Системный аналитик

AEF (Agent Execution Framework) — платформа Сбера для запуска и контроля AI-агентов и мультиагентных систем. Она делает работу агентов надёжной, наблюдаемой и безопасной. Сейчас мы выпускаем AEF.Lite — открытую версию платформы. Компании экосистемы должны разворачивать её у себя «одной командой» и сразу получать трейсинг, контроль и связь с Банком.

• исследовать архитектуру и инфраструктуру агентов в компаниях экосистемы: как агенты устроены, где запущены, какие ограничения по безопасности и сети. По итогам проектировать схему подключения к AEF
• проектировать дистрибутив AEF.Lite: из каких компонентов он состоит, как они взаимодействуют, как ставится и обновляется, как банковские сервисы заменяются open-source аналогами (OIDC/Keycloak, Kubernetes, Istio)
• проектировать сбор и передачу трейсов и метрик агентов: OpenTelemetry, access-логи окружения, Kafka-контракты, модель данных, обезличивание
• проектировать API и контракты интеграций и описывать нефункциональные требования: надёжность, поведение при недоступности каналов, безопасность, объёмы
• декомпозировать бизнес-сценарии в требования и архитектуру AI-решений, задавать критерии качества и безопасности агентов (guardrails, evals)
• быстро проверять архитектурные гипотезы на стенде вместе с разработкой и DevOps: прототип, замер, решение
• вести документацию как код (Markdown, PlantUML): требования, архитектурные решения, открытые вопросы, словарь
• сравнивать AEF с рыночными решениями (фреймворки агентов, observability, evals) и приносить лучшие практики в продукт.

• опыт: от 3 лет в системном анализе или проектировании IT-систем. Для кандидатов с глубокой экспертизой в разработке GenAI-продуктов готовы рассматривать меньший стаж
• интеграции и архитектура данных: проектирование REST/gRPC API, асинхронного обмена сообщениями (Kafka/PubSub), разработка форматов данных (JSON/XML) и контрактов (OpenAPI/AsyncAPI)
• архитектура LLM-приложений: понимание принципов работы генеративных моделей. Умение описывать обвязку вокруг модели (промпты, парсеры, оркестратор)
• практический опыт разработки агентов: работа хотя бы с одним из стеков: LangChain/LangGraph, CrewAI, прямые вызовы OpenAI/Anthropic API, Model Context Protocol (MCP)
• инфраструктура: базовое понимание контейнеризации (Docker), Kubernetes (умение читать манифесты Deployment, Service), концепции service mesh
• моделирование и документация: владение нотациями UML/C4 для создания sequence-диаграмм, диаграмм компонентов и развертывания
• инструменты: уверенное использование AI-ассистентов (Claude Code, Cursor, GitHub Copilot) для анализа кода, генерации прототипов и подготовки технической документации

• комфортный современный офис рядом с м.Кутузовская
• возможность выбрать удобный график – офис/гибрид
• ежегодный пересмотр зарплаты, годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• программа адаптации и помощь руководителя на старте (для Junior позиций)
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• льготная ипотека для каждого сотрудника
• бесплатная подписка Прайм с возможностью совместного использования на трёх близких
• вознаграждение за рекомендацию друзей в команду Сбера.
• корпоративная пенсионная программа
• отсутствие строгого дресс-кода.