ML/AI Engineer at Bereke Bank — NeverHard

Департамент развития AI Bereke Bank создаёт внутреннюю платформу нового поколения: на ней любой сотрудник банка сможет собрать персонального AI-агента из согласованных моделей, корпоративных знаний и инструментов. Мы ищем ML/AI Engineer-инженера , который станет инженерным ядром нашей выделенной продуктовой команды. Стек технологий Core: Python (асинхронный стек, FastAPI) AI / LLM: LangGraph, LangChain, LlamaIndex, GigaChain, MCP (Model Context Protocol) Data & Search: Qdrant (или аналоги), Hybrid Search, GraphRAG, SQL, очереди и брокеры сообщений Ops & Observability: Docker, CI/CD, Langfuse, современные трейсинг- и мониторинг-системы Чем предстоит заниматься: Разрабатывать среду исполнения агентов: ядро платформы на Python (сессии, долгосрочная и контекстная память, планирование, изоляция пользователей, реестр инструментов). Создавать каталог коннекторов и навыков: интеграция Confluence, Jira, GitLab, корпоративной почты, DWH и CRM как переиспользуемых инструментов со строгими контрактами, лимитами и политиками доступа. Строить слой работы со знаниями (RAG): пайплайны обработки корпоративных документов, эмбеддинги, гибридный поиск, ранжирование и валидация релевантности ответов. Выстраивать контур оценки качества (LLM Evaluation): бенчмарки, offline-оценка, LLM-as-a-judge, автотесты и регрессионные прогоны при смене промптов или моделей. Обеспечивать Enterprise-безопасность: совместное проектирование с командами ИБ и IAM (технические аккаунты с минимальными правами, обезличивание/маскирование данных перед отправкой в модели, human-in-the-loop подтверждения, аудит). Управлять наблюдаемостью и unit-экономикой: трейсинг цепочек вызовов, версионирование, мониторинг расхода токенов и оптимизация стоимости сценариев (целевой ориентир — до 100 ₸ за выполнение). Развивать автономность агентов: последовательный переход от read-only ассистентов к сценариям с подтверждением и далее к автономным low-risk операциям. Что для нас важно: Python от 4–5 лет: глубокое понимание асинхронного программирования (AsyncIO, FastAPI) и опыт промышленной разработки масштабируемых backend-систем. Опыт в Agentic AI: практическое понимание декомпозиции задач, вызова инструментов (tool/function calling), протоколов взаимодействия (MCP или аналоги). Уверенная работа с LLM-фреймворками: LangGraph / LangChain / LlamaIndex на уровне исходного кода и отладки в production. Промышленный RAG: векторные БД (Qdrant или аналоги), чанкинг, эмбеддинги, семантический и гибридный поиск. Инженерная культура: Docker, CI/CD, архитектурное проектирование API (контракты, идемпотентность, устойчивость к сбоям), SQL и очереди сообщений. LLM Observability & Eval: опыт работы с Langfuse или аналогами, настройка приёмочных датасетов и метрик качества. Будет преимуществом: Опыт создания платформенных решений / SDK и каталогов API для внутренних разработчиков. Знакомство с оркестраторами долгих распределённых процессов (Temporal и др.). Опыт с GraphRAG и мультиагентными архитектурами. Понимание специфики двуязычных (русско-казахских) языковых моделей и оценки их качества. Опыт внедрения AI-ассистентов (Copilot / Cursor / Claude Code) в собственный пайплайн разработки. Что мы предлагаем: Формат работы: комфортный гибрид (офис в Алматы + удалённые дни), гибкое начало рабочего дня. Влияние на продукт: вы создаете платформу с нуля без легаси, напрямую влияя на архитектуру и стек. Социальный пакет: ДМС, корпоративные скидки и программы развития от банка.