kAIgentic je korporátní SaaS společnost v oblasti umělé inteligence se sídlem v Singapuru, která pomáhá komplexním organizacím pracujícím s rozsáhlými znalostmi převádět neexplicitní provozní znalosti na řízené AI agenty. Její platforma kombinuje konfiguraci agentů, diagnostickou analýzu lidí, systémů a procesů a runtime prostředí pro nasazení s lidským dohledem, telemetrií a průběžným zdokonalováním. Díky kořenům v Japonsku a spolupráci s podnikovými finančními službami se kAIgentic zaměřuje na zajištění spolehlivosti, dodržování předpisů a praktickou modernizaci AI v regulovaných firmách bez nutnosti kompletní náhrady stávajících systémů.
Senior softwarový inženýr pro výzkum AI — kAIgentic (hybridní režim, Indie)
Veďte vývoj řízených znalostních grafů, učících se systémů a produkčních AI pipeline ve společnosti kAIgentic. Budujte spolehlivá řešení založená na důkazech pro regulované podnikové operace.
Popis
- Vést kompletní návrh a implementaci schématu znalostního grafu zahrnujícího hierarchii, původ dat, verzování a rozšiřitelnost.
- Vyvíjet pipeline pro extrakci podloženou důkazy, které propojují každé tvrzení se zdrojovými důkazy a epistemickým stavem.
- Vytvářet a zdokonalovat vícekontextové nástroje pro inferenci, správu paměti, řízení rozpočtu a rozsáhlou kompakci.
- Budovat pracovní postupy destilace znalostí, které přinášejí externí data do interní ontologie.
- Vyvíjet konsolidační rámce, které sjednocují dokumenty, rozhovory a protokoly událostí a řeší konflikty.
- Vytvářet a zdokonalovat pracovní postupy adaptace modelů s využitím SFT, DPO a RFT.
- Vyvíjet infrastrukturu učicích smyček, která zachycuje zpětnou vazbu, podporuje aktivní učení a průběžně aktualizuje ontologii.
- Budovat prostředí a učební osnovy pro posilované učení se signály odměny a hodnoticími metrikami pro bezpečný provoz.
- Vyvíjet produkční systémy generování s podporou vyhledávání v rámci stanovených cílů kvality, latence a nákladů.
- Vytvářet hodnoticí rámce s využitím slepých rubrik a validace LLM-as-judge pro posouzení podloženosti a halucinací.
Požadavky
- Prokazatelný úspěch při převádění výzkumných AI systémů od počátečního prototypu do produkce v regulovaném prostředí.
- Práce s přístupem AI-native a vysokou rychlostí realizace.
- Pokročilá znalost Pythonu a PyTorche včetně rozsáhlého dolaďování pomocí SFT, DPO a RFT.
- Expertní znalost grafových databází a ontologického inženýrství včetně architektury schémat, správy verzí a původu dat.
- Praktické zkušenosti s vytvářením extrakčních systémů, které propojují tvrzení se zdrojovými důkazy a epistemickým stavem.
- Praktické zkušenosti s prostředími posilovaného učení, tvorbou učebních osnov a modelováním odměn pro autonomní systémy.
- Výborná znalost generování s podporou vyhledávání, snižování latence a nákladově efektivního škálování.
- Schopnost provádět důsledný aplikovaný výzkum prostřednictvím formulace hypotéz, ablačního testování a statistické validace.
- Správný úsudek při volbě mezi adaptací modelu a kontextovým inženýrstvím a silné schopnosti mezifunkční komunikace.
- Doktorské vzdělání v oboru umělá inteligence, informatika nebo příbuzná disciplína.
- Nejméně čtyři roky relevantních průmyslových výzkumných zkušeností.
Benefity
- Globální spolupráce s kolegy ze Singapuru, Indie, Japonska, Evropy a Spojených států.
- Možnost učit se a rozvíjet po boku zkušených vedoucích pracovníků z velkých podniků.
- Možnost převzít odpovědnost za smysluplnou práci od prvního dne.
- Práce v prostředí, které oceňuje psychologické bezpečí, otevřenou debatu a disciplinované experimentování.
- Spojení rychlosti startupu s prací na infrastruktuře podnikové úrovně.
- Možnost ovlivňovat produkt, firemní kulturu a výsledky zákazníků.
- Řešení kriticky důležitých výzev v regulovaném podnikovém prostředí.