kAIgentic er et SaaS-selskap innen enterprise-AI med hovedkontor i Singapore som hjelper komplekse, kunnskapsintensive organisasjoner med å omdanne taus operasjonell kunnskap til styrte AI-agenter. Plattformen kombinerer konfigurering av agenter, diagnostisk analyse av mennesker, systemer og prosesser samt et kjøremiljø for utrulling med menneskelig tilsyn, telemetri og kontinuerlig videreutvikling. Med røtter i Japan og samarbeid med virksomheter innen finansielle tjenester fokuserer kAIgentic på kvalitetssikring, etterlevelse og praktisk AI-modernisering for regulerte virksomheter uten behov for å erstatte eksisterende systemer fullstendig.
Senior programvareingeniør innen AI-forskning – kAIgentic (hybrid, India)
Led utviklingen av styrte kunnskapsgrafer, læringssystemer og AI-pipelines i produksjon hos kAIgentic. Bygg pålitelige, evidensforankrede løsninger for regulert virksomhet.
Beskrivelse
- Lede den komplette utformingen og implementeringen av et kunnskapsgrafskjema som dekker hierarki, proveniens, versjonering og utvidbarhet.
- Utvikle pipelines for evidensforankret ekstraksjon som kobler hvert utsagn til kildebevis og en epistemisk status.
- Skape og videreutvikle inferanserammeverk med flere kontekster for minnehåndtering, budsjettkontroll og komprimering i stor skala.
- Bygge arbeidsflyter for kunnskapsdestillasjon som bringer eksterne data inn i den interne ontologien.
- Utvikle konsolideringsrammeverk som samler dokumenter, intervjuer og hendelseslogger samtidig som konflikter løses.
- Skape og videreutvikle arbeidsflyter for modelltilpasning med SFT, DPO og RFT.
- Utvikle infrastruktur for læringssløyfer som samler inn tilbakemeldinger, støtter aktiv læring og kontinuerlig oppdaterer ontologien.
- Bygge miljøer og læreplaner for forsterkningslæring med belønningssignaler og evalueringsmål for sikker drift.
- Utvikle produksjonssystemer for gjenfinning og generering innen fastsatte mål for kvalitet, latenstid og kostnad.
- Skape evalueringsrammeverk med blinde vurderingskriterier og validering med LLM som dommer for å vurdere forankring og hallusinasjoner.
Krav
- Dokumentert suksess med å ta AI-forskningssystemer fra første prototype til produksjon i regulerte miljøer.
- Arbeide med en AI-først-tilnærming og høy gjennomføringstakt.
- Avansert ekspertise i Python og PyTorch, inkludert finjustering i stor skala med SFT, DPO og RFT.
- Ekspertise innen grafdatabaser og ontologiteknikk, inkludert skjemaaritektur, versjonskontroll og proveniens.
- Praktisk erfaring med å bygge ekstraksjonssystemer som knytter utsagn til kildebevis og epistemisk status.
- Praktisk erfaring med forsterkningslæringsmiljøer, utvikling av læreplaner og belønningsmodellering for autonome systemer.
- Svært gode kunnskaper om retrieval-augmented generation, reduksjon av latenstid og kostnadseffektiv skalering.
- Evne til å gjennomføre grundig anvendt forskning gjennom hypotesedesign, ablasjonstesting og statistisk validering.
- God dømmekraft ved valg mellom modelltilpasning og kontekstteknikk, samt sterke tverrfunksjonelle kommunikasjonsevner.
- Doktorgrad i kunstig intelligens, informatikk eller en beslektet disiplin.
- Minst fire års relevant forskningserfaring fra industrien.
Fordeler
- Samarbeid globalt med kolleger i Singapore, India, Japan, Europa og USA.
- Lær og utvikle deg sammen med erfarne ledere fra store virksomheter.
- Ta eierskap til meningsfylt arbeid fra første dag.
- Arbeid i et miljø som verdsetter psykologisk trygghet, åpen debatt og disiplinert eksperimentering.
- Kombiner oppstartstempo med arbeid på infrastruktur i virksomhetsskala.
- Bidra til å påvirke produktet, bedriftskulturen og kundenes resultater.
- Håndter oppdragskritiske utfordringer i regulerte virksomhetsmiljøer.