Founding AI Engineer

Twoja misja

Nasz agent AI obsługuje już znaczącą część rozmów między resellerami a kupującymi. Nasz pipeline generowania ofert działa przy kontrolowanym koszcie. Ale do tego, czego chcemy, jest jeszcze daleko.

Twoja misja: weź ten fundament, doprowadź go do automatyzacji powyżej 90% na rozmowach i 90% na auto-generowanych listingach akceptowanych tak, jak są. Równolegle budujesz wewnętrznych agentów, którzy przyspieszają każdy zespół, i jesteś silnikiem innowacji AI w firmie — testujesz najnowsze osiągnięcia i szybko je integrujesz.

Co osiągniesz w ciągu 12 miesięcy

• Produkcyjny pipeline LLM, który ulepsza się ciągle, z re-trainingiem na naszych danych co najmniej raz na kwartał.
• Koszt AI mierzony i tracky'owany tydzień po tygodniu.
• Wdrożona ciągła ewaluacja: datasety testowe, wykrywanie regresji, observability LLM (Langfuse lub odpowiednik) na wszystkich krytycznych flowach.
• Autonomiczni agenci wyshippowani dla każdego zespołu (sales, support, ops, dev).
• Obsługa klienta prowadzona w większości bez człowieka na powtarzalnych tematach.
• Baza wiedzy RAG na naszych dokumentach, rozmowach i kodzie dostępna wewnętrznie.

Twoje pierwsze 90 dni

Miesiąc 1. Mapujesz istniejące pipeline'y AI. Wyciągasz dataset 1 000 błędów i wypuszczasz pierwsze mierzalne usprawnienie.

Miesiąc 3. Wdrożyłeś ciągłą ewaluację. Wyshippowałeś pierwszego wewnętrznego agenta (prawdopodobnie do supportu). Masz już za sobą dwa ukierunkowane re-trainingi.

Miesiąc 6. Jesteś ownerem całego stacka AI samodzielnie. Prowadzisz decyzje dotyczące modeli, infry, kosztów, observability.

Kogo szukamy

• Co najmniej 4-5 lat doświadczenia, z LLM i ML wyshippowanym na produkcji (nie tylko notebooki, nie tylko hackathony). Precyzyjne metryki w twoich projektach, dowody pod ręką.
• Potrafisz opowiedzieć o czterech lub pięciu paperach, postach lub filmach o AI, które zrobiły na tobie ostatnio wrażenie, i dlaczego. Konkretnie, bez name-droppingu.
• Umiesz optymalizować pipeline LLM na produkcji: context caching, prompt compression, routing modeli wg trudności, ukierunkowany fine-tuning, batch processing.
• Znasz observability LLM (Langfuse lub odpowiednik), datasety testowe, ciągłą ewaluację, wykrywanie regresji.
• Tłumaczysz skomplikowany koncept LLM osobie nietechnicznej w dwie minuty bez żargonu.
• Używasz Claude Code lub Cursora na pełnej, ale reviewujesz outputy.

Nice to have. Masz za sobą fine-tuning DPO lub RLHF. RAG na produkcji. Model wytrenowany from scratch na danych własnych. ML Vision.

Ta rola nie jest dla ciebie, jeśli

• Szukasz stanowiska Research Scientist — nie robimy R&D blue sky.
• Pracujesz wyłącznie na notebookach Jupyter i nigdy nie wyshippowałeś na produkcję.
• Odmawiasz dzielenia się kodem lub konkretnymi projektami.
• Nie jesteś na bieżąco z ostatnimi osiągnięciami w LLM i nie potrafisz o nich konkretnie rozmawiać.
• Nie potrafisz wytłumaczyć koncepcji LLM osobie nietechnicznej w dwie minuty.
• Nie znasz observability LLM, datasetów testowych, ciągłej ewaluacji ani wykrywania regresji.

Benefity

• Wynagrodzenie 110–140 K€ brutto/rok
• BSPCE 0,5 do 1,5%, vesting 4 lata, cliff 1 rok
• Dom ControlResell 30 min od Paryża pociągiem RER
• Kucharz na obiad i kolację w dni obecności
• Nielimitowany urlop
• MacBook Pro M-series i 2 000 € budżetu na hardware
• Subskrypcja Claude Code Max i premium narzędzia dla twojego stacka
• 3 miesiące w US w Silicon Valley w ciągu 18 miesięcy
• Budżet na konferencje i szkolenia
• Budżet na compute/API LLM i ML
• 20% twojego czasu na side projekty, R&D, artykuły itd., które wybierasz w powiązaniu z naszą misją.

Proces

1. Call 1 z Lyesem (30 min). Wizja, misja.
2. Call 2 z Nathanem (60 min). Test techniczny na prawdziwym datasecie: w trakcie calla analizujesz, wyciągasz typologie, proponujesz strategię.
3. Call 3 z Lyesem i Nathanem (45 min). Debrief, pakiet, pytania.
4. Kolacja w domu CR.
5. Oferta w ciągu 24h.