Senior Python-разработчик — AI AI 2ИС

297K ₽–369K ₽/мес
Опубликовано 27.10.2026
оценка на руки

Что за роль

Команда AI 2ИС разрабатывает production-сервисы на Python. Работа возможна удалённо по России или в гибридном формате в Москве, Санкт-Петербурге и Новосибирске.

Чем вы будете заниматься

  • Проектировать и сопровождать production-сервисы: API, модели данных, очереди и фоновые задачи.
  • Работать с тестами, метриками, логами и трассировкой.
  • Интегрировать внешние API и работать с базами данных.

Требования

  • От 5 лет коммерческой разработки и уверенное владение Python.
  • Уверенный SQL и опыт работы с базами данных.
  • Уверенная работа с Linux, контейнерами, Git и CI/CD.
  • Практический опыт с LLM и coding agents, понимание их возможностей, ограничений и типичных ошибок.

Кто здесь добьётся успеха

→

Уверенно проектирует production-сервисы на Python: продумывает API, модели данных, очереди и фоновые задачи, а также интеграции с внешними API и SQL-базами.

→

Относится к надёжности как к части разработки: пишет тесты, настраивает метрики, логи и трассировку, умеет разбирать сбои в Linux-окружении и контейнерах.

→

Имеет не менее пяти лет коммерческого опыта и принимает инженерные решения на старшем уровне — от структуры сервиса до процессов Git и CI/CD, учитывая эксплуатацию и развитие системы.

→

Практично применяет большие языковые модели и программных агентов: оценивает их пользу для продукта и разработки, проверяет результат и учитывает ограничения при внедрении в production.

Ресурсы для обучения

Карьерный путь

Старший Python-разработчик — ИИ (Сейчас)→Ведущий разработчик ИИ-сервисов или технический лидер команды (Через 1–2 года)→Архитектор ИИ-платформы или руководитель разработки ИИ-направления (Через 3–5 лет)

Обзор рынка

Объём рынка Python-разработки в России, 2026
около $1,2 млрд
Годовой рост сегмента
около 14%
Внедрение AI-инструментов Python-командами
около 40%
Рост инвестиций в генеративный AI в России, 2025
около +25%

Навыки и требования

Обязательные
PythonAPIData Modeling
Растущий спрос
Оркестрация LLM-приложений: LangGraph, LlamaIndexRAG и векторный поиск: pgvector, QdrantОценка и наблюдаемость LLM: evals, трассировка и контроль качества ответов
Снижающийся спрос
Ручная сборка LLM-цепочек без оркестрации и автоматизированных evalsМонолитные Python-сервисы на Flask без типизации, асинхронности и контейнеризации

Тренды отрасли

Переход от прототипов LLM к промышленным AI-агентам
Российские технологические компании переводят пилоты на архитектуры с инструментами, контролем прав и журналированием действий. Для кандидата полезны практические примеры ограниченного доступа агента к API, обработки ошибок и оценки качества; в проектах с чувствительными данными часто требуется развёртывание моделей в собственном контуре.
RAG на корпоративных данных становится базовым сценарием
Вместо дообучения модели для каждого кейса компании чаще используют поиск по внутренним документам: это позволяет обновлять знания без переобучения и снижает риск устаревших ответов. В портфолио стоит показать полный контур — подготовку данных, SQL и векторный поиск, измерение качества retrieval и защиту от утечки контекста.

Новости AI/Big Data

Загружаем новости отрасли...

Ищем релевантные статьи за последние 6 месяцев