RH939704 - AI Engineer

• sistemi agentici, LLM e orchestrazione;
  
• dati, ontologie e knowledge graph;
  
• software engineering e prototipazione rapida;
  

Mansioni:

• Costruire soluzioni AI su Compass
  
• Progettare e implementare agenti AI e skill configurabili sulla piattaforma, a partire dai casi d’uso identificati con il cliente;
  
• Costruire e mettere a punto workflow agentici multi-step, con tool use, orchestrazione, gestione dello stato e presidi human-in-the-loop;
  
• Modellare il dominio del cliente nel Context Graph: entità, relazioni, regole e processi;
  
• Implementare pipeline RAG e di retrieval su documenti e basi dati eterogenee, curando chunking, indicizzazione, grounding e citazione delle fonti;
  
• Realizzare prototipi funzionanti e iterarli sulla base del feedback degli utenti;
  
• Scrivere codice pulito, testato e manutenibile
  
• Acquisire, trasformare e normalizzare dati provenienti da CRM, ERP, data warehouse, applicativi proprietari, API interne e fonti esterne;
  
• Contribuire alla definizione di modelli dati e ontologie coerenti con i processi e il linguaggio del cliente;
  
• Curare qualità, sicurezza e tracciabilità dei dati, anche in ambienti regolamentati o con informazioni sensibili.
  
• Definire e implementare metodi di valutazione delle soluzioni AI: dataset di test, metriche, benchmark, regression testing sui prompt e sugli agenti;
  
• Individuare le cause di errori, allucinazioni o comportamenti inattesi e intervenire su prompt, contesto, strumenti o architettura;
  
• Monitorare costi, latenza e performance dei sistemi in produzione e ottimizzarli;
  
• Documentare scelte, limiti e criteri di valutazione in modo che siano comprensibili anche a interlocutori non tecnici.
  

Requisiti

Must have

• Laurea magistrale in Intelligenza Artificiale, Informatica, Ingegneria, Matematica, Fisica, Data Science o percorsi affini, con ottimi risultati accademici;
  
• da 1 a 2 anni di esperienza professionale: valutiamo con pari attenzione tesi, progetti di ricerca, pubblicazioni, progetti personali e contributi open source;
  
• ottima padronanza di Python e delle librerie dell’ecosistema AI/ML;
  
• comprensione solida di come funzionano i Large Language Model e i sistemi agentici: prompting, tool use, orchestrazione, RAG, gestione del contesto, limiti e modalità di fallimento;
  
• esperienza con framework per agenti e orchestrazione (LangChain, LangGraph, LlamaIndex, CrewAI, SDK di Anthropic o OpenAI o equivalenti) e con il Model Context Protocol;
  
• esperienza con knowledge graph, graph neural network, embedding di grafi o database a grafo (Neo4j, PyKEEN o simili);
  
• esperienza con vector database, tecniche di retrieval avanzato e valutazione di sistemi RAG;
  
• aver costruito almeno un progetto end-to-end basato su LLM o agenti, portato a un livello funzionante e dimostrabile;
  
• basi di software engineering: Git, API, SQL, strutture dati, capacità di leggere e integrarsi in codebase esistenti;
  
• capacità di strutturare un problema ambiguo, formulare ipotesi e verificarle rapidamente con esperimenti e prototipi;
  
• buone capacità di comunicazione scritta e orale, in italiano e in inglese;
  
• autonomia, senso di responsabilità e voglia di prendersi carico di un problema fino alla fine;
  
• disponibilità a trasferte presso i clienti, indicativamente per il 20-30% del tempo.
  

Nice to have

• esperienza di sviluppo full-stack o familiarità con TypeScript, React o Next.js per costruire interfacce ai propri prototipi;
  
• familiarità con Docker, CI/CD, cloud e messa in produzione di servizi;
  
• pubblicazioni scientifiche, tesi di ricerca, partecipazione a competizioni o hackathon, progetti open source pubblici;
  
• esperienza, anche di stage, in startup, laboratori di ricerca o contesti enterprise;
  

Benefit