Разработчик ИИ-решений — ИИ-агенты и RAG Нита-Фарм

165K ₽–205K ₽/мес
Опубликовано 28.10.2026
оценка на руки

Что за роль

В «Нита-Фарм» разрабатывают ИИ-решения на реальных данных компании: от прототипов до промышленной эксплуатации. В работе используются ИИ-агенты, поиск по документам на основе RAG и API ведущих моделей.

Чем вы будете заниматься

  • Создавать прототипы ИИ-решений в согласованные сроки с помощью Claude Code, Cursor и Perplexity.
  • Разрабатывать ИИ-агентов и поиск по документам с вызовами инструментов и многошаговыми сценариями.
  • Интегрировать решения с корпоративными системами и запускать их на Linux-серверах в Docker.
  • Настраивать автозапуск, журналы и мониторинг, оценивать качество по эталонным наборам задач и автоматическим проверкам.
  • Писать автоматические тесты, вести историю изменений в Git и документацию, передавать решения инженеру по сопровождению ИИ-систем.
  • Защищать решения: хранить секреты, разграничивать доступ, снижать риски промпт-инъекций и утечек данных.

Требования

  • Высшее или среднее профессиональное образование технического или ИТ-профиля.
  • Опыт разработки от 3 лет.
  • Опыт разработки ИИ-решений с применением ИИ-инструментов — от 1 года.
  • Умение работать с LLM, RAG и ИИ-инструментами разработки; конкретный язык программирования не принципиален.

Будет плюсом

  • Дополнительное обучение разработке ИИ-приложений, курсы или сертификации.

Кто здесь добьётся успеха

→

Уверенно применяет большие языковые модели, RAG и ИИ-агентов: умеет собирать поиск по внутренним документам, настраивать вызовы инструментов и проверять многошаговые сценарии на реальных данных компании.

→

Быстро превращает задачу в работающий прототип с помощью Claude Code, Cursor и Perplexity, но не останавливается на демонстрации: учитывает сроки, тестирование и готовность решения к промышленной эксплуатации.

→

Имеет уровень разработчика среднего звена: самостоятельно интегрирует API моделей, пишет автоматизированные тесты и использует Docker, Linux и Git для надежной разработки и развертывания.

→

Комфортно работает удаленно и самостоятельно организует итерации: фиксирует допущения, проверяет качество ответов ИИ и аккуратно обращается с корпоративными данными и ограничениями реальных бизнес-процессов.

Ресурсы для обучения

Карьерный путь

Разработчик ИИ-решений — ИИ-агенты и RAG (Сейчас)→Старший разработчик ИИ-решений, отвечающий за архитектуру RAG-систем и многошаговых ИИ-агентов (Через 1–2 года)→Технический руководитель направления корпоративных ИИ-решений и внедрения ИИ-агентов (Через 3–5 лет)

Обзор рынка

Объём рынка генеративного ИИ, 2026
$103B
Годовой рост рынка генеративного ИИ
≈40%
Внедрение ИИ-агентов в компаниях
≈25%
Инвестиции в генеративный ИИ, 2024
$33.9B

Навыки и требования

Обязательные
LLMRAGAI Agents
Растущий спрос
Протокол Model Context Protocol (MCP) и подключение инструментов к LLMОценка качества RAG и LLM-приложений: RAGAS, трассировка и тестирование на наборах данныхОркестрация агентов и управление состоянием: LangGraph
Снижающийся спрос
Жёсткие цепочки запросов без оркестрации и проверки результатов моделиПоиск только по ключевым словам на базе Elasticsearch без векторного или гибридного поиска

Тренды отрасли

RAG становится гибридным и ориентированным на качество выдачи
Вместо простого векторного поиска всё чаще применяют гибридный поиск, reranking и проверку источников. Для соискателя это повод показать измеримые метрики качества — например, Recall@k и faithfulness — и автоматические тесты на предметных данных.
От демонстрационных агентов — к контролируемым рабочим процессам
По оценке Gartner, к концу 2026 года 40% корпоративных приложений будут включать специализированных ИИ-агентов — против менее 5% в 2025 году. На практике востребованы ограничение полномочий инструментов, подтверждение критичных действий человеком, журналирование и тестирование отказов.

Новости Pharma

Загружаем новости отрасли...

Ищем релевантные статьи за последние 6 месяцев