Applied AI Engineer (tutte le identità di genere)

Costruisci i sistemi che rendono l'IA realmente operativa in ambienti aziendali, non demo, non prototipi che si fermano dopo un pilota, ma architetture agentiche in produzione che girano all'interno di vere organizzazioni clienti. La differenza tra un AI Engineer e ciò che stiamo cercando è semplice: hai rilasciato un sistema multi-agente in produzione, hai gestito l'eval harness e sai cosa succede quando il tuo agente fallisce alle 2 del mattino perché l'hai vissuto.

In qualità di AI Engineer (Agentic/Applied), progetterai, costruirai e distribuirai sistemi di IA agentica di grado produttivo attraverso l'intero stack tecnologico aziendale. Lavorerai direttamente con i team di ingegneria dei clienti, guiderai sessioni di progettazione tecnica e costruirai pattern e acceleratori riutilizzabili che scalano oltre i singoli incarichi.

Questo ruolo si colloca al centro del mercato dei talenti per l'ingegneria dell'IA - la domanda cresce più velocemente dell'offerta e continuerà a farlo. Offriamo ciò che nessuna singola azienda di prodotti può offrire: ampiezza in ogni settore, in ogni stack tecnologico aziendale e in ogni livello di complessità organizzativa, combinata con l'accesso alla vendor fellowship all'interno dei team di ingegneria di Anthropic, OpenAI, Microsoft e Google e un percorso diretto verso il programma Forward Deployed Engineer.

Responsabilità Chiave ##

• Progettare e costruire sistemi agentici di grado produttivo end-to-end: orchestrazione multi-agente, pipeline RAG, routing basato su policy, invocazione di strumenti, gestione della memoria e osservabilità del ciclo di vita;
• Costruire e gestire pipeline RAG: embedding, strategia di chunking, ricerca vettoriale, ingegneria della finestra di contesto e tuning rispetto a target di qualità reali;
• Integrare e astrarre tra molteplici provider di LLM - OpenAI, Anthropic, Vertex AI e modelli open-source - con fallback routing, gestione di token, costi e latenza;
• Implementare LLMOps in produzione: eval harness con metriche di qualità reali, versionamento dei prompt, strumenti di osservabilità (LangSmith, Braintrust o equivalenti), monitoraggio dei costi e della sicurezza;
• Integrarsi direttamente con i team di ingegneria dei clienti per progettare, prototipare e distribuire soluzioni agentiche - workshop, proof of concept, sessioni di code-with e walkthrough dell'architettura;
• Costruire pattern, acceleratori e playbook riutilizzabili che scalino oltre il singolo impegno con il cliente e consentano al successivo di iniziare più velocemente;
• Definire e utilizzare metriche per misurare l'accuratezza, la latenza, la sicurezza e la convenienza economica degli agenti; presentare risultati e raccomandazioni agli stakeholder del cliente in termini di business.