Стажёр AI-автоматизации — LLM МТС

60K ₽/мес
Опубликовано 05.11.2026
подтверждённая · ниже рынка

Что за роль

В этой роли вы будете собирать автоматизации на базе LLM и создавать прототипы функций. Среди задач — выпускать MVP за 2–3 дня и запускать собственные проекты в продакшен.

Чем вы будете заниматься

  • Собирать автоматизации в LangFlow и n8n.
  • Писать интеграционный код на Python.
  • Настраивать промпты и оценивать ответы LLM.
  • Исследовать инструменты и прототипировать функции.
  • Проверять код, сгенерированный ИИ, и соблюдать требования безопасности.

Требования

  • Знание Python на уровне Junior.
  • Опыт работы с LLM API или локальными моделями.
  • Понимание RAG, embeddings и токенов.
  • Опыт с LangFlow или n8n и уверенное владение Git.
  • Самостоятельность и умение читать документацию на английском.
  • Наличие проекта с LLM API или автоматизациями.

Что мы предлагаем

  • Срочный трудовой договор сроком от 6 месяцев.
  • Пятидневная рабочая неделя с гибким графиком.
  • Наставника и возможность профессионального развития.
  • Мобильную связь за счёт компании.
  • Подписки на сервисы экосистемы МТС, скидки от партнёров и доступ к курсам, вебинарам и онлайн-библиотеке.
Требования к языку
Английский
БазовыйСреднийПродвинутыйРодной

Кто здесь добьётся успеха

→

Уверенно пишет на Python интеграционный код и умеет связывать LLM API, локальные модели, RAG и векторные представления в работающие прототипы.

→

Быстро превращает идею в MVP за 2–3 дня: собирает сценарии в LangFlow и n8n, проверяет промпты и оценивает качество ответов на конкретных примерах.

→

Для стажёра характерны техническое любопытство и практичный подход: исследует новые инструменты, проверяет сгенерированный ИИ код и фиксирует изменения в Git, не полагаясь на автоматическую генерацию без проверки.

→

Самостоятельно и дисциплинированно работает удалённо: разбивает задачу на небольшие проверяемые шаги и доводит прототипы до запуска в продакшене с учётом требований к надёжности.

Ресурсы для обучения

Карьерный путь

Стажёр AI-автоматизации — LLM (Сейчас)→Инженер AI-автоматизации: разработка и запуск LLM-интеграций, RAG-сценариев и автоматизаций в продуктах МТС (Через 1–2 года)→Старший инженер по генеративному ИИ: проектирование масштабируемых LLM-систем и техническое руководство их внедрением (Через 3–5 лет)

Обзор рынка

Объём рынка ПО на Python, 2026
$9,5 млрд
Годовой рост рынка
18%
Компании, тестирующие генеративный AI
78%
Инвестиции в генеративный AI, 2025
$33,9 млрд

Навыки и требования

Обязательные
PythonLLM APIsLocal Models
Растущий спрос
Pydantic и структурированный вывод LLMОценка качества RAG (RAGAS, retrieval metrics)Контейнеризация и развёртывание моделей (Docker, vLLM)
Снижающийся спрос
Цепочки промптов без оркестрации и контроля качестваРучная интеграция LLM через самописные HTTP-обёртки

Тренды отрасли

От прототипов RAG к измеряемому качеству
Команды дополняют базовый RAG гибридным поиском, reranking и тестовыми наборами для проверки релевантности и точности ответов. Для стажёра полезно уметь измерять retrieval-метрики и выявлять ошибки на каждом этапе конвейера, а не только собирать демо в LangFlow.
Рост локального и гибридного инференса
Компании комбинируют облачные LLM API с локальными моделями из-за требований к конфиденциальности, стоимости и задержкам. Для практики важны запуск моделей через Ollama или vLLM, оценка качества на целевых задачах и маршрутизация запросов между локальной и облачной моделью.

Новости Telecom

Загружаем новости отрасли...

Ищем релевантные статьи за последние 6 месяцев