La posizione
Siamo alla ricerca di un/una Full Stack AI Engineer capace di contribuire all’intero ciclo di sviluppo di prodotti software potenziati dall’AI: dalla progettazione dell’architettura alla realizzazione del backend e dell’interfaccia applicativa, fino all’integrazione dei modelli, al rilascio in produzione e al miglioramento continuo. La persona lavorerà a stretto contatto con Data Scientist e altri professionisti tecnici per trasformare modelli di Machine Learning e Generative AI in funzionalità concrete, sicure e sostenibili dal punto di vista operativo.
Responsabilità principali
•Progettazione e sviluppo full stack: Progettare, implementare e mantenere applicazioni web e servizi software che abilitano workflow AI-driven, curando l’integrazione tra interfaccia utente, logica applicativa, API e sistemi di backend.
•Sviluppo backend scalabile: Realizzare servizi robusti e scalabili per supportare interazioni AI in tempo reale, elaborazione delle richieste, accesso alle fonti informative e automazione dei processi.
•Integrazione di modelli AI: Collaborare con Data Scientist per integrare modelli di Machine Learning e Generative AI nei prodotti, traducendo le capacità dei modelli in funzionalità applicative utilizzabili in produzione.
•Knowledge retrieval: Contribuire alla progettazione di sistemi di recupero delle informazioni e di contestualizzazione delle risposte AI, con attenzione alla qualità dei dati, alla pertinenza dei risultati e ai tempi di risposta.
•Agenti conversazionali: Integrare modelli linguistici e agenti conversazionali nei sistemi aziendali, collegandoli ad API, strumenti e fonti dati autorizzate per supportare attività e workflow automatizzati.
•Piattaforme AI Ops: Contribuire allo sviluppo, alla manutenzione e al miglioramento delle piattaforme interne di AI Ops, favorendo la gestione affidabile dei servizi AI e dei relativi processi operativi.
•Qualità e manutenibilità del codice: Scrivere codice chiaro, robusto ed efficiente, limitando le dipendenze non necessarie e adottando pratiche che facilitino test, manutenzione, riuso e aggiornamento dei componenti.
•Iterazione e miglioramento del prodotto: Valutare feedback e risultati, identificare opportunità di ottimizzazione e bilanciare le esigenze degli utenti con la fattibilità tecnica, le prestazioni e i vincoli operativi.
•Documentazione tecnica: Documentare architetture, API, integrazioni, flussi AI e procedure operative, in modo da garantire trasferibilità delle conoscenze e continuità nella manutenzione.
Competenze tecniche
•Sviluppo full stack: Esperienza nello sviluppo di applicazioni web, con capacità di lavorare sia sul backend sia sul frontend. Il linguaggio e il framework specifici dovranno essere definiti in base allo stack del cliente.
•Backend e API: Conoscenza dei principi di progettazione di servizi scalabili, API e sistemi distribuiti, con attenzione a prestazioni, affidabilità e gestione degli errori.
•Integrazione AI/ML: Esperienza o conoscenza pratica nell’integrazione di modelli di Machine Learning e/o Generative AI in applicazioni software.
•LLM e agenti: Familiarità con modelli linguistici, agenti conversazionali e integrazione con strumenti o servizi esterni; la profondità richiesta andrà calibrata sul progetto.
•Knowledge retrieval: Conoscenza dei concetti di information retrieval e dei sistemi di ricerca e recupero del contesto; eventuale esperienza con architetture RAG costituisce un plus se pertinente allo stack.
•Qualità del software: Attenzione a test, leggibilità, efficienza, sicurezza, gestione delle dipendenze e manutenibilità del codice.
•Piattaforme e operatività AI: Interesse o esperienza nel rilascio e nella manutenzione di servizi AI in ambienti production-ready, con attenzione a monitoraggio, versionamento e affidabilità.
•Documentazione: Capacità di documentare scelte architetturali, componenti software, API e processi d’integrazione.
Competenze trasversali
•Capacità di collaborare con Data Scientist, sviluppatori e stakeholder di prodotto.
•Approccio pragmatico alla risoluzione dei problemi e capacità di valutare compromessi tecnici.
•Attitudine al miglioramento continuo e all’apprendimento di tecnologie in evoluzione.
•Orientamento alla qualità del prodotto e alle esigenze degli utenti finali.
•Autonomia nell’organizzazione delle attività, con comunicazione tempestiva di rischi e dipendenze.
•Capacità di spiegare scelte e limiti tecnici in modo chiaro e documentato.
