kAIgentic er en SaaS-virksomhed inden for enterprise-AI med hovedkontor i Singapore, som hjælper komplekse, videnintensive organisationer med at omsætte tavs driftsviden til styrede AI-agenter. Platformen kombinerer konfiguration af agenter, diagnostisk analyse af mennesker, systemer og processer samt et runtime-miljø til implementering med menneskeligt tilsyn, telemetri og løbende videreudvikling. Med rødder i Japan og samarbejde med virksomheder inden for finansielle tjenester fokuserer kAIgentic på kvalitetssikring, compliance og praktisk AI-modernisering for regulerede virksomheder uden at kræve en fuldstændig udskiftning af eksisterende systemer.
Senior softwareingeniør inden for AI-forskning – kAIgentic (hybrid, Indien)
Led udviklingen af styrede vidensgrafer, læringssystemer og AI-pipelines i produktion hos kAIgentic. Byg pålidelige, evidensbaserede løsninger til regulerede virksomhedsoperationer.
Beskrivelse
- Lede den fulde udformning og implementering af et vidensgrafskema, der dækker hierarki, proveniens, versionsstyring og udvidelsesmuligheder.
- Udvikle pipelines til evidensforankret ekstraktion, der forbinder hvert udsagn med kildebevis og en epistemisk status.
- Skabe og forfine inferensrammer med flere kontekster til hukommelsesstyring, budgetkontrol og komprimering i stor skala.
- Opbygge arbejdsgange til vidensdestillation, der bringer eksterne data ind i den interne ontologi.
- Udvikle konsolideringsrammer, der samler dokumenter, interviews og hændelseslogge, mens konflikter løses.
- Skabe og forfine arbejdsgange til modeltilpasning med SFT, DPO og RFT.
- Udvikle infrastruktur til læringssløjfer, der indsamler feedback, understøtter aktiv læring og løbende opdaterer ontologien.
- Opbygge miljøer og læseplaner til forstærkningslæring med belønningssignaler og evalueringsmål for sikker drift.
- Udvikle produktionssystemer til retrieval og generering inden for fastsatte mål for kvalitet, latenstid og omkostninger.
- Skabe evalueringsrammer med blinde vurderingskriterier og validering med en LLM som dommer for at vurdere forankring og hallucinationer.
Krav
- Dokumenteret succes med at føre AI-forskningssystemer fra første prototype til produktion i regulerede miljøer.
- Arbejde med en AI-først-tilgang og høj eksekveringshastighed.
- Avanceret ekspertise i Python og PyTorch, herunder finjustering i stor skala med SFT, DPO og RFT.
- Ekspertise i grafdatabaser og ontologiteknik, herunder skemaarkitektur, versionsstyring og proveniens.
- Praktisk erfaring med at bygge ekstraktionssystemer, der forbinder udsagn med kildebevis og epistemisk status.
- Praktisk erfaring med miljøer til forstærkningslæring, udvikling af læseplaner og belønningsmodellering til autonome systemer.
- Stærke kompetencer inden for retrieval-augmented generation, reduktion af latenstid og omkostningseffektiv skalering.
- Evne til at udføre grundig anvendt forskning gennem hypotesedesign, ablationstest og statistisk validering.
- God dømmekraft ved valg mellem modeltilpasning og kontekstteknik samt stærke tværfunktionelle kommunikationsevner.
- Ph.d. i kunstig intelligens, datalogi eller en beslægtet disciplin.
- Mindst fire års relevant forskningserfaring fra industrien.
Fordele
- Samarbejd globalt med kolleger i Singapore, Indien, Japan, Europa og USA.
- Lær og udvikl dig sammen med erfarne ledere fra store virksomheder.
- Tag ejerskab for meningsfuldt arbejde fra den første dag.
- Arbejd i et miljø, der værdsætter psykologisk tryghed, åben debat og disciplineret eksperimentering.
- Kombiner startup-hastighed med arbejde på infrastruktur i virksomhedsskala.
- Vær med til at påvirke produktet, virksomhedskulturen og kundernes resultater.
- Håndter missionskritiske udfordringer i regulerede virksomhedsmiljøer.