство: наставничество, кросс-командные инициативы, owning проектов от дизайна до production
• Ownership mindset, умение работать с ambiguity, решать сложные технические проблемы в fast-paced среде

Будет плюсом

• Опыт в AI research labs, AI-native компаниях или быстрорастущих tech startup
• Опыт с human data infrastructure: expert-generated datasets, data annotation, human-in-the-loop workflows, preference data
• Знакомство с foundation model training и evaluation workflows: multimodal datasets, robotics data, human demonstrations
• Опыт построения enterprise AI data platforms, retrieval systems, инфраструктуры для AI agents
• Hands-on опыт с agentic frameworks: LangGraph, Temporal, MCP или аналогичные
• Опыт real-time analytics, operational intelligence, data aggregation across multiple platforms
• Знакомство с AI-assisted development tools и modern developer productivity practices

Условия

• Конкурентная базовая зарплата $250,000–$300,000 ежегодно плюс equity compensation
• Performance-based бонусы в зависимости от роли и политики компании
• Комплексный benefits пакет: до 100% reimbursement health insurance premiums
• Paid time off и 401(K) plan с company match
• Позиция полностью remote с поддержкой high-performing distributed workforce

Навыки

• Python
• TypeScript
• Backend Development
• Distributed Systems
• Microservices
• API Design
• Event-Driven Architecture
• Workflow Orchestration
• Data Pipelines
• ETL
• System Design
• LLM
• RAG
• AI Agents
• Cloud Infrastructure
• AWS
• GCP
• Kubernetes
• CI/CD
• Automated Testing
• Observability
• Performance Optimization
• Mentoring
• Technical Leadership

Могут спросить на собеседовании

1. Расскажите о вашем опыте проектирования и масштабирования распределённых систем. Как вы решали trade-offs между consistency, availability и partition tolerance?
2. Как вы подходите к организации data pipelines для обучения ML моделей? Какие паттерны вы используете?
3. Опишите ваш подход к созданию agentic systems. С какими вызовами сталкивались при оркестрации и контексте?
4. Как вы обеспечиваете reliability и observability в высоконагруженных системах? Приведите примеры из практики.
5. Расскажите о случае, когда вам пришлось принять architectural decision под давлением time-to-market. Как вы балансировали качество и скорость?