Лидер круга Агенты «Право (Консультант)» / Lead AI Engineer

О вакансии

ПравоТех — продуктовая IT-компания, которая с 2008 года создаёт решения для автоматизации юридических бизнес-процессов.

Нашими продуктами ежедневно пользуются тысячи компаний по всей стране, включая крупнейшие банки, страховые компании и корпоративных клиентов.

Сегодня мы развиваем «Право.Консультант» — AI-продукт, который помогает юристам решать профессиональные задачи с использованием больших языковых моделей, интеллектуального поиска и AI-агентов.

Мы ищем Lead AI Engineer — технического лидера команды AI-агентов, который возьмёт на себя развитие агентного контура продукта, повышение качества юридических ответов и обеспечение стабильной работы AI-системы в production.

Это позиция для сильного AI-инженера, который хочет не только разрабатывать сложные решения, но и влиять на архитектуру, техническую стратегию и результат команды.

Нам нужен играющий технический лидер, который умеет самостоятельно писать production-код на Python, разбираться в работе LLM/RAG-систем, находить причины ошибок, проводить эксперименты и превращать технические изменения в измеримое улучшение продукта.

На старте около 40–60% времени будет занимать hands-on работа: разработка, архитектура, технические эксперименты, evals, code review и решение сложных production-задач.

Остальная часть роли — техническое лидерство, развитие команды, управление приоритетами и ответственность за качество AI-продукта.

Твой ключевой результат — не количество реализованных функций, а качество, надёжность и практическая полезность AI-агентов для пользователей.

Чем предстоит заниматься

Развивать AI-агентов и архитектуру продукта

Проектировать и развивать агентные сценарии на Python с использованием LLM, RAG, tool calling и structured output.

Работать с агентной оркестрацией, контекстом, промптами и интеграциями с внешними инструментами.

Развивать retrieval-контур: embeddings, vector search, chunking, reranking и работу с источниками.

Принимать архитектурные решения, устранять технический долг и повышать устойчивость системы.

Лично участвовать в разработке, отладке и code review критически важных компонентов.

Отвечать за качество AI-ответов

Развивать систему оценки качества LLM и AI-агентов: benchmarks, evals, regression testing, LLM-as-a-Judge.

Находить причины галлюцинаций, некорректных ссылок, ошибок поиска и потери контекста.

Выстраивать проверки достоверности ответов и корректности использования первоисточников.

Проводить эксперименты с моделями, промптами, retrieval и агентной логикой.

Принимать решения о выпуске изменений на основе измеримых результатов.

Обеспечивать production-надёжность

Работать с model routing, fallback, retries, timeout, streaming и ограничениями LLM-провайдеров.

Развивать наблюдаемость AI-системы: логи, метрики, traces, мониторинг ошибок.

Оптимизировать latency, стоимость инференса и эффективность использования моделей.

Повышать стабильность агентного контура и предотвращать повторное появление дефектов.

Лидировать команду и техническое развитие

Формировать технические приоритеты и roadmap совместно с командой и CEO.

Управлять фокусом команды, ограничивать количество параллельных задач и доводить инициативы до результата.

Развивать инженеров, распределять зоны ответственности и поддерживать высокий инженерный стандарт.

Взаимодействовать со смежными командами — Product, Platform, Data и другими.

Принимать решения на основе метрик качества, надёжности и стоимости, а не только скорости разработки.

Для нас важно

Сильный практический опыт разработки AI/LLM-систем, работающих в production.

Уверенный Python и готовность самостоятельно писать, отлаживать и ревьюить production-код.

Опыт разработки backend-сервисов на FastAPI, Pydantic, asyncio/httpx.

Практический опыт построения RAG-систем: embeddings, vector search, retrieval, chunking, reranking.

Опыт интеграции LLM через API, работы с tool calling, structured output, streaming и управлением контекстом.

Опыт построения или развития системы оценки качества LLM: evals, benchmarks, тестовые наборы, анализ ошибок.

Понимание работы PostgreSQL, Redis, MongoDB и асинхронного взаимодействия между сервисами.

Практический опыт работы с Docker, Kubernetes, CI/CD и инструментами наблюдаемости.

Опыт использования AI coding agents в реальной разработке.

Опыт технического лидерства и управления сильной инженерной или кросс-функциональной командой.

Умение самостоятельно принимать архитектурные решения, расставлять приоритеты и отвечать за измеримый результат.

Будет плюсом

Опыт разработки AI-агентов с использованием LangChain, LangGraph, MCP/FastMCP или аналогичных инструментов.

Опыт работы с Qdrant или другими векторными базами данных.

Опыт применения DeepEval, LLM-as-a-Judge, red-team-проверок и тестирования AI-систем.

Опыт работы в LegalTech, FinTech, MedTech или других областях с высокими требованиями к точности и надёжности.

Понимание архитектуры on-prem AI-решений.

Опыт работы с Go, event-driven архитектурой и обработкой больших массивов документов.

Опыт оптимизации стоимости LLM-инференса и экономики AI-продуктов.

💡 Наш технологический стек

Backend: Python 3.11+, FastAPI, Pydantic v2, asyncio, httpx, PostgreSQL, Redis, MongoDB.

AI/LLM: LangChain, OpenAI-compatible API, OpenRouter, LiteLLM, vLLM, Qwen, Claude, tool calling, structured output.

RAG & Search: Qdrant, embeddings, retrieval, reranking, работа с документами и поисковыми индексами.

Quality & Testing: pytest, DeepEval, DeepTeam, LLM-as-a-Judge, GitLab CI.

Infrastructure: Docker, Kubernetes, Helm, Argo CD, OpenTelemetry, Prometheus, Grafana.

Не ожидаем, что ты работал абсолютно со всеми перечисленными инструментами. Для нас важнее глубокое понимание принципов построения production AI-систем и способность самостоятельно разбираться в новых технологиях.

Что предлагаем

Работу в аккредитованной IT-компании с официальным трудоустройством.

Возможность развивать сложный AI-продукт на пересечении LLM, RAG и LegalTech.

Высокую автономность, прямое взаимодействие с основателем компании и влияние на развитие продукта.

Сильную команду, современные технологии и возможность экспериментировать.

ДМС и корпоративные программы поддержки сотрудников.

Как происходит отбор

Мы используем нестандартный формат выбора лидеров — выборы.

После знакомства с рекрутером и оценки технической экспертизы финалисты получают вводные о продукте и готовят своё видение его развития.

На выборах каждому кандидату предоставляется 15 минут на презентацию и 15 минут на вопросы. В обсуждении и принятии решения участвуют будущая команда и заинтересованные коллеги.

Для нас это возможность не только оценить опыт, но и понять, насколько совпадают наши подходы к продукту, технологиям и совместной работе.

Если тебе близка роль, в которой можно одновременно создавать AI-продукт своими руками, развивать команду и влиять на результат — будем рады познакомиться!

Навыки из вакансии