AI Engineer / Senior AI Engineer

🏢 Summary: B2B role for an AI Agent Engineer to design and develop production-grade AI agent workflows using LLMs and orchestration tools, with strong focus on reliability, performance, and voice integration. The position involves building and optimizing agent logic, guardrails, evaluation frameworks, and system integrations in a greenfield AI-native environment. High impact on architecture and end-to-end ownership of AI solutions. 🗂️ Requirements: Minimum 4 years of production experience with Python, Strong experience with asynchronous programming and concurrency (asyncio, race conditions), Hands-on experience with LLMs (function calling, prompt engineering, error analysis), Experience designing AI reliability mechanisms (guardrails, validation, flow control), Practical experience with Pydantic v2, Experience testing non-deterministic systems (scenario testing, quality metrics), Experience with AI development tools (Claude Code, Cursor, Copilot) 📃 Skills: Python, asyncio, LLM, LangGraph, Pydantic, YAML, HTTP, SSE, LiveKit, Datadog, LangSmith, STT, TTS, VAD, Deepgram, Whisper, ElevenLabs, MCP, OpenTelemetry, DeepEval, Docker, Kubernetes, AWS 🏢 Description: Be in IT to firma rekrutacyjna, wyspecjalizowana w poszukiwaniu Specjalistów z branży technologii informatycznych. Obecnie, dla naszego klienta, poszukujemy osoby na stanowisko: AI Agent Engineer Zakres obowiązków: Projektowanie i rozwój workflow agentów AI w oparciu o LangGraph (StateGraph). Budowa i optymalizacja logiki przejść, stanów oraz ścieżek decyzyjnych. Implementacja guardraili zapewniających poprawne działanie LLM (wykrywanie halucynacji, błędów, braków w sekwencji). Tworzenie narzędzi wywoływanych przez LLM (async Python + Pydantic, retry logic, obsługa błędów). Projektowanie i utrzymanie promptów oraz szablonów YAML z dynamicznym kontekstem. Rozwój i utrzymanie frameworka ewaluacyjnego (testy scenariuszowe, metryki jakości). Integracja systemów poprzez MCP (HTTP/SSE, LiveKit RPC). Monitorowanie i optymalizacja wydajności (Datadog, LangSmith, latency <500 ms p95). Współpraca przy rozwoju voice pipeline (STT, TTS, VAD, echo detection). Debugowanie i poprawa zachowania agentów w środowisku produkcyjnym. Oczekujemy: Minimum 4 lata doświadczenia w Pythonie (środowisko produkcyjne). Bardzo dobra znajomość programowania asynchronicznego (asyncio, race conditions, concurrency). Doświadczenie w pracy z LLM (function calling, prompt engineering, analiza błędów). Umiejętność projektowania systemów zapewniających niezawodność AI (guardrails, walidacja, kontrola przepływu). Praktyczna znajomość Pydantic v2. Doświadczenie w testowaniu systemów niedeterministycznych (testy scenariuszowe, metryki jakości). Doświadczenie w pracy z narzędziami AI (np. Claude Code, Cursor, Copilot). Samodzielność i ownership — prowadzenie rozwiązań od projektu do wdrożenia. Mile widziane: LangGraph lub podobne narzędzia orkiestracji. Doświadczenie z Voice AI (np. Deepgram, Whisper, ElevenLabs). Znajomość MCP (Model Context Protocol). Praca z Datadog, LangSmith, OpenTelemetry. DeepEval lub inne frameworki ewaluacyjne. Docker, Kubernetes, AWS. Doświadczenie w startupie. Oferujemy: Długotrwałą współpracę na zasadach B2B - stawka 60-80USD/h. Pracę przy zaawansowanym, produkcyjnym systemie agentów AI (voice + LLM + orchestration). Realny wpływ na architekturę i rozwój produktu od podstaw (greenfield). Środowisko AI-native — praca z wykorzystaniem agentów AI w codziennym developmentcie. Dużą autonomię i odpowiedzialność za rozwiązania end-to-end. Możliwość rozwiązywania złożonych problemów (LLM reliability, real-time systems, orchestration). Współpracę z doświadczonym zespołem technologicznym.

🏢 Summary: Senior GenAI Engineer role focused on designing and implementing enterprise-grade AI solutions based on LLMs, Agentic AI, and Generative AI. The position involves building end-to-end AI architectures, developing AI/ML pipelines, and integrating intelligent systems with cloud and business platforms. The role also covers MLOps practices and advanced NLP-based solutions including RAG architectures. 🗂️ Requirements: Minimum 3 years experience in Data Science / Machine Learning / Artificial Intelligence, Commercial experience with Generative AI, LLMs or Agentic AI, Very good knowledge of Python, Experience with TensorFlow or PyTorch, Experience with Pandas and Scikit-Learn, Experience with at least one agent framework: LangChain, LangGraph, AutoGen or Semantic Kernel, Knowledge of NLP: tokenization, embeddings, semantic search, RAG architectures, Experience with Azure, AWS or GCP, Knowledge of SDLC 📃 Skills: Python, LLMs, GenerativeAI, AgenticAI, TensorFlow, PyTorch, Pandas, ScikitLearn, LangChain, LangGraph, AutoGen, SemanticKernel, NLP, Tokenization, Embeddings, SemanticSearch, RAG, Azure, AWS, GCP, MLOps, CICD, SDLC 🏢 Description: Poszukujemy doświadczonego Senior GenAI Engineera, który będzie odpowiedzialny za projektowanie i wdrażanie nowoczesnych rozwiązań opartych o LLMs, Agentic AI oraz architektury AI enterprise-grade. Zakres obowiązków Projektowanie i rozwój rozwiązań opartych o: Generative AI / Large Language Models (LLMs) / Agentic AI NLP / intelligent automation oraz AI copilots Tworzenie i wdrażanie architektur AI end-to-end Budowa rozwiązań z wykorzystaniem: LangChain / LangGraph / AutoGen / Semantic Kernel oraz innych frameworków agentowych Implementacja i optymalizacja pipeline’ów AI/ML Rozwój praktyk MLOps: CI/CD / monitoring modeli / deployment / observability Integracja modeli AI z rozwiązaniami biznesowymi i platformami cloud Współpraca z zespołami developerskimi, DevOps oraz biznesowymi Rozwijanie nowych podejść i innowacyjnych rozwiązań AI dla klientów enterprise Wymagania Min. 3 lata doświadczenia w obszarze: Data Science / Machine Learning / Artificial Intelligence Doświadczenie komercyjne w obszarze: Generative AI / LLMs / Agentic AI Bardzo dobra znajomość Python Znajomość frameworków: TensorFlow / PyTorch / Pandas / Scikit-Learn Doświadczenie z przynajmniej jednym frameworkiem: LangChain / LangGraph AutoGen / Semantic Kernel lub podobnym Znajomość NLP: tokenization / embeddings / semantic search / RAG architectures Doświadczenie z Azure, AWS lub GCP Znajomość SDLC Bardzo dobra znajomość języka angielskiego Nice to have Doświadczenie w sektorze automotive i/lub financial services Znajomość: Docker / Kubernetes / Git / Azure DevOps Doświadczenie w MLOps i monitoringu modeli AI Znajomość Trusted / Responsible AI Język niemiecki lub francuski

🏢 Summary: The offer is for a Python (AI/ML) Engineer responsible for developing and deploying AI-driven business applications in the Azure cloud environment. The role focuses on building, optimizing and operationalizing AI/ML and LLM-based solutions, including APIs and microservices, with strong emphasis on code quality, testing and DevOps practices. It involves working with Azure AI services to deliver secure, scalable production-ready systems. 🗂️ Requirements: Hands-on experience with Azure AI/ML services (Azure OpenAI, Azure Machine Learning, Cognitive Services), Strong Python experience in AI/ML development, Experience deploying AI models using Docker, Kubernetes and AKS, Experience with CI/CD pipelines and DevOps practices in Azure, Experience building and maintaining RESTful APIs and microservices, Knowledge of Generative AI, LLM and ML, Ability to write and maintain unit tests with high test coverage, English proficiency at minimum B2 level 📃 Skills: Python, Azure, AzureOpenAI, AzureML, CognitiveServices, Docker, Kubernetes, AKS, CI/CD, DevOps, REST, Microservices, LLM, GenerativeAI, ML, NLP 🏢 Description: Wspólnie z naszym Partnerem, jednym z liderów w branży ubezpieczeniowej, poszukujemy osoby na stanowisko Python (AI/ML) Engineer. Projekt dotyczy rozwoju oraz wdrażania aplikacji biznesowych opartych na sztucznej inteligencji w środowisku chmurowym Azure. 📌 Możliwość pracy zdalnej z okazjonalnymi wizytami w biurze (osoby zamieszkujące w okolicy Warszawy/Gdańska - preferowana hybryda raz na tydzień/dwa w biurze) 💡 TWOJA ROLA: Pisanie i utrzymanie testów jednostkowych, zapewnienie odpowiedniego pokrycia testami oraz stosowanie najlepszych praktyk programistycznych (czysty kod, utrzymywalność i optymalizacja wydajności).Tworzenie, rozwijanie i wdrażanie aplikacji opartych na AI/ML z wykorzystaniem usług Azure. Rozwijanie i optymalizowanie rozwiązań opartych na Dużych Modelach Językowych (LLM) dostosowanych do rzeczywistych przypadków biznesowych. Rozwój API i mikroserwisów: Budowanie i utrzymanie API oraz mikroserwisów służących do efektywnego dostarczania rozwiązań AI/ML klientom. Zapewnienie, że wszystkie rozwiązania AI spełniają standardy bezpieczeństwa, wytwarzania oprogramowania i zarządzania. Usprawnianie operacjonalizacji modeli oraz rozwój backendu do inferowania modeli. 🔍 CZEGO OCZEKUJEMY OD CIEBIE? Praktyczne doświadczenie z usługami Azure AI/ML, w tym Azure OpenAI, Azure Machine Learning i Cognitive Services. Znajomość Docker, Kubernetes oraz Azure Kubernetes Service (AKS) w kontekście wdrażania modeli AI. Solidna znajomość pipeline'ów CI/CD oraz najlepszych praktyk DevOps w środowisku Azure. Biegła znajomość języka angielskiego w mowie i piśmie, minimum na poziomie B2. Doświadczenie w tworzeniu i utrzymaniu RESTful API oraz mikroserwisów. Znajomość Generatywnej AI, LLM, ML oraz (opcjonalnie) technologii NLP. Zaawansowana znajomość języka Python w kontekście rozwoju AI/ML. Mile widziane: Praktyczne doświadczenie w zakresie środków bezpieczeństwa AI i zarządzania modelami. Znajomość inżynierii promptów oraz strategii orkiestracji LLM. Doświadczenie w pracy z bazami danych wektorowych. ✨ OFERUJEMY: 🤖 Nowoczesny proces rekrutacji z AI Rekruterem (AIR) – podczas aplikacji możesz odbyć rozmowę z wirtualnym rekruterem 24/7, bez czekania na telefon, z natychmiastowym feedbackiem i możliwością powtórzenia rozmowy (liczy się ostatnia wersja). Finalną decyzję zawsze podejmuje Rekruter Connectis. Możliwość pracy zdalnej z okazjonalnymi wizytami w biurze (osoby zamieszkujące w okolicy Warszawy/Gdańska - preferowana hybryda raz na tydzień/dwa w biurze) Możliwość uczestnictwa w spotkaniach integracyjnych oraz meetupach technologicznych, umożliwiających dzielenie się wiedzą i doświadczeniem. Wsparcie dedykowanej osoby kontaktowej z Connectis, dostępnej w celu pomocy w sprawach związanych z projektem. Pracę w zespole ekspertów, w środowisku sprzyjającym wymianie wiedzy. 5000 PLN za polecenie znajomych do naszych projektów. Stabilną, długofalową współpracę w oparciu B2B. Proces zdalny. Dziękujemy za wszystkie zgłoszenia. Pragniemy poinformować że skontaktujemy się z wybranymi osobami.

🏢 Summary: The role involves designing, developing, and deploying AI and LLM-based solutions in a cloud environment, with a focus on building and enhancing Data, Analytics, MLOps, and LLMOps platforms. The position covers full lifecycle management of machine learning and language models, including deployment, monitoring, and optimization. The engineer will contribute to data architecture and distributed systems supporting AI-driven products. 🗂️ Requirements: Experience as LLM Engineer or similar AI/Data role, Around 3 years of experience with Python, Experience building Data, Analytics, MLOps or LLMOps platforms in cloud environments, Experience with Azure cloud, Knowledge of full ML model lifecycle management in cloud, Experience with Big Data open-source tools: Kafka, Airflow, Presto, Spark, Experience in database design and data modeling, Experience working with distributed systems 📃 Skills: Python, Azure, LLM, AI, MLOps, LLMOps, Kafka, Airflow, Presto, Spark, SQL, BigData 🏢 Description: Dla naszego klienta, innowacyjnej firmy z branży ubezpieczeniowej, poszukujemy : AI / LLM Engineera Zakres obowiązków: Projektowanie, rozwój i wdrażanie rozwiązań opartych o LLM oraz technologie AI w środowisku chmurowym, Tworzenie i rozwój komponentów wspierających budowę nowoczesnych platform Data / Analytics / MLOps / LLMOps, Zarządzanie cyklem życia modeli machine learningowych i rozwiązań opartych o modele językowe, w tym ich wdrażaniem, monitorowaniem i optymalizacją, Współpraca przy budowie i doskonaleniu procesów automatyzujących rozwój, testowanie i utrzymanie rozwiązań AI, Współpraca z zespołami Data, Analytics oraz IT w celu zapewnienia spójności architektury i wysokiej jakości dostarczanych rozwiązań, Udział w projektowaniu architektury danych i rozwiązań rozproszonych wspierających rozwój produktów opartych o AI. Wymagania Doświadczenie na stanowisku LLM Engineer lub w zbliżonej roli z obszaru danych i AI, Około 3 lata doświadczenia z Pythonem, Doświadczenie w tworzeniu i rozwijaniu platform z obszaru Data, Analytics, MLOps lub LLMOps w środowisku chmurowym, preferencyjnie Azure, Znajomość zagadnień związanych z pełnym cyklem życia modeli machine learningowych, w tym ich wdrażaniem, utrzymaniem oraz monitoringiem w środowisku chmurowym, Doświadczenie w pracy z narzędziami open source wykorzystywanymi w ekosystemie Big Data, takimi jak Kafka, Airflow, Presto, Spark, Doświadczenie w projektowaniu baz danych, modelowaniu danych oraz pracy z systemami rozproszonymi, Samodzielność, inicjatywa oraz umiejętność efektywnej pracy w zespole. Pracodawca oferuje: Zatrudnienie w oparciu o umowę o pracę lub B2B, Atrakcyjne wynagrodzenie, Pracę w trybie hybrydowym lub zdalnym, Elastyczne godziny rozpoczęcia pracy, Pracę w zespole rozwijającym innowacje cyfrowe w obszarze ubezpieczeń, Realną autonomię i wpływ na kierunek rozwoju platformy oraz rozwiązań biznesowych, Dostęp do nowoczesnych narzędzi i rozwiązań cloud-native, Obszerny pakiet benefitów pozapłacowych: prywatna opieka medyczna, karta sportowa, dofinansowanie do szkoleń/studiów/kursów językowych, Zniżki na produkty własne.

🏢 Summary: AI Engineer role focused on developing and enhancing ML and GenAI/LLM-based solutions for fraud detection, anomaly detection, and transaction analytics in the banking sector. The position involves building scalable applications, creating and optimizing machine learning models, and analyzing large-scale data sets. Work is primarily remote with periodic onsite collaboration. 🗂️ Requirements: Higher education degree in ComputerScience, Mathematics, Physics or related field, Minimum 3 years of commercial experience in DataScience, Experience in building and evaluating MachineLearning models, Hands-on experience with LLM and GenAI models and Embeddings, Strong programming skills in Python 📃 Skills: Python, MachineLearning, DataScience, LLM, GenAI, Embeddings, Spark, Hadoop, Hive, Azure, FastAPI, Spring, REST, PowerBI, CICD 🏢 Description: AI Engineer (GenAI, LLM) Na potrzeby projektów z obszaru dużych modeli językowych LLM/Gen AI poszukujemy osób na stanowisko AI Engineer. Obecnie nasz klient - lider innowacyjnych rozwiązań bankowych pracuje nad autorskim systemem do detekcji fraudów, detekcji anomalii oraz analityki w transakcjach klientów. Lokalizacja: Praca zdalna + praca zespołowa z biura w Warszawie (2x w miesiącu) Główne zadania Rozwój aplikacji, które dotykają milionów klientów każdego dnia Pisanie kodu z dbałością o każdy szczegół Tworzenie nowych modeli ML lub rozwój już istniejących Rozwiązywanie problemów, z którymi nie radzą sobie inne zespoły Analiza TB danych w celu poprawy jakości rozwiązań - oferujemy dużą przestrzeń do pracy kreatywnej Oczekiwania Wykształcenie wyższe na kierunku informatyka, fizyka, matematyka, lub pokrewnym (warunek konieczny) Min. 3 lata doświadczenia komercyjnego w zakresie tworzenia rozwiązań Data Science Wiedza z zakresu tworzenia modeli uczenia maszynowego oraz ich ewaluacji Doświadczenie z dużymi modelami językowymi (LLM), embedingami oraz modelami GenAI Doświadczenie w programowaniu z wykorzystaniem Python Ciągła chęć rozwoju, odpowiedzialność, kreatywność oraz pomysłowość Biegła znajomość j. polskiego, dobra znajomość j. angielskiego Mile widziane: doświadczenie przy pisaniu aplikacji RESTowych (np. Spring albo FastAPI) Doświadczenie w pracy z narzędziami Big Data: Spark, Hadoop, Hive etc. doświadczenie w pracy w chmurze Azure doświadczenie w pracy z PowerBi doświadczenie w pracy z narzędziami CI/CD Oferujemy Stałe wsparcie osobistego agenta , dbającego o Twoją ciągłość projektową, kontakt z klientem, niezbędne formalności, komfort pracy oraz rozwój Stabilny projekt i długofalową współpracę w oparciu o umowę o pracę Rozwój zawodowy nie tylko podczas projektu – możesz zaangażować się w przekazywanie wiedzy innym w ramach oferty 7N Services kierowanej do klientów 7N Dostęp do 7N Learning & Development – platformy rozwojowo-edukacyjnej z webinarami, biblioteką artykułów i raportów branżowych oraz zaproszeniami na wydarzenia rozwojowe – techniczne, biznesowe oraz life-stylowe Udział w wybranych eventach organizowanych przez klienta (wyjazdy integracyjne, spotkania świąteczne) oraz 7N (eventy sportowe) Relacje i dostęp do wiedzy najbardziej doświadczonych ekspertów IT na rynku Narzędzia niezbędne do świadczenia usług Pracę hybrydową z przewagą pracy zdalnej z dowolnego miejsca w Polsce (90%) Spotkanie zespołowe w biurze klienta w Warszawie raz na 2 tygodnie Pakiet benefitów zaplanowany od A do Z, czyli dofinansowanie do opieki medycznej, ubezpieczenia na życie, karty sportowej dla Ciebie i Twoich bliskich, a także zniżki do sklepów w Polsce i za granicą.

🏢 Summary: Tech Lead AI responsible for designing and scaling GenAI systems based on Python, leading a team in building LLM-powered solutions such as chatbots, AI agents, and RAG systems. The role focuses on architecture, optimization, and integration of AI solutions with scalable backend and cloud environments. It combines hands-on development of advanced AI systems with technical leadership and strategic technology direction. 🗂️ Requirements: Minimum 6 years in software engineering, At least 2 years in Lead/Staff/Principal/Manager role, Expertise in Python, Experience with ML/AI frameworks, Experience building and optimizing LLM systems, Experience with chatbots, AI agents and RAG, Knowledge of scalable APIs and distributed systems, Experience with cloud platforms, Experience with Docker and Kubernetes, Experience with fine-tuning AI models, Knowledge of LangChain and LlamaIndex, Experience with MLOps and CI/CD for AI, Ability to design system architecture and conduct code reviews 📃 Skills: Python, Django, FastAPI, Flask, TensorFlow, PyTorch, HuggingFace, LLM, RAG, LangChain, LlamaIndex, OpenAI, Anthropic, Mistral, LLaMA, AWS, GCP, Azure, Docker, Kubernetes, MLOps, CI/CD, Prompting 🏢 Description: O roli Szukamy Tech Leada AI z silnym doświadczeniem w Pythonie , który będzie odpowiedzialny za architekturę i rozwój systemów opartych na GenAI . Osoba na tym stanowisku pokieruje zespołem inżynierów, wdrażając nowoczesne rozwiązania oparte na LLM, chatbotach, agentach AI i systemach RAG . Twoim zadaniem będzie tworzenie, optymalizacja i skalowanie systemów AI , a także aktywna współpraca z zespołami produktowymi, badawczymi i biznesowymi. Rola wymaga silnego technicznego leadershipu , strategicznego myślenia oraz umiejętności przekładania celów biznesowych na efektywne rozwiązania inżynieryjne . Twoje zadania 🔹 Projektowanie i rozwój systemów GenAI: Tworzenie architektury i infrastruktury AI opartych na Pythonie. Optymalizacja wydajności i skalowalności LLM, chatbotów, agentów AI oraz systemów RAG . Integracja rozwiązań AI z systemami backendowymi i produktami cyfrowymi. 🔹 Zarządzanie zespołem i technologią: Techniczne prowadzenie zespołu programistów, zapewnienie code quality i best practices . Mentoring i rozwój zespołu w zakresie technologii GenAI. Definiowanie roadmapy technologicznej i priorytetów zespołu. 🔹 Innowacje i strategia: Badanie i wdrażanie najnowszych frameworków oraz modeli LLM (np. OpenAI, Anthropic, Mistral, LLaMA). Tworzenie customowych modeli AI oraz optymalizacja procesów inferencji. Eksploracja możliwości fine-tuningu LLM oraz strategii prompt engineeringu . 🔹 Współpraca z biznesem i produktami: Ścisła współpraca z zespołami data science, ML i produktowymi . Konsultowanie architektury i strategii AI z interesariuszami biznesowymi. Tworzenie AI-driven rozwiązań , które realnie wpływają na użytkowników. Czego oczekujemy? Min. 6 lat doświadczenia w inżynierii oprogramowania , w tym 2+ lat jako Lead/ Staff/ Principal lub Manager. Ekspertyza w Pythonie (Django, FastAPI, Flask) oraz frameworkach ML/AI (TensorFlow, PyTorch, Hugging Face). Doświadczenie w tworzeniu i optymalizacji LLM, chatbotów, agentów AI, RAG . Znajomość architektur skalowalnych API i systemów rozproszonych . Doświadczenie w pracy z chmurami (AWS, GCP, Azure) i konteneryzacją (Docker, Kubernetes). Umiejętność prowadzenia code review, architektury rozwiązań i strategii technologicznej . Świetne zdolności komunikacyjne i współpracy z różnymi działami. Doświadczenie w fine-tuningu modeli AI i strategiach retrieval-augmented generation (RAG) . Znajomość technologii LangChain, LlamaIndex, Prompt Engineering . Background w MLOps, CI/CD dla AI .

🏢 Summary: B2B offer for a Voice Agent AI Engineer to design and develop production-grade voice AI agents using LLMs, orchestration frameworks, and real-time pipelines. The role focuses on building reliable, low-latency AI workflows with strong guardrails, evaluation frameworks, and system integrations. You will own end-to-end development of AI agents in a greenfield, AI-native environment. 🗂️ Requirements: Minimum 4 years of commercial experience with Python in production, Strong knowledge of asynchronous programming (asyncio, concurrency, race conditions), Hands-on experience with LLMs (function calling, prompt engineering, error analysis), Experience designing reliable AI systems (guardrails, validation, flow control), Practical experience with Pydantic v2, Experience testing non-deterministic systems (scenario tests, quality metrics), Experience with AI development tools (e.g. Claude Code, Cursor, Copilot) 📃 Skills: Python, asyncio, Concurrency, LLM, Prompting, FunctionCalling, Pydantic, LangGraph, StateGraph, MCP, HTTP, SSE, LiveKit, YAML, Datadog, LangSmith, OpenTelemetry, DeepEval, Docker, Kubernetes, AWS, Whisper, Deepgram, ElevenLabs, Guardrails 🏢 Description: Be in IT to firma rekrutacyjna, wyspecjalizowana w poszukiwaniu Specjalistów z branży technologii informatycznych. Obecnie, dla naszego klienta, poszukujemy osoby na stanowisko: Voice Agent AI Engineer Zakres obowiązków: Projektowanie i rozwój workflow agentów AI w oparciu o LangGraph (StateGraph). Budowa i optymalizacja logiki przejść, stanów oraz ścieżek decyzyjnych. Implementacja guardraili zapewniających poprawne działanie LLM (wykrywanie halucynacji, błędów, braków w sekwencji). Tworzenie narzędzi wywoływanych przez LLM (async Python + Pydantic, retry logic, obsługa błędów). Projektowanie i utrzymanie promptów oraz szablonów YAML z dynamicznym kontekstem. Rozwój i utrzymanie frameworka ewaluacyjnego (testy scenariuszowe, metryki jakości). Integracja systemów poprzez MCP (HTTP/SSE, LiveKit RPC). Monitorowanie i optymalizacja wydajności (Datadog, LangSmith, latency <500 ms p95). Współpraca przy rozwoju voice pipeline (STT, TTS, VAD, echo detection). Debugowanie i poprawa zachowania agentów w środowisku produkcyjnym. Oczekujemy: Minimum 4 lata doświadczenia w Pythonie (środowisko produkcyjne). Bardzo dobra znajomość programowania asynchronicznego (asyncio, race conditions, concurrency). Doświadczenie w pracy z LLM (function calling, prompt engineering, analiza błędów). Umiejętność projektowania systemów zapewniających niezawodność AI (guardrails, walidacja, kontrola przepływu). Praktyczna znajomość Pydantic v2. Doświadczenie w testowaniu systemów niedeterministycznych (testy scenariuszowe, metryki jakości). Doświadczenie w pracy z narzędziami AI (np. Claude Code, Cursor, Copilot). Samodzielność i ownership — prowadzenie rozwiązań od projektu do wdrożenia. Mile widziane: LangGraph lub podobne narzędzia orkiestracji. Doświadczenie z Voice AI (np. Deepgram, Whisper, ElevenLabs). Znajomość MCP (Model Context Protocol). Praca z Datadog, LangSmith, OpenTelemetry. DeepEval lub inne frameworki ewaluacyjne. Docker, Kubernetes, AWS. Doświadczenie w startupie. Oferujemy: Długotrwałą współpracę na zasadach B2B - stawka 60-80 USD/h. Pracę przy zaawansowanym, produkcyjnym systemie agentów AI (voice + LLM + orchestration). Realny wpływ na architekturę i rozwój produktu od podstaw (greenfield). Środowisko AI-native — praca z wykorzystaniem agentów AI w codziennym developmentcie. Dużą autonomię i odpowiedzialność za rozwiązania end-to-end. Możliwość rozwiązywania złożonych problemów (LLM reliability, real-time systems, orchestration). Współpracę z doświadczonym zespołem technologicznym.

🏢 Summary: Mid/Senior AI Automation Engineer role focused on building internal automation tools using backend technologies and GenAI solutions. The position involves developing Python-based workers, integrating LLM/RAG systems, and designing scalable architectures integrated with PHP applications. Work includes rapid prototyping, implementing production-grade solutions, and maintaining high code quality standards in a dynamic environment. 🗂️ Requirements: Commercial experience with PHP (Laravel or Symfony), Commercial experience with Python and FastAPI, Experience integrating and deploying LLM and GenAI solutions, Experience building and integrating ML models (e.g. classifiers), Experience designing REST APIs and GraphQL integrations, Experience working with MySQL or PostgreSQL, Experience with queue systems (Redis or RabbitMQ), Experience with Docker and Docker Compose, Experience with Git and GitFlow, Experience with CI/CD (GitLab CI/CD), Knowledge of OOP and SOLID principles, Experience working with ORM 📃 Skills: Python, PHP, Laravel, Symfony, FastAPI, LLM, RAG, GenAI, LabelStudio, REST, GraphQL, MySQL, PostgreSQL, Redis, RabbitMQ, Docker, Git, GitLab, CI/CD, ORM, Selenium, Langflow 🏢 Description: Cześć , nazywam się Mateusz i jestem Tech Leadem zespołu odpowiedzialnego za automatyzację w naszej firmie. Szukam AI Automatization Engineera na poziomie Mid lub Senior. Potrzebuję osoby, która nie tylko swobodnie porusza się w backendzie, ale też dobrze rozumie, jak działają modele sztucznej inteligencji, potrafi wdrażać rozwiązania GenAI i budować proste modele, na przykład klasyfikatory integrowane przez Label Studio ML backend. Tworzymy wewnętrzne narzędzia optymalizujące pracę różnych działów biznesowych. Używamy technologii takich jak LLM, RAG czy agenty AI dokładnie tam, gdzie ma to sens biznesowy. Jeśli dany problem można rozwiązać szybciej i taniej zwykłym skryptem w Pythonie albo automatyzacją w Selenium, wybieramy prostszą drogę. Stawiamy na pełne OOP, a nasz stack ma bardzo precyzyjnie podzielone role. PHP z frameworkami Laravel lub Symfony służy nam jako główna baza aplikacji, gdzie często tworzymy projekt, wyznaczamy kierunek architektoniczny i przekazujemy go innym zespołom specjalizującym się stricte w PHP. Z kolei jesteśmy jedynym zespołem w firmie utrzymującym aplikacje w Pythonie, których używamy jako workerów opierając się na frameworku FastAPI, gdzie przetwarzamy dane, komunikujemy się z modelami GenAI i piszemy nasze własne dedykowane modele. Nasz backend w PHP integruje się z workerami w Pythonie oraz pozostałymi platformami przy użyciu REST API, z kolei GraphQL wykorzystujemy do łączności z frontendem w React, tworzonym przez dedykowany zespół frontendowy. Pod spodem mamy bazę MySQL lub PostgreSQL, a narzędzie do kolejkowania dobieramy do wielkości danych. Często wystarcza prosta kolejka bazodanowa lub Redis, a po RabbitMQ sięgamy tylko wtedy, gdy jest to absolutnie konieczne. Korzystamy z GitLab CI oraz CD, przy tworzeniu paczek używamy GitLab Package Registry, a przy tworzeniu aplikacji wykorzystujemy GitLab Container Registry. Pracujemy całkowicie wewnątrz naszej organizacji. Wymagania projektowe potrafią zmieniać się dość dynamicznie, a elastyczna architektura to nasz sposób na sprawną implementację nowych funkcjonalności. Co więcej, często zdarza się, że początkowe założenia biznesowe nie są tak precyzyjne jak byśmy tego oczekiwali. W takich sytuacjach chętnie sięgamy po aplikacje typu Langflow, żeby szybko stworzyć pierwsze iteracje i prototypy. Pozwala nam to w formie Low Code błyskawicznie sprawdzić, czy dane rozwiązanie spełnia wymagania biznesowe i ewentualnie dynamicznie je dostosować. Dopiero w kolejnych iteracjach, mając już zebrane i pewne wymagania z takiego prototypu, planujemy w pełni poprawną architekturę i kodujemy nową aplikację, która ostatecznie zastępuje proste i ograniczone rozwiązanie Low Code. Szukam osoby, która świetnie odnajdzie się w takiej dynamice i zrozumie, że czasem trzeba iść na kompromis. Stosujemy zasady DRY, KISS, YAGNI oraz pełne SOLID, a nasz kod musi być samoopisujący. Kodem zarządzamy przez Git i GitFlow, a do kontaktu z bazą danych wykorzystujemy ORM. Korzystamy ze Dotenv, a każdy projekt musi posiadać wirtualne środowisko oparte o Docker i Docker Compose. Nasz zespół ma płaską strukturę, wszyscy mają równy głos, a komunikacja jest bezpośrednia. Pracujemy w dwutygodniowych iteracjach. Stosujemy praktyki takie jak programowanie w parach i ciągła integracja. Dokumentację na GitLab WIKI ograniczamy do absolutnego minimum, skupiając się na wizji architektonicznej, weryfikowaniu pomysłów przez prototypy i jasnej specyfikacji wymagań. Codzienną pracę opieramy na tablicy Kanban z czytelnym przepływem zadań. Zespół dzieli się na Tech Leada, Developerów Prowadzących, Principal Developerów i Developerów. Developer Prowadzący to osoba przypisana do konkretnego projektu i wraz ze mną ma ogromny wpływ na jego kształtowanie. Z kolei Principal Developer skupia się na konkretnym języku lub technologii w obrębie całego zespołu i wspólnie ze mną dba o jakość kodu. Absolutnie nie akceptujemy zjawiska vibe codingu. Jako programista musisz dokładnie rozumieć, jak działa napisany przez Ciebie lub wygenerowany kod. Nasze dane i logika biznesowa muszą pozostać lokalnie w firmie, dlatego mamy restrykcyjną politykę korzystania z asystentów AI. Naszą preferowaną formą czatu z AI są rozwiązania lokalne. Oczekuję komercyjnego doświadczenia w wymienionych technologiach. W zamian dajemy stabilne warunki i świetne narzędzia, w tym pełen dostęp do All Products Pack od JetBrains, żebyś mógł pracować w najlepszym środowisku. Od razu otrzymujesz 26 dni urlopu niezależnie od formy współpracy. Dodatkowo oferujemy premie za osiągnięcia w ramach naszego systemu jakościowego. Inwestujemy w budżet szkoleniowy i zapewniamy elastyczny system kafeteryjny, z którego sam dobierasz sobie benefity. Zostaw swoje CV i porozmawiajmy o szczegółach.

🏢 Summary: Offer for a Mid/Senior AI Automation Engineer responsible for building and integrating AI-driven automation tools and backend systems within internal business applications. The role combines backend development with implementation of GenAI solutions, custom ML models, and AI agents in a dynamic, prototype-driven environment. Work includes designing scalable architecture, developing Python workers and PHP backends, and integrating AI models via APIs. 🗂️ Requirements: Commercial experience in PHP and Python, Experience with Laravel or Symfony, Experience with FastAPI, Practical knowledge of LLM and GenAI solutions, Ability to build and integrate ML models, Experience with REST API and GraphQL, Experience with MySQL or PostgreSQL, Experience with Docker and Docker Compose, Experience with Git and GitFlow, Knowledge of OOP and SOLID principles, Experience with ORM, Experience with CI/CD pipelines 📃 Skills: PHP, Python, Laravel, Symfony, FastAPI, LLM, GenAI, RAG, Langflow, LabelStudio, REST, GraphQL, MySQL, PostgreSQL, Redis, RabbitMQ, Docker, Git, GitLab, CI/CD, ORM, Selenium 🏢 Description: Cześć , nazywam się Mateusz i jestem Tech Leadem zespołu odpowiedzialnego za automatyzację w naszej firmie. Szukam AI Automatization Engineera na poziomie Mid lub Senior. Potrzebuję osoby, która nie tylko swobodnie porusza się w backendzie, ale też dobrze rozumie, jak działają modele sztucznej inteligencji, potrafi wdrażać rozwiązania GenAI i budować proste modele, na przykład klasyfikatory integrowane przez Label Studio ML backend. Tworzymy wewnętrzne narzędzia optymalizujące pracę różnych działów biznesowych. Używamy technologii takich jak LLM, RAG czy agenty AI dokładnie tam, gdzie ma to sens biznesowy. Jeśli dany problem można rozwiązać szybciej i taniej zwykłym skryptem w Pythonie albo automatyzacją w Selenium, wybieramy prostszą drogę. Stawiamy na pełne OOP, a nasz stack ma bardzo precyzyjnie podzielone role. PHP z frameworkami Laravel lub Symfony służy nam jako główna baza aplikacji, gdzie często tworzymy projekt, wyznaczamy kierunek architektoniczny i przekazujemy go innym zespołom specjalizującym się stricte w PHP. Z kolei jesteśmy jedynym zespołem w firmie utrzymującym aplikacje w Pythonie, których używamy jako workerów opierając się na frameworku FastAPI, gdzie przetwarzamy dane, komunikujemy się z modelami GenAI i piszemy nasze własne dedykowane modele. Nasz backend w PHP integruje się z workerami w Pythonie oraz pozostałymi platformami przy użyciu REST API, z kolei GraphQL wykorzystujemy do łączności z frontendem w React, tworzonym przez dedykowany zespół frontendowy. Pod spodem mamy bazę MySQL lub PostgreSQL, a narzędzie do kolejkowania dobieramy do wielkości danych. Często wystarcza prosta kolejka bazodanowa lub Redis, a po RabbitMQ sięgamy tylko wtedy, gdy jest to absolutnie konieczne. Korzystamy z GitLab CI oraz CD, przy tworzeniu paczek używamy GitLab Package Registry, a przy tworzeniu aplikacji wykorzystujemy GitLab Container Registry. Pracujemy całkowicie wewnątrz naszej organizacji. Wymagania projektowe potrafią zmieniać się dość dynamicznie, a elastyczna architektura to nasz sposób na sprawną implementację nowych funkcjonalności. Co więcej, często zdarza się, że początkowe założenia biznesowe nie są tak precyzyjne jak byśmy tego oczekiwali. W takich sytuacjach chętnie sięgamy po aplikacje typu Langflow, żeby szybko stworzyć pierwsze iteracje i prototypy. Pozwala nam to w formie Low Code błyskawicznie sprawdzić, czy dane rozwiązanie spełnia wymagania biznesowe i ewentualnie dynamicznie je dostosować. Dopiero w kolejnych iteracjach, mając już zebrane i pewne wymagania z takiego prototypu, planujemy w pełni poprawną architekturę i kodujemy nową aplikację, która ostatecznie zastępuje proste i ograniczone rozwiązanie Low Code. Szukam osoby, która świetnie odnajdzie się w takiej dynamice i zrozumie, że czasem trzeba iść na kompromis. Stosujemy zasady DRY, KISS, YAGNI oraz pełne SOLID, a nasz kod musi być samoopisujący. Kodem zarządzamy przez Git i GitFlow, a do kontaktu z bazą danych wykorzystujemy ORM. Korzystamy ze Dotenv, a każdy projekt musi posiadać wirtualne środowisko oparte o Docker i Docker Compose. Nasz zespół ma płaską strukturę, wszyscy mają równy głos, a komunikacja jest bezpośrednia. Pracujemy w dwutygodniowych iteracjach. Stosujemy praktyki takie jak programowanie w parach i ciągła integracja. Dokumentację na GitLab WIKI ograniczamy do absolutnego minimum, skupiając się na wizji architektonicznej, weryfikowaniu pomysłów przez prototypy i jasnej specyfikacji wymagań. Codzienną pracę opieramy na tablicy Kanban z czytelnym przepływem zadań. Zespół dzieli się na Tech Leada, Developerów Prowadzących, Principal Developerów i Developerów. Developer Prowadzący to osoba przypisana do konkretnego projektu i wraz ze mną ma ogromny wpływ na jego kształtowanie. Z kolei Principal Developer skupia się na konkretnym języku lub technologii w obrębie całego zespołu i wspólnie ze mną dba o jakość kodu. Absolutnie nie akceptujemy zjawiska vibe codingu. Jako programista musisz dokładnie rozumieć, jak działa napisany przez Ciebie lub wygenerowany kod. Nasze dane i logika biznesowa muszą pozostać lokalnie w firmie, dlatego mamy restrykcyjną politykę korzystania z asystentów AI. Naszą preferowaną formą czatu z AI są rozwiązania lokalne. Oczekuję komercyjnego doświadczenia w wymienionych technologiach. W zamian dajemy stabilne warunki i świetne narzędzia, w tym pełen dostęp do All Products Pack od JetBrains, żebyś mógł pracować w najlepszym środowisku. Od razu otrzymujesz 26 dni urlopu niezależnie od formy współpracy. Dodatkowo oferujemy premie za osiągnięcia w ramach naszego systemu jakościowego. Inwestujemy w budżet szkoleniowy i zapewniamy elastyczny system kafeteryjny, z którego sam dobierasz sobie benefity. Zostaw swoje CV i porozmawiajmy o szczegółach.

🏢 Summary: The offer is for an MLOps / AI Engineer to design, implement and maintain AI/ML solutions for banking and financial sector projects. The role focuses on building MLOps environments, automating training and deployment processes, and managing cloud-based AI infrastructure in production. You will support the full lifecycle of ML models, including monitoring and optimization in production environments. 🗂️ Requirements: 3–4 years of experience as MLOps Engineer, AI Engineer, Machine Learning Engineer or similar, Strong knowledge of Python, Experience building and maintaining ML solutions in production environments, Experience with Docker and containerization, Experience with AWS, Azure or Google Cloud Platform, Knowledge of CI/CD and deployment automation, Experience working with Git, Knowledge of AI/ML model monitoring in production 📃 Skills: Python, Docker, AWS, Azure, GCP, CICD, Git, MLOps, MachineLearning, Monitoring, Cloud 🏢 Description: O projekcie Poszukujemy MLOps / AI Engineera do realizacji innowacyjnych projektów dla sektora bankowego i finansowego. Osoba na tym stanowisku będzie odpowiedzialna za projektowanie, wdrażanie oraz utrzymanie rozwiązań opartych o sztuczną inteligencję, uczenie maszynowe oraz nowoczesne platformy danych. Będziesz współpracować z zespołami Data Science, Data Engineering i DevOps, wspierając cały cykl życia modeli AI – od budowy środowisk treningowych po wdrożenie modeli na środowiska produkcyjne. Twój zakres obowiązków Projektowanie i rozwój środowisk MLOps wspierających wdrażanie modeli AI/ML Automatyzacja procesów trenowania, testowania oraz wdrażania modeli Budowa i utrzymanie pipeline'ów ML oraz Data Pipelines Monitorowanie jakości, wydajności i stabilności modeli produkcyjnych Współpraca z Data Scientistami oraz zespołami developerskimi Implementacja rozwiązań opartych o Generative AI i Large Language Models (LLM) Zarządzanie infrastrukturą chmurową wspierającą rozwiązania AI Tworzenie dokumentacji technicznej oraz dobrych praktyk w zakresie AI Engineering Optymalizacja kosztów i wydajności środowisk AI/ML Nasze wymagania Minimum 3–4 lata doświadczenia na stanowisku MLOps Engineer, AI Engineer, Machine Learning Engineer lub pokrewnym Bardzo dobra znajomość Python Doświadczenie w budowie i utrzymaniu rozwiązań Machine Learning w środowiskach produkcyjnych Znajomość Docker oraz konteneryzacji aplikacji Doświadczenie z platformami chmurowymi AWS, Azure lub Google Cloud Platform Znajomość CI/CD oraz automatyzacji procesów wdrożeniowych Doświadczenie w pracy z Git Znajomość zagadnień związanych z monitoringiem modeli AI Umiejętność współpracy z zespołami Data Science i Engineering Znajomość języka angielskiego na poziomie B2–C1 Mile widziane Doświadczenie z MLflow Znajomość Apache Airflow Doświadczenie z Kubernetes Praktyczna znajomość PyTorch lub TensorFlow Doświadczenie z Large Language Models (LLM) Znajomość frameworków takich jak LangChain, LangGraph lub LlamaIndex Doświadczenie z bazami wektorowymi (Pinecone, Weaviate, ChromaDB, Qdrant) Znajomość rozwiązań RAG (Retrieval-Augmented Generation) Doświadczenie w projektach Generative AI Znajomość Apache Kafka Doświadczenie w sektorze bankowym lub finansowym Oferujemy Udział w nowoczesnych projektach związanych ze sztuczną inteligencją i uczeniem maszynowym Możliwość pracy zdalnej lub hybrydowej Elastyczne godziny pracy Stabilną współpracę przy długoterminowych projektach Możliwość rozwoju kompetencji w obszarze AI, MLOps i Generative AI Pracę z najnowszymi technologiami chmurowymi i rozwiązaniami AI Współpracę z ekspertami Data Science, AI oraz Cloud Engineering Realny wpływ na rozwój innowacyjnych produktów i usług Atrakcyjne wynagrodzenie adekwatne do doświadczenia i kompetencji Jeżeli chcesz rozwijać rozwiązania oparte na sztucznej inteligencji, wdrażać modele ML na skalę produkcyjną oraz uczestniczyć w projektach wykorzystujących Generative AI i LLM – zapraszamy do aplikowania.