Специалист по внедрению ИИ в ПК AKASHI Data Center PLC Астана

Мы — Tier IV дата-центр под управлением Freedom Holding. Внутри компании автоматизируем процессы с помощью AI: уже работает бот для подготовки документов Правления, на подходе AI-агент для комплаенс-проверки контрагентов, дальше — юристы, HR, финансы.

Мы ищем человека, который умеет смотреть на корпоративную боль и решать её софтом. Не учёного. Не ML-теоретика. Прагматика-исследователя, который собирает рабочие решения с помощью современных AI-инструментов разработки — Claude Code, Cursor — и доводит до того, что ими начинают пользоваться.

Если ты любишь копаться в задаче, читать документацию по новому инструменту вечером, собирать прототипы за день вместе с AI-ассистентом и видеть, как твоё решение реально кому-то помогает — нам по пути.

Чем предстоит заниматься

Разговаривать с людьми и находить боли

• Сидеть с комплаенс-офицером, секретариатом Правления, юристами, HR. Слушать, что у них съедает время. Переводить «у меня каждый понедельник три часа уходят на одно и то же» в техническую постановку.

• Отличать боли, которые действительно стоит автоматизировать, от тех, которые проще пережить.

Собирать решения с помощью AI-инструментов

• Кодить вместе с Claude Code и Cursor. Это твой основной способ работы — не «иногда подсматриваю в ChatGPT», а полноценное парное программирование с AI-ассистентом.

• Под каждую задачу искать, какой инструмент подходит лучше всего: LLM API, агентные фреймворки, no-code (n8n, Make, Zapier), Telegram-боты, парсеры открытых данных. Готовое лучше собственного, если работает.

• Собирать прототипы быстро. Если за день не получилось показать что-то рабочее — это сигнал переосмыслить подход.

Доводить до прода

• Между «работает на ноутбуке» и «работает у пользователей каждый день» — большая часть работы. Эта часть тоже на тебе.

• Думать про надёжность, обработку ошибок, мониторинг расходов, удобство для конечного пользователя.

• Внедрять Human-in-the-Loop там, где решение должно остаться за человеком. ИИ предлагает, форматирует, скринит — человек подтверждает.

Поддерживать и развивать

• Слушать обратную связь, чинить, улучшать. Решение живёт после релиза.

• Показывать руководству результаты — на цифрах, а не «вроде работает».

Какие задачи реально стоят

Чтобы ты понимал масштаб и характер работы, вот несколько реальных пунктов из ближайшего бэклога:

• Расширить бот подготовки документов Правления: сейчас он стандартизует пояснительные записки в Telegram и собирает .docx. Следующие фазы — автогенерация протоколов и выписок, извлечение задач из решений, интеграция с Jira и Documentolog.

• Сделать AI-агента для первичного анализа контрагентов: вводишь БИН — на выходе структурированное заключение со ссылками на источники (открытые реестры, санкционные списки, судебные дела) и рекомендацией зелёный / жёлтый / красный.

• Автоматизация HR-процессов и бухгалтерских рутин — конкретные кейсы соберём с владельцами.

• AI-инструменты для юристов: анализ договоров на соответствие шаблонам, поиск рисковых формулировок.

• Внутренние ассистенты и быстрые автоматизации, которые возникают каждую неделю «а можно сделать так, чтобы…».

Кого ищем

Обязательные требования

1. Активно используешь AI-инструменты разработки

• Claude Code или Cursor — твой основной рабочий инструмент. Не «попробовал пару раз», а реально кодишь в этой парадигме каждый день.

• Умеешь правильно ставить задачу AI-агенту: давать контекст, разбивать на шаги, итерировать. Это отдельный навык, и у тебя он есть.

• Понимаешь, где AI-ассистент сильный, а где его надо контролировать — не отдаёшь ему чувствительную логику без проверки.

• В сопроводительном письме готов рассказать конкретно, как ты с этими инструментами работаешь.

2. Умеешь ресерчить

• Сталкиваясь с незнакомой задачей или инструментом, не пасуешь — копаешь, читаешь, пробуешь. Любопытство — главное топливо в этой работе.

• Самостоятельно разбираешься в новых сервисах и API без курсов и менторов.

3. Умеешь решать боли софтом

• Видишь задачу — представляешь, как её можно автоматизировать. Не ждёшь идеального ТЗ, чтобы начать.

• Доводишь до результата. Прототип → демка → прод — пройдёшь весь путь, не бросишь на полпути.

• Можешь разговаривать с людьми из бизнеса. Не требуешь, чтобы тебе всё «положили на стол готовое».

4. Базовый инженерный фундамент

• Уверенно пишешь код — питон в первую очередь. Понимаешь, что ты пишешь (или что пишет AI-ассистент), а не просто копируешь.

• Хотя бы один реальный проект с LLM API, доведённый до пользователей. Не «прошёл курс по промпт-инжинирингу».

• Работал с базовыми кирпичами: REST API, webhooks, Telegram Bot, Google Workspace / Microsoft 365 — что-то из этого делал.

• Git, Docker — стандартная гигиена.

Чего НЕ требуем

Чтобы было понятно — мы решаем прикладные задачи готовыми инструментами, поэтому НЕ нужно:

• Знать теорию машинного обучения, NLP, устройство трансформеров и архитектуру LLM изнутри. Мы используем готовые модели через API, а не обучаем свои.

• Уметь тренировать модели с нуля или делать fine-tuning.

• Computer Vision — у нас нет таких задач.

• Академический бэкграунд, PhD, публикации.

• Опыт с PyTorch, TensorFlow, классическим ML-стеком.

Если в твоём резюме нет ни одного из этих пунктов — это не минус. Скорее всего, наоборот.

Будет большим плюсом

• Понимание стоимости вызовов LLM как инженерной метрики — выбор модели под задачу (Haiku вместо Sonnet там, где хватит), prompt caching, лимиты на токены. Если пока этим не занимался — научишься, главное — не считать это «не своим делом».

• Опыт работы с no-code/low-code инструментами автоматизации (n8n, Make, Zapier).

• Опыт в стартапе или фаундерский опыт — там обычно учатся решать задачи целиком.

• Опыт работы с локальными LLM (Ollama и аналоги).

• Опыт с doc-intelligence: парсинг PDF, извлечение полей из документов.

• Казахский язык.