Мы ищем человека с сильным продуктовым мышлением, который глубоко понимает LLM и современных AI-агентов и умеет быстро превращать идеи в работающие прототипы. Его зона ответственности — развитие возможностей агентного слоя Конструктора комплексных решений: от пользовательской задачи и гипотезы до проверенного MVP и передачи перспективного решения production-команде.

В основе Конструктора — универсальный мастер-агент. Он распознаёт намерение пользователя, планирует сценарий, динамически подгружает tools, skills и agents из единого registry и координирует их работу. Эти возможности связывают сценарии с сервисами банка, экосистемы и партнёров. GenUI / A2UI позволяет формировать интерфейс под конкретную задачу, а Temporal служит основой устойчивого исполнения долгих и асинхронных процессов.

Роль предполагает личную работу с AI-инструментами и кодом на уровне прототипов: быстро собрать решение, проверить его на реальных сценариях, разобраться в ошибках и оценить ограничения.

Обязанности

### Чем предстоит заниматься:

* прототипирование универсального мастер-агента - проверять, как мастер-агент понимает запрос, уточняет недостающие данные, строит план, выбирает возможности и выполняет сценарий. Быстро собирать рабочие версии на подходящем агентном стеке, используя AI-ассистентов для разработки

* развитие registry возможностей - формировать и проверять подход к единому registry из tools, skills и agents. Определять, какие возможности нужны сценариям, как описать их назначение, входы, выходы, ограничения и права доступа, чтобы мастер-агент мог корректно их находить и использовать

* проверка продуктовых гипотез и агентных сценариев - разбирать пользовательскую задачу, формулировать ожидаемый результат и критерии успеха до начала разработки

* прототипирование интерфейсов GenUI и A2UI - проверять сценарии, в которых агент динамически формирует пользовательский интерфейс через GenUI / A2UI

* оценка качества и технических ограничений - собирать наборы проверочных сценариев и простые evals, оценивать результаты и разбирать причины ошибок. Проверять корректность вызовов инструментов, работу с контекстом и поведение при неполных данных или отказе сервиса.

Требования

### Для нас важно:

* опыт самостоятельного создания AI-прототипов или MVP: от постановки задачи и выбора подхода до проверки результата. Примеры проектов с описанием результатов, ограничений и выводов по итогам проверки

* практика AI-driven разработки: использование AI-инструментов для быстрой сборки и запуска рабочих решений, проверки сгенерированного кода и исправления типичных ошибок. Понимание устройства прототипа и его ограничений

* опыт создания LLM-приложений с вызовом инструментов, внешними API, структурированными ответами и управлением состоянием или контекстом. Практический опыт работы с агентными фреймворками, например Pydantic AI, LangGraph или другими, либо собственной простой оркестрацией

* опыт работы с пользовательской обратной связью, сокращения объёма MVP до проверяемой гипотезы и передачи результата инженерам.

* сильное продуктовое мышление: понимание задачи пользователя, определение критериев успеха, приоритизация экспериментов и готовность отказаться от гипотезы, которую не подтвердили данные

* техническая грамотность, достаточная для самостоятельного прототипирования: чтение и изменение кода на Python или TypeScript/JavaScript, API, JSON, авторизация, зависимости, Git и базовая диагностика.

Условия

### **Мы предлагаем:**

* комфортный офис рядом с м.Кутузовская

* ежегодный пересмотр зарплаты и годовая премия

* корпоративный спортзал и зоны отдыха

* уникальная система обучения Сбера для профессионального и карьерного развития

* расширенный ДМС и льготное страхование для семьи

* 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

* корпоративная пенсионная программа.