Senior GenAI Solutions Engineer

В роли единственного AI-инженера анализирую процессы минимум 3 бизнес-функций — производства, бухгалтерии и аналитики; нахожу задачи, где AI способен снизить затраты, ускорить операции или повлиять на выручку. - Провожу интервью с внутренними заказчиками, формирую и приоритизирую AI-гипотезы по бизнес-эффекту, стоимости реализации, сложности интеграции и ожидаемому ROI. - Перевожу бизнес-задачи в требования, архитектуру, MVP и измеримые критерии успеха; участвую в рабочих встречах с руководителями функций и генеральным директором. - Проектирую интеграции LLM-, RAG- и агентных решений: ingestion и chunking документов, embeddings, retrieval и reranking; вызов корпоративных API через Function Calling; проверяемые ответы через Structured Output. - Разрабатываю AI-сервисы на Python / FastAPI, подключаю базы данных и внутренние системы, настраиваю тестовые выборки, regression-тесты, логирование и мониторинг качества. - Оцениваю качество и экономику решений: task success rate, accuracy, hallucination rate, latency p95, стоимость запроса, экономия человеко-часов и срок окупаемости. - Сопровождаю цикл от прототипа до production, мониторинга и масштабирования; отобранные решения довожу до запуска в срок до 7 дней и отсеиваю автоматизации без измеримого эффекта.

Доработал полнофункциональную CRM для управления арендой жилой недвижимости (B2C). - В одиночку закрыл полный цикл: архитектура БД, backend (Python/FastAPI), frontend (React), админ-панель. - Спроектировал и внедрил AI-ассистента (RAG + LLM через OpenRouter API), который по текстовой команде пользователя сам выполнял операции в CRM: создание брони, изменение дат, поиск объектов по критериям, генерация отчётов. Ассистент взаимодействовал с системой через API, эмулируя действия человека. - Реализовал календарь доступности объектов с блокировкой конфликтующих броней на уровне БД, личные кабинеты арендатора и арендодателя, генерацию документов по шаблонам. - Стек: Python (FastAPI), React, PostgreSQL, Redis (кэширование сессий и частых запросов), Docker Compose. - Система передана заказчику для деплоя и вывода на рынок.

Разработал микросервис-связку Jira API ↔ LLM (Qwen3-235b) для автоматической обработки заявок подрядчиков. - Развернул модель локально (Ollama serve), спроектировал prompt engineering pipeline: классификация заявки → определение полноты данных → автодополнение → назначение исполнителя. - Точность маршрутизации выросла на 35%, точность автодополнения — 85%. - Сервис работал 24/7, обрабатывал 200+ заявок в час, полностью исключил ночные простои поддержки. - Экономический эффект: бизнес сократил потребность в найме дополнительных стажёров (мой MVP заместил эту функцию). - Стек: Python (FastAPI), PostgreSQL, Jira REST API, Ollama, Docker Compose, развёртывание на внутренних мощностях компании.

Прошёл интенсивную программу подготовки проектных менеджеров и fullstack-разработчиков с погружением в реальные бизнес-задачи. - С нуля спроектировал и реализовал корпоративную Time Management System (учёт рабочего времени, отпусков, загрузки сотрудников). - Backend: Python (FastAPI) + PostgreSQL + Redis + JWT-авторизация. - Frontend: React + Redux Toolkit + кастомный UI-kit. - Координировал кросс-функциональную команду из 5 разработчиков (frontend, backend, QA), замещал на написании кода в критических ситуациях на всех участках. - Написал техническое задание (Confluence, Swagger). - Внедрил CI/CD (GitLab CI): линтинг → автотесты → деплой на staging — время интеграции изменений сократилось вдвое.

- Контроль работоспособности внутренней рабочей системы клиники (далее система) - Помощь сотрудникам в работе с системой - ИО системного администратора

Разработка и доставка коммерческих проектов полного цикла: от сбора требований до production-деплоя. Ключевые проекты: — CodeGuide (мобильное приложение, GitHub): - Полноценное Android-приложение для изучения Python, C#, Java. - Стек: Kotlin, Jetpack Compose, MVVM, SQLite, Navigation Compose, Material Design 3. - 7 экранов: авторизация, каталог языков, уроки с примерами кода, тесты, прогресс, поиск, настройки тёмной темы. - Проект собирается без ошибок, запущен на эмуляторе и используется как демо на собеседованиях. — RAG-система для генерации инструкций 3D-моделирования: - Разработал AI-решение на базе локальной LLM (Ollama + Mistral 7B) + LangChain + ChromaDB. - Система сократила время создания инструкции с 4 часов до 1,5 часов — заказчик отказался от найма технического писателя. — DevOps-услуги для клиентов: - Контейнеризация (Docker Compose), деплой на VPS/Yandex Cloud, Nginx + SSL, мониторинг. - Внедрение CI/CD пайплайнов ускорило интеграцию изменений в 2 раза. - Вёл переговоры с заказчиками напрямую: сбор требований, ТЗ, демо, приёмка.