Principal Forward Deployed Architect, GCP

О позиции

Это роль для руководителя технической экспертизы уровня Principal, который отвечает за результат на ключевых аккаунтах Gemini Enterprise. Вы будете проектировать и реализовывать полную экосистему агентов на GEAP, включая платформу GenAI на GCP, контекстно-графовый слой данных, стратегии governance и внедрение в корпоративное приложение. Вам предстоит работать как с крупными одновременными проектами, так и с несколькими меньшими engagement'ами, возглавляя команды Forward Deployed Engineers и выступая основным техническим контактным лицом для исполнительной команды клиента.

Чем заниматься

• Определение целевой архитектуры по четырем слоям: GCP GenAI платформа, ландшафт агентов GEAP, контекстно-графовый / data foundation, enterprise adoption
• Установление референсных паттернов построения агентов, выбора среды исполнения (Agent Engine, Cloud Run, self-managed GKE), sandbox strategies и governance периметров
• Проектирование context-graph foundation — BigQuery, BigQuery graph (GQL), Spanner Graph — и grounding/RAG стратегий с использованием Vertex AI Vector Search
• Оценка load-bearing решений между слоями архитектуры и их влияние на runtime и governance
• Арбитраж кросс-трек trade-off решений при работе нескольких инженеров на одном клиенте
• Технический мониторинг дизайна агентов, результатов evaluation, latency behavior, участие в incident reviews
• Представление компании в security/compliance/board архитектурных review клиентов
• Консультирование руководителей клиентов по trade-offs, sequencing, delivery risk и определению недопустимых use cases
• Владение техническим scope, оценками и защитой proposals и SOW для аккаунтов и prospects
• Оценка delivery risk и exposure consumption-cost (runtime vCPU-hours, Sessions, Memory events, model tokens)
• Enablement platform/data/security leadership клиента для оперирования agent landscape и context graph
• Развитие Forward Deployed Engineers, работающих с вами на аккаунте
• Вклад в практику: создание референсных архитектур, паттернов context-graph, estimation models и governance blueprints

Что ждут

• Магистерская степень по Computer Science, Engineering, Information Systems или аналогичный практический опыт
• 12+ лет в инженерии, архитектуре или техническом лидерстве доставки с опытом production систем
• Экспертная глубина минимум в двух областях: agent/GenAI platform layer, context-graph и semantic-modelling layer, cloud data-platform layer, cloud runtime/governance layer
• Минимум один произведенный GenAI или агентный система на GCP (Vertex AI / Agent Platform) с grounding over enterprise data foundation
• End-to-end ownership технического дизайна минимум для двух client engagements или major cross-team программ от discovery до production
• Опыт работы единственным senior technical counterpart для executive team клиента в engagement'е значительного размера
• Hands-on экспертиза в BigQuery и хотя бы одной graph или semantic store (Spanner Graph, BigQuery graph, Neo4j или аналог)
• Опыт работы в regulated environment с возможностью описать дизайн-решение, обусловленное регуляторными требованиями
• Опыт владения техническим scope, оценкой и защитой proposal или statement of work

Будет плюсом

• Hands-on опыт работы с Gemini Enterprise Agent Platform конкретно — ADK, Agent Garden, Model Garden, Agent Engine
• Быстрая доказуемая способность освоить GEAP из смежных agent frameworks
• Опыт pre-sales involvement в архитектурах, effort estimates и technical case для предложений практики

Условия

• Техническое лидерство в самых крупных Gemini Enterprise engagement'ах компании
• Полная ответственность за outcome, а не только за artifacts проекта
• Возможность развивать Forward Deployed Engineers и влиять на practice standards
• Работа с передовыми технологиями: Gemini Enterprise, GCP GenAI, Vertex AI, AGENT PLATFORM
• Доступ к executive командам крупнейших клиентов и возможность прямого влияния на технические решения
• Конtribution в развитие практики через создание референсных архитектур и governance blueprints

Навыки

• Google Cloud Platform (GCP)
• Vertex AI
• Gemini Enterprise
• Generative AI
• Large Language Models (LLMs)
• BigQuery
• BigQuery Graph
• Spanner
• Spanner Graph
• GKE (Kubernetes)
• Cloud Run
• RAG (Retrieval Augmented Generation)
• Vector Database
• Semantic Modelling
• Knowledge Graph
• Entity Resolution
• Data Governance
• Model Governance
• Security Compliance
• Site Reliability Engineering (SRE)
• System Architecture
• Technical Pre-sales
• Engineering Leadership

Могут спросить на собеседовании

1. Расскажите о вашем опыте разработки Production GenAI системы на GCP или сопоставимой облачной платформе. Какую architecture decision вы приняли и почему?
2. Как вы спроектировали бы context-graph foundation для enterprise-scale application с требованиями безопасности и compliance? Какие технологии выберете и почему?
3. Опишите ситуацию, когда вам пришлось арбитражировать trade-off между несколькими командами или техническими подходами на одном клиентском проекте. Как вы пришли к решению?
4. Какие metrics вы используете для оценки ROI и adoption успеха агентной системы после deployment? Как измеряете бизнес-outcome vs технические artefacts?
5. Какой самый сложный compliance или regulatory constraint вы столкнулись в производственной системе? Как повлияло это на архитектуру?