Задачи AQA описаны чётко и включают тестирование LLM, RAG и агентных систем, а масштаб Сбера и обучение добавляют карьерной ценности; при этом работа предполагает гибридный формат в Москве.
Тестирование ИИ
Актуальный стек
Поддержка обучения
Мэтч & Сопровод
Покажет вашу совместимость и напишет письмо
Создать профиль и узнать мэтч
Описание вакансии
Текст:
Hirify AI/Оригинал
TL;DR
AQA инженер (Поток, AI): Тестирование backend-сервисов, UI и AI-решения для анализа реализации стратегии Сбера с акцентом на API, LLM, RAG и агентные сценарии. Focus on построении eval-наборов, автоматизированной оценке генерации, проверке многошаговых цепочек и мониторинге качества в продакшене.
Локация: Москва; гибридный формат работы из офиса работодателя.
Компания
СБЕР развивает AI-решение для анализа реализации стратегии и сценарного моделирования комплексных экономико-социальных систем.
Что делать
Проводить функциональное тестирование backend-сервисов, UI и API, готовить тестовую документацию.
Готовить тестовые данные, участвовать в ПСИ, релизах и регрессионном тестировании.
Анализировать обращения пользователей, данные в БД и логи сервисов.
Строить и поддерживать eval-наборы (golden set), контролировать регрессии при изменении моделей, промптов и версий приложения.
Проводить автоматизированную оценку качества генерации, тестировать RAG и агентные сценарии.
Участвовать в мониторинге качества в продакшене и настройке обратной связи от пользователей.
Требования
От 1 года опыта работы AQA на Python.
Понимание HTTP, кодов ответов и авторизации.
Опыт тестирования REST/JSON API, интеграций, бизнес-логики и микросервисного взаимодействия.
Опыт работы с Postman, Insomnia или Swagger.
Знание JSON, YAML, XML и HTML.
Знание SQL и умение писать SQL-запросы средней сложности.
Базовый опыт работы с Prometheus, Grafana, логами, CI/CD и QA в пайплайнах доставки.
Понимание принципов работы и ограничений LLM, методов оценки качества генеративных моделей, опыт построения eval-наборов и оценки качества LLM.
Хорошо, если есть
Понимание RAG и методов оценки качества retrieval.
Опыт тестирования агентных систем, многошаговых агентов и tool calling.
Опыт автоматизации оценки на Python с использованием pytest.
Понимание метрик качества AI-продукта и мониторинга качества в продакшене.
Опыт работы с Kafka и векторными или графовыми БД, например Qdrant.
Культура и преимущества
Полная занятость и гибридный формат работы из офиса в Москве.
Годовой бонус и ежегодный пересмотр условий.
ДМС с первого дня, стоматология и льготное страхование для семьи.
Корпоративный университет, образовательная платформа и участие в IT-конференциях.
Офис на Ленинском проспекте с зонами отдыха и спортзалом, льготная ипотека, корпоративная пенсионная программа и другие корпоративные льготы.
Будьте осторожны
Если работодатель просит войти в их систему, используя iCloud/Google, прислать код/пароль, запустить код/ПО, не делайте этого. Это мошенники. Обязательно жмите «Пожаловаться» или пишите в поддержку. Подробнее в гайде →