Ai engineering

Italia, Lazio, Roma, Gaming/Intrattenimento/Media/Arte, Altro

È il candidato/la candidata ideale per questa opportunità? Lo scopra leggendo la panoramica del ruolo qui sotto.

Luogo di lavoro:

Luogo di lavoro: Italia , Lazio , Roma

Settore:

Settore: Gaming/Intrattenimento/Media/Arte

Data ultimo aggiornamento:

attività Stampa Dillo a un amico

Descrizione annuncio

Verifica la tua compatibilità con questo annuncio

MF Consultant – Azienda specializzata in Head Hunting & Executive Search, Coaching & Mentoring, Training & Development e HR Solution (Temporary Management, Outplacement e Performance Management) per importante azienda cliente leader del settore gaming e betting su Roma è alla ricerca di una figura di AI Engineer.

Siamo alla ricerca di un/una professionista senior che acceleri l'adozione responsabile dell'AI nel nostro team di sviluppo Digital, combinando competenze hands‑on su AI coding, progettazione di soluzioni AI e design dell'esperienza. La figura agirà come mentor e coach trasversale per sviluppatori backend, frontend web e mobile, supportando l'intero ciclo di vita: discovery, prototipazione, sviluppo, test, rilascio, misurazione e miglioramento continuo.

Responsabilità:

• 
  
• Definire e guidare l'adozione di pratiche di AI-assisted development lungo l'intero ciclo di sviluppo software
  
• Affiancare il team con mentoring, coaching, pairing, code review, design review, workshop e sessioni di knowledge sharing
  
• Progettare e prototipare funzionalità basate su Large Language Models, agenti AI, Retrieval-Augmented Generation (RAG), tool calling e workflow human-in-the-loop.
  
• Supportare sviluppatori backend, frontend Angular e mobile Flutter nell'integrazione sicura e manutenibile di capability AI nelle applicazioni e nelle piattaforme esistenti
  
• Definire linee guida operative per prompt engineering, context engineering, structured output, gestione della memoria, valutazione dei modelli e fallback applicativi
  
• Promuovere l'uso efficace di strumenti di AI coding per analisi, generazione e refactoring del codice, test automatici, documentazione tecnica, debugging e supporto alle code review
  
• Collaborare con Product, QA, Security, Operations e stakeholder business per trasformare problemi e opportunità in use case AI concreti e misurabili
  
• Applicare principi di AI product design e conversational design, progettando interazioni comprensibili, controllabili, accessibili e coerenti con il design system
  
• Definire prototipi ed esperimenti, criteri di successo, dataset di valutazione e processi di feedback prima della messa in produzione
  
• Impostare strategie di valutazione della qualità tramite test automatici e revisioni umane, considerando accuratezza, rilevanza, robustezza, latenza, costi e sicurezza
  
• Individuare rischi quali hallucination, prompt injection, leakage di dati, bias, dipendenza dal modello e comportamenti non deterministici, proponendo controlli e mitigazioni
  
• Contribuire alle decisioni architetturali valutando trade‑off tra modelli proprietari e open‑weight, servizi cloud e componenti self‑hosted, qualità, costi, performance e lock‑in
  
• Creare standard, reference implementation, template riutilizzabili e una roadmap di crescita delle competenze AI del team
  
• Monitorare l'efficacia dell'adozione AI e favorire un miglioramento continuo basato su evidenze, feedback degli utenti e metriche tecniche
  
• Almeno 8 anni di esperienza complessiva in software engineering, solution architecture, data/AI engineering o product engineering, con comprovata seniority tecnica
  
• Esperienza concreta nella progettazione e realizzazione di applicazioni GenAI e LLM in ambienti enterprise o di produzione
  
• Ottima conoscenza di prompt engineering, context engineering, embeddings, vector search, RAG, agentic workflow, function/tool calling e structured output
  
• Capacità di programmare e buona familiarità con almeno uno degli stack del team, ad esempio C#/.NET, TypeScript/Angular o Dart/Flutter
  
• Esperienza con API REST, microservizi, architetture event‑driven, database relazionali e NoSQL, containerizzazione e pipeline CI/CD
  
• Conoscenza di framework e SDK per applicazioni AI, ad esempio Semantic Kernel, LangChain, LlamaIndex o SDK nativi dei principali provider
  
• Esperienza con strumenti di AI coding quali Claude Code, GitHub Copilot, Cursor o soluzioni equivalenti, inclusa la definizione di policy e buone pratiche di utilizzo
  
• Conoscenza di tecniche di LLM evaluation e observability: golden dataset, regression test, model/prompt versioning, tracing, quality score, latency e cost monitoring
  
• Conoscenza dei principi di secure‑by‑de