Ang FloQast ay bumubuo ng software para sa pagbabago ng mga proseso ng accounting ng mga finance team. Tinutulungan ng platform nito ang mga accountant na pasimplehin at i-automate ang month-end close, pag-ugnayin ang mga workflow para sa panganib at pagsunod sa mga patakaran, at pagsabay-sabayin ang mga gawain sa record-to-report sa iisang environment. Binuo ng mga CPA, gumagamit ang FloQast ng AI upang suportahan ang mas mahusay na operasyon sa accounting at tulungan ang mga accountant na maging mga estratehikong kasosyo sa negosyo. Nagbibigay rin ang kumpanya ng propesyonal na edukasyon at pagsasanay sa pamamagitan ng FloQademy.
Tagapamahala ng Teknikal na Inhinyeriya, Pangunahing AI
Pangunahan ang mga pangkat ng inhinyeriya na nakabase sa India sa pagbuo ng production AI para sa platform ng awtomasyon sa accounting ng FloQast. Gabayan ang RAG, mga agentic workflow, LLMOps, at pakikipagtulungan ng mga pandaigdigang pangkat.
Paglalarawan
- Pangunahan at paunlarin ang mga pangkat ng AI software engineer sa pamamagitan ng mentoring, pamamahala sa performance, at tuloy-tuloy na feedback.
- Hubugin ang arkitektura at paghahatid ng mga scalable na production AI product, gaya ng mga chatbot, sistema ng pagproseso ng dokumento, at mga agentic workflow.
- Mag-recruit at magpanatili ng mga talento sa AI engineering sa India.
- Makipagtulungan sa mga pinuno ng produkto, QA, arkitektura, seguridad, at pandaigdigang inhinyeriya.
- Buuin ang sentralisadong AI platform ng FloQast, kabilang ang pagruruta ng modelo, pamamahala sa provider, at paghahanap sa vector.
- Itaguyod ang lean development, mga pamamaraan ng Agile, at matatag na gawi sa LLMOps at DevOps.
- Maghatid ng mga sumusunod at nasusubaybayang AI product na isinasama sa mga sistema ng accounting at panlabas na API sa isang B2B SaaS na kapaligiran.
- Mag-ulat sa VP of Engineering.
- Magtakda sa buong FloQast ng mga teknikal na pamantayan para sa mga agentic workflow, model context protocol (MCP), RAG, at LLMOps.
- Makipagtulungan sa buong organisasyon upang itakda ang teknikal na direksyon para sa mga AI workflow at operasyon.
Mga Kinakailangan
- May hindi bababa sa limang taong karanasan sa pamamahala ng software engineering, at nanguna sa mga pangkat na naghatid ng masalimuot na backend o AI product sa mga nagbabayad na customer.
- May hindi bababa sa limang taong karanasan bilang hands-on na software engineer.
- May kaalaman sa Python, backend development, at mga cloud-native na kapaligiran; mas mainam kung may karanasan sa AWS.
- Pamilyar sa mga LLM API, retrieval-augmented generation (RAG), conversational AI, at pagdidisenyo ng scalable na AI system.
- Nanguna na sa mga distributed na pangkat na nagtatrabaho sa magkakaibang time zone.
- May hands-on na karanasan sa pagre-recruit at pag-iinterbyu ng mga engineer.
- May matibay na rekord sa pagsuporta sa performance at pag-unlad ng karera ng mga empleyado.
- May hindi bababa sa limang taong karanasan sa mga Agile team na gumagamit ng mga paraang gaya ng Scrum o Kanban.
- Sinusuportahan ang automated testing, CI/CD, at mga gawi sa DevOps.
- Malinaw na naipapaliwanag ang masalimuot na disenyo ng sistema at estratehiya sa AI sa mga teknikal at pangnegosyong stakeholder.
- Walang binanggit na kinakailangang kredensiyal sa edukasyon sa anunsiyo.