GenAI Engineer – Chat with Data & NL2SQL

Quick Facts

• B2B: współpraca w modelu B2B

Description

Dołączysz do zespołu rozwijającego rozwiązanie „chat with data”, które umożliwia użytkownikom zadawanie pytań o dane w języku naturalnym. Będziesz pracować nad interpretacją intencji, generowaniem i bezpiecznym wykonywaniem zapytań oraz oceną jakości odpowiedzi. Będziesz również wspierać rozwój Unstructured Data Repository (UDR), czyli platformy do przetwarzania, przechowywania i udostępniania danych niestrukturalnych, takich jak dokumenty, obrazy i nagrania audio, wykorzystywanych następnie przez rozwiązania AI.

Responsibilities

• Projektowanie i rozwój rozwiązania „chat with data”, w szczególności mechanizmów NL2SQL i conversational analytics
• Budowa usług wykorzystujących LLM oraz integracja modeli z danymi i systemami firmowymi
• Tworzenie zabezpieczeń ograniczających halucynacje, błędne zapytania i nieuprawniony dostęp do danych
• Rozwój rozwiązań RAG, obejmujących chunking, embeddingi, wyszukiwanie semantyczne i re-ranking
• Projektowanie testów i ewaluacji jakości rozwiązań GenAI
• Optymalizacja jakości, wydajności i kosztów zapytań BigQuery
• Tworzenie usług i integracji API w Javie i/lub Pythonie
• Wsparcie UDR w zakresie przetwarzania dokumentów, obrazów i nagrań audio, ekstrakcji treści i metadanych oraz udostępniania wyników rozwiązaniom AI
• Integracja modeli AI z procesami przetwarzania danych niestrukturalnych
• Wdrażanie, monitorowanie i utrzymywanie rozwiązań zgodnie z podejściem DevSecOps

Requirements

• Bardzo dobra znajomość Javy i/lub Pythona
• Praktyczne doświadczenie w budowie rozwiązań wykorzystujących LLM
• Znajomość co najmniej jednego frameworka: LangChain4j, Google ADK, Pydantic AI lub Spring AI
• Znajomość Google BigQuery (SQL, modelowanie danych, optymalizacja kosztów i wydajności)
• Doświadczenie w tworzeniu usług i integracji REST API
• Umiejętność testowania i diagnozowania systemów opartych na LLM
• Znajomość dobrych praktyk tworzenia, wdrażania i utrzymywania oprogramowania

Benefits

• Mile widziane: NL2SQL, conversational analytics lub rozwiązania BI-as-chat
• Mile widziane: RAG, embeddingów, chunkingu i re-rankingu; przetwarzanie dokumentów/obrazów/nagrań audio (OCR, ekstrakcja tekstu, transkrypcja)
• Mile widziane: ewaluacja systemów GenAI (testy offline i online, wersjonowanie promptów)
• Mile widziane: semantic lub metrics layer, cache’owanie i preagregacja, MCP oraz architektury agentowe
• Mile widziane: bazy wektorowe (Qdrant, Pinecone, Weaviate, Milvus) oraz bazy grafowe (Neo4j, GraphRAG)
• Mile widziane: FastAPI, Kubernetes, Cloud Run, Pub/Sub
• Mile widziane: Rust
• Mile widziane: środowisko regulowane (audyt, klasyfikacja danych, kontrola dostępu, ochrona danych wrażliwych)
• Nie oczekujemy znajomości wszystkich wymienionych technologii; szukamy osoby z solidnymi podstawami inżynierii oprogramowania i praktycznym doświadczeniem w pracy z LLM, gotowej rozwijać się w obszarze „chat with data”, danych niestrukturalnych oraz AI.