Senior AI Engineer

Projekt dla sektora bankowego, ukierunkowany na transformację inżynierii oprogramowania poprzez budowę fundamentów organizacyjnych, procesowych i technologicznych wspierających adopcję GenAI w całym cyklu życia oprogramowania.

• Analiza obecnych metryk efektywności i dobór wskaźników zgodnych z celami organizacji.
• End-to-end wdrażanie metryk: definicja, identyfikacja źródeł, automatyzacja pozyskiwania, integracja i analiza danych z Jira, GitLab, GitHub i Gerrit (API, SQL), wizualizacja i raportowanie.
• Definiowanie, kalkulacja i monitoring DORA, Lead Time for Changes, Cycle Time oraz Flow Metrics.
• Projektowanie dashboardów KPI i raportów zarządczych w Power BI.
• Identyfikacja wąskich gardeł i możliwości optymalizacji procesów.
• Przekładanie analiz technicznych na korzyści biznesowe: time-to-market, koszt opóźnień, ryzyko operacyjne i doświadczenia klientów.
• Pomiar adopcji GenAI, wpływu na produktywność i jakość oprogramowania oraz ROI licencji.
• Wsparcie rozwoju i wdrażania rozwiązań zintegrowanych z LLM.
• Rekomendowanie usprawnień i monitorowanie efektów wdrożeń.
• Dokumentowanie metryk, metodologii i raportów w Confluence.
• Prezentowanie wyników i rekomendacji zespołom technicznym oraz kadrze zarządzającej.

Model hybrydowy – 1 dzień w tygodniu z biura w Warszawie.

• Bardzo dobra znajomość Jira (JQL, workflow, historia statusów, dashboardy) i Confluence.
• Praktyczna znajomość GitLab (CI/CD, pipeline’y, deploymenty, Merge Requesty), GitHub (repozytoria, Pull Requesty, Actions, API) i Gerrit (code review, patchsety, czas przeglądu kodu).
• Bardzo dobra znajomość SQL (JOIN, agregacje, CTE, funkcje okna) i Power BI (modelowanie, Power Query, DAX, dashboardy).
• Znajomość LLM, ich możliwości i ograniczeń (halucynacje, bezpieczeństwo, koszty), prompt engineeringu, RAG i integracji modeli z aplikacjami oraz procesami przez API.
• Praktyczna znajomość GitHub Copilot (pomiar adopcji i produktywności), Microsoft Copilot oraz NotebookLM lub Google Vertex AI.
• Bardzo dobra znajomość DORA: Deployment Frequency, Lead Time for Changes, Change Failure Rate, Failed Deployment Recovery Time, Rework Rate.
• Umiejętność definiowania i kalkulacji Lead Time i Cycle Time oraz doboru i wdrażania metryk.
• Umiejętność analizy KPI, median, percentyli i trendów, łączenia szybkości dostarczania z jakością i stabilnością oraz interpretacji biznesowej metryk (wartość, ryzyko klientów, koszty poprawek).
• Przekładanie analiz na rekomendacje, inicjatywy i mierzalne KPI oraz ocena jakości, kompletności i spójności danych przed analizą i decyzjami.