Мы — группа продуктовых команд, которые делают инструменты для работы со знаниями и ИИ-разработки в банке. Корпоративный портал знаний — ключевая база знаний для разработки, тестирования и аналитики, десятки тысяч пользователей ежедневно. Хранилище контекста для ИИ-агентов собирает знания из источников банка (трекер, вики, репозитории, портал) и отдает их агентам и разработчикам через MCP. Внутренний фреймворк Spec-Driven Development — набор команд, шаблонов и правил, с которым команды генерируют спецификации, дизайн и код с помощью ИИ-агентов. Мы ищем человека, который возьмет на себя сопровождение этих продуктов и станет связующим звеном между пользователями, разработкой и ML.

Обязанности

\- Принимать обращения, классифицировать и вести до решения.

\- Разбирать инциденты по логам и трассам запросов и сессий агентов: находить, где сломалось — на источнике, при индексации, в поиске, в конфигурации фреймворка или у потребителя.

\- Разбираться с интеграциями (коннекторы, MCP-серверы, API, очереди событий), когда данные не доехали или доехали не те.

\- Помогать командам подключаться к хранилищу и внедрять фреймворк: отвечать в чате поддержки, помогать с установкой и настройкой, вести базу типовых вопросов.

\- Разбирать жалобы на поиск, собирать примеры проблемных запросов для ML-команды.

\- Оформлять баги, предлагать воркэраунды, помогать формулировать доработки.

\- Работать по SLA и процессам: инцидент, проблема, запрос, изменение.

\- Собирать обратную связь, заводить задачи, ориентироваться в бэклоге.

\- Писать инструкции и проводить обучения.

Требования

\-опыт в поддержке или эксплуатации от года; знание процессов управления инцидентами и запросами (ITIL или аналог);

\- умение отправить запрос к REST API или MCP-серверу и разобрать ответ;

\- умение читать логи и трассы в Grafana, Kibana или аналогах;

\- уверенную работу в командной строке и с git;

\- понимание, как устроены приложения на больших языковых моделях — RAG, эмбеддинги, векторный и графовый поиск, почему модель отвечает неточно;

\- практический опыт с ИИ-агентами — подключали, настраивали, разбирались, почему агент не получил нужных данных;

\- уверенное использование языковых моделей и ИИ-ассистентов для анализа, генерации и автоматизации

Условия

* комфортный современный офис рядом с м. Тульская

* возможность выбрать удобный график – офис/гибрид

* ежегодный пересмотр зарплаты и годовая премия

* корпоративный спортзал и зоны отдыха

* более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

* расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

* гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

* подписка Прайм с возможностью совместного использования на трёх близких

* вознаграждение за рекомендацию друзей в команду Сбера