EXL on liikkeenjohdon konsultointi- ja palveluyritys, joka auttaa organisaatioita parantamaan toimintaansa ja tekemään parempia päätöksiä datan, analytiikan ja teknologian avulla. Sen palveluihin kuuluvat operaatioiden hallinta, päätöksenteon analytiikka ja digitaalinen transformaatio, ja sillä on kokemusta terveydenhuollon, vakuutusalan, rahoituksen ja logistiikan asiakkaiden tukemisesta. EXL yhdistää datatieteen käytännön liiketoimintaosaamiseen ja kehittää ratkaisuja, jotka mukautetaan kunkin organisaation tavoitteisiin, toimintamalliin ja toimialan erityispiirteisiin.
Senior Generatiivisen tekoälyn suunnittelupäällikkö, EXL (hybridityö, Yhdysvallat)
Johda yritystason LLM- ja agenttipohjaisten tekoälyratkaisujen suunnittelua. Rakenna hallittuja, tuotantovalmiita työnkulkuja AWS:n, Google Cloudin ja Snowflaken ympäristöihin.
Kuvaus
- Suunnittele ja toteuta yritystason generatiivisen tekoälyn järjestelmiä LLM-mallien, perustamallien ja agenttipohjaisten tekoälykehysten avulla.
- Luo uudelleenkäytettäviä tekoälymalleja, kiihdyttimiä ja viitearkkitehtuureja.
- Muuta liiketoiminnan haasteet skaalautuviksi tekoälyn työnkuluiksi ja tuotantovalmiiksi konseptitodisteiksi.
- Uudista tekoälyalustoja soveltamalla uusia generatiivisen tekoälyn teknologioita ja vakiintuneita käytäntöjä.
- Luo ja ylläpidä kehotteiden suunnittelun kehyksiä, joilla tuotetaan hallittuja ja luotettavia LLM-tuloksia.
- Ota käyttöön kehotteiden versiointi, elinkaaren hallinta ja testauskäytännöt.
- Rakenna suojatoimia tekoälyn hallusinaatioita, vinoumia, tietoturvauhkia ja vaatimustenmukaisuustarpeita varten.
- Kehitä skaalautuvia orkestrointiputkia LangGraphin, LangChainin, CrewAI:n, Semantic Kernelin tai vastaavien työkalujen avulla.
- Luo uudelleenkäytettäviä tekoälykomponentteja, työkaluja, agentteja ja työnkulkumalleja.
- Rakenna moniagenttijärjestelmiä ja autonomisia työnkulkuja.
- Tunnista arvokkaita tekoälyn käyttökohteita yhteistyössä liiketoiminnan sidosryhmien kanssa.
- Luo tekoälyprototyyppejä ja MVP-ratkaisuja synteettisen ja yritysdatan avulla.
- Vie prototyypit tuotantosovelluksiksi, jotka täyttävät skaalautuvuutta, tietoturvaa ja luotettavuutta koskevat vaatimukset.
- Suunnittele skaalautuvia generatiivisen tekoälyn arkkitehtuureja AWS:n, Google Cloudin ja Snowflaken ympäristöihin.
- Käytä Amazon Bedrockia, SageMakeria, Vertex AI:ta, Snowflake Cortex AI:ta ja muita pilvinatiiveja tekoälypalveluja.
- Suunnittele RAG-järjestelmiä vektoritietokantojen, upotusten ja semanttisen haun avulla.
- Paranna mallien käyttöönottoa, päättelyn nopeutta ja infrastruktuurin kustannustehokkuutta.
- Luo arviointikehyksiä tarkkuudelle, relevanssille, viiveelle, turvallisuudelle ja liiketoimintavaikutuksille.
- Kehitä vertailutestejä kehotteille, malleille ja työnkuluille.
- Määritä KPI-mittarit, havainnoitavuuskäytännöt ja valvontastrategiat.
- Paranna mallien suorituskykyä kehotteiden hienosäädöllä, tiedonhaun parannuksilla ja työnkulkujen kehittämisellä.
Vaatimukset
- Tietojenkäsittelytieteen, tekoälyn, datatieteen, tekniikan tai vastaavan alan kandidaatin tai maisterin tutkinto.
- Vähintään 8 vuoden kokemus ohjelmistotekniikasta, koneoppimisesta, data engineeringistä tai tekoälyratkaisujen kehittämisestä.
- Vähintään 4 vuoden käytännön kokemus generatiivisesta tekoälystä, LLM-malleista ja perustamalleista.
- Vahva tausta yritystason generatiivisen tekoälyn ratkaisujen suunnittelussa, mukaan lukien kehittyneet LLM-arkkitehtuurit ja kehotejärjestelmät.
- Asiantuntemusta skaalautuvien tekoälyn työnkulkujen, orkestrointiputkien ja uudelleenkäytettävien tekoälykomponenttien kehittämisestä.
- Kyky muuntaa liiketoiminnan tarpeet tuotantovalmiiksi tekoälyratkaisuiksi ja prototyypeiksi synteettistä dataa käyttäen.
- Syvällinen ymmärrys kehotteiden versioinnista, hallinnasta, suojatoimista ja LLM-tulosten ohjaamisesta.
- Vahva ymmärrys tekoälyn arviointikehyksistä, vertailumenetelmistä ja optimointitekniikoista.
- Kokemusta vektoritietokannoista, upotuksista, semanttisesta hausta ja RAG-arkkitehtuureista.
- Vahva Python-osaaminen ja nykyaikaisten tekoälyn ja koneoppimisen kehityskehysten tuntemus.