Inżynier AI

Siedziba główna: odległa, USA GitLab to inteligentna platforma orkiestracyjna dla DevSecOps. GitLab umożliwia organizacjom zwiększenie produktywności programistów, poprawę efektywności operacyjnej, zmniejszenie ryzyka bezpieczeństwa i zgodności oraz przyspieszenie transformacji cyfrowej. Ponad 50 milionów zarejestrowanych użytkowników i ponad 50% osób z listy Fortune 100* ufa GitLabowi, aby szybciej dostarczać lepsze i bezpieczniejsze oprogramowanie.

Te same zasady wbudowane w nasze produkty znajdują odzwierciedlenie w sposobie pracy naszego zespołu: traktujemy sztuczną inteligencję jako główny czynnik zwiększający produktywność, a od wszystkich członków zespołu oczekuje się włączania sztucznej inteligencji do swoich codziennych przepływów pracy, aby zwiększyć wydajność, innowacyjność i wpływ. GitLab to miejsce, w którym kariera przyspiesza, kwitną innowacje, a każdy głos jest ceniony. Nasza kultura wysokiej wydajności opiera się na naszych wartościach i ciągłej wymianie wiedzy, umożliwiając członkom naszego zespołu osiągnięcie pełnego potencjału podczas współpracy z liderami branży w celu rozwiązywania złożonych problemów.

Współtwórz z nami przyszłość, budując technologię, która zmienia sposób, w jaki świat rozwija oprogramowanie. *Fortune 500® jest zastrzeżonym znakiem towarowym firmy Fortune Media IP Limited, używanym na podstawie licencji. Roszczenie oparte na danych GitLab. Fortune 100 odnosi się do 20% najlepszych firm z listy Fortune 500 2025, opublikowanej w czerwcu 2025.

Fortune i Fortune Media IP Limited nie są powiązane z produktami ani usługami GitLab ani nie wspierają ich. Omówienie tej roli Jako inżynier AI w GitLab pomożesz zbudować podstawy transformacji GitLab w firmę stawiającą na sztuczną inteligencję. Podlegając dyrektorowi ds.

Enterprise AI, będziesz praktycznym liderem technicznym odpowiedzialnym za dostarczanie wewnętrznych rozwiązań opartych na sztucznej inteligencji, które przynoszą wymierne wyniki biznesowe. Szybkie budowanie ma znaczenie, ale samo w sobie nie wystarczy. Ta rola zaczyna się od zrozumienia prawdziwego problemu: mapowania sposobu przemieszczania się pracy pomiędzy zespołami, narzędziami i przekazaniami, identyfikowania prawdziwego ograniczenia i sprawdzania, czy sztuczna inteligencja jest właściwym rozwiązaniem przed rozpoczęciem programowania.

Następnie przejmiesz odpowiedzialność od odkrycia po wdrożenie, łącząc silne umiejętności inżynieryjne z myśleniem systemowym i zrozumieniem biznesu. Początkowo skupisz się na sprzedaży, marketingu i obsłudze klienta, gdzie będziesz osadzać rozwiązania AI w kluczowych systemach i przepływach pracy. Ta rola oferuje możliwość kształtowania sposobu pracy członków zespołu GitLab, usprawniania przepływu w organizacji i pomagania w realizacji naszej misji w zdalnym, asynchronicznym i opartym na wartościach środowisku.

Co będziesz robić Diagnozować problemy biznesowe przed zbudowaniem rozwiązań. Mapuj przepływy pracy, identyfikuj ograniczenia i potwierdzaj, czy sztuczna inteligencja jest właściwą interwencją. Przygotuj się na stwierdzenie „to nie wymaga sztucznej inteligencji”, jeśli taka będzie szczera odpowiedź.

Własne inicjatywy związane ze sztuczną inteligencją od początku do końca, od odkrywania interesariuszy i projektowania technicznego, poprzez wdrażanie, wdrażanie i iterację. Szybko projektuj, rozwijaj i dostarczaj rozwiązania oparte na sztucznej inteligencji, dostarczając działające prototypy w ciągu dni, a nie miesięcy, koncentrując się na praktycznych wynikach i mierzalnej wartości biznesowej. Usprawnij przepływ w organizacji, budując rozwiązania, które redukują wąskie gardła, skracają czas realizacji i zwiększają przepustowość.

Mierz sukces za pomocą wskaźników przepływu oraz wdrożenia i ROI. Integruj możliwości sztucznej inteligencji z istniejącymi systemami i przepływami pracy, korzystając z interfejsów API, narzędzi do orkiestracji i nowoczesnych platform sztucznej inteligencji, w tym w razie potrzeby platformy GitLab Duo Agent. Wygrywa odpowiednie narzędzie, niezależnie od tego, czy jest to niestandardowy kod, platforma, czy dobrze przygotowany monit.

Bądź klientem zero: wykorzystuj i prezentuj ofertę sztucznej inteligencji GitLab, gdziekolwiek to możliwe, przekazując spostrzeżenia dotyczące użytkowania w świecie rzeczywistym z powrotem do badań i rozwoju. Ściśle współpracuj z interesariuszami z różnych funkcji, aby zrozumieć rzeczywiste ograniczenia. Zadawaj właściwe pytania, łącz perspektywy techniczne i nietechniczne oraz dopasowuj wyniki, zanim przejdziesz do rozwiązań. Definiuj i śledź sukces za pomocą wskaźników biznesowych, wskaźników przepływu i pętli informacji zwrotnych, które sprawiają, że wydajność jest widoczna i możliwa do podjęcia.

Wnieś swój wkład w kierunek techniczny, oceniając narzędzia, dokumentując wzorce i tworząc podstawy wielokrotnego użytku, które pomogą zespołowi skalować jego wpływ. Co przyniesiesz Technolog z sercem - autentycznie zainwestowany w technologię, w równym stopniu podstawową, jak i najnowocześniejszą. Dobrze zaprojektowana integracja API daje Ci tyle samo energii, co najnowsza wersja podstawowego modelu.

Sięgasz po najprostsze rozwiązanie, które dobrze rozwiązuje problem, zamiast narzucać nową technologię, gdy sprawdzają się sprawdzone podejścia. Sztuczna inteligencja to potężna część Twojego zestawu narzędzi, ale opiera się na solidnych podstawach inżynieryjnych, a nie zamiast nich. Kompetentne i pewne umiejętności kodowania - możesz kompleksowo budować działające rozwiązania, pisać czysty i łatwy w utrzymaniu kod oraz skutecznie debugować.

Niezależnie od tego, czy Twoje umiejętności doskonaliły się na tradycyjnym stanowisku inżyniera, poprzez automatyzację budynków czy projekty związane z wysyłką, liczy się to, że możesz niezależnie wykonywać prace o jakości produkcyjnej. Głębokość techniczna AI i LLM - duża biegłość w co najmniej jednym nowoczesnym języku skryptowym (Python, JavaScript/TypeScript lub podobny) oraz solidne zrozumienie interfejsów API REST, GraphQL i wzorców integracji. Głębokie, praktyczne doświadczenie z nowoczesnymi technologiami sztucznej inteligencji, w szczególności: Szybka inżynieria jako podstawowa dyscyplina: projektowanie skutecznych podpowiedzi systemowych, zarządzanie oknami kontekstowymi, strukturyzowanie wieloobrotowych interakcji, ocena jakości wyników i systematyczne powtarzanie szybkiego projektu.

Wybór modelu i kompromisy pod względem kosztów i wydajności: zrozumienie, kiedy mniejszy, precyzyjnie dostrojony model jest lepszy od dużego modelu ogólnego przeznaczenia, kiedy RAG jest właściwą architekturą, a nie rozszerzenie okna kontekstowego, oraz jak podejmować oparte na zasadach decyzje dotyczące stosunku możliwości do kosztów. Wzorce architektury agentycznej: użycie narzędzi, orkiestracja wieloagentowa, projekty oparte na działaniu człowieka w pętli, poręcze, ramy ewaluacyjne i wzorce niezawodności na poziomie produkcyjnym. Praktyczna biegłość w całym ekosystemie LLM: praktyczne doświadczenie z modelami z Anthropic, OpenAI, alternatywami typu open source oraz umiejętność oceny, po co sięgnąć i kiedy. Świadomość bezpieczeństwa i ryzyka AI - krytycznie myślisz o tym, w jaki sposób tworzone przez Ciebie rozwiązania mogą zostać wykorzystane, niewłaściwe lub wywołać niezamierzone konsekwencje.

Wiesz, jak zaprojektować odpowiednie zabezpieczenia (weryfikacja danych wejściowych, filtrowanie wyników, kontrola dostępu, zabezpieczenia przed natychmiastowym wstrzykiwaniem i zapobieganie wyciekom danych) i traktujesz je jako pierwszorzędne zagadnienia inżynieryjne. Myślenie systemowe i rygor diagnostyczny - umiejętność spojrzenia na złożony proces i dostrzeżenia ograniczeń. Wygodne mapowanie przebiegu pracy od początku do końca, identyfikowanie wąskich gardeł i śledzenie problemów do przyczyn źródłowych przed zaproponowaniem rozwiązań.

Instynktownie pytasz: „co tak naprawdę blokuje tutaj przepływ?” zanim zapytasz „jakiego modelu powinienem użyć?” Znajomość systemów biznesowych - znajomość krajobrazu systemów biznesowych przedsiębiorstw, CRM (Salesforce), automatyzacji marketingu (Marketo), platform wsparcia (Zendesk), narzędzi do integracji i orkiestracji (Workato), platform AI (Relevance AI) oraz narzędzi wyszukiwania i wiedzy korporacyjnej (Glean). Nie potrzebujesz głębokiego doświadczenia z nimi wszystkimi, ale aby zrozumieć, co robią, jak do siebie pasują, i chcieć budować z nimi i na nich. Niezbędne jest dokładne zrozumienie korporacyjnych modeli danych i przepływów pracy.

Szerokie zrozumienie funkcjonalne - umiejętność prowadzenia znaczących rozmów z interesariuszami z różnych dziedzin i szybkiego zrozumienia ich unikalnych potrzeb. Kompleksowa własność - historia posiadania złożonych inicjatyw od odkrycia po realizację. Komfortowe działanie w obliczu niejednoznaczności i niezależne dążenie do mierzalnych wyników.

Nastawienie na produkt - umiejętność określania zakresu MVP, bezwzględnego ustalania priorytetów i dostarczania iteracyjnego. Ponadto należy wziąć pod uwagę wdrożenie, doświadczenie użytkownika i wyniki biznesowe. Preferowane wymagania Doświadczenie z platformą GitLab i przepływami pracy CI/CD Doświadczenie w konsultingu, inżynierii rozwiązań lub rolach technicznych związanych z kontaktem z klientem Znajomość mapowania strumienia wartości, metryk przepływów lub myślenia w oparciu o teorię ograniczeń Doświadczenie z narzędziami do orkiestracji o niskiej zawartości kodu/bez kodu (n8n, Make, Workato) wraz z rozwojem niestandardowym Doświadczenie w poprzednich start-upach lub firmach o dużym wzroście Doświadczenie w mentoringu lub prowadzeniu projektów technicznych z młodszymi inżynierami O zespole Dołączysz do zespołu Enterprise Technology & AI.

Jesteśmy podstawą organizacji i napędzamy transformację sposobu, w jaki członkowie zespołu GitLab podejmują decyzje, działają na dużą skalę i dostarczają wyniki naszym klientom. Wierzymy, że najlepsze rozwiązania AI zaczynają się od zrozumienia systemu, a nie technologii. Cenimy ludzi, którzy myślą w kategoriach ograniczeń i przepływu, którzy budują z przekonaniem i którzy nigdy nie przestają się uczyć.

Pracujemy w całkowicie zdalnym, asynchronicznym środowisku, kierując się wartościami GitLab, takimi jak współpraca, wyniki, wydajność, różnorodność, włączenie i przynależność, iteracja i przejrzystość. Podstawowy zakres wynagrodzenia na wymienionym poziomie tej roli dotyczy obecnie wyłącznie mieszkańców Stanów Zjednoczonych. Przedział ten ma odzwierciedlać podstawową stawkę wynagrodzenia na danym stanowisku w lokalizacjach na terenie całych Stanów Zjednoczonych.

Poziom zaszeregowania i zakresy wynagrodzeń ustalane są na podstawie rozmów kwalifikacyjnych i przeglądu wykształcenia, doświadczenia, wiedzy, umiejętności i zdolności kandydata, równości z innymi członkami zespołu, zgodności z danymi rynkowymi i położenia geograficznego. Podstawowy zakres wynagrodzenia nie obejmuje żadnych premii, kapitału własnego ani świadczeń. Zobacz więcej informacji na temat naszych świadczeń i kapitału własnego.

Stanowiska sprzedaży kwalifikują się również do wynagrodzenia motywacyjnego w wysokości do 100% oferowanego wynagrodzenia podstawowego. Przedział wynagrodzeń w Stanach Zjednoczonych od 108 400 do 129 600 USD Jak GitLab wspiera pracowników pełnoetatowych Świadczenia wspierające Twoje zdrowie, finanse i dobre samopoczucie Elastyczny płatny czas wolny Grupy zasobów dla członków zespołu Wynagrodzenia kapitałowe i plan zakupu akcji pracowniczych Fundusz wzrostu i rozwoju Urlop rodzicielski Należy pamiętać, że cieszymy się z zainteresowania kandydatów o różnym poziomie doświadczenia doświadczenie; wielu wybranych kandydatów nie spełnia wszystkich wymagań. Ponadto badania wykazały, że osoby z niedostatecznie reprezentowanych grup rzadziej ubiegają się o pracę, jeśli nie spełniają wszystkich kwalifikacji.

Jeśli jesteś podekscytowany tą rolą, aplikuj i pozwól naszym rekruterom ocenić Twoją aplikację. Wytyczne dotyczące zatrudniania w krajach: GitLab zatrudnia nowych członków zespołu w krajach na całym świecie. Wszystkie nasze role są zdalne, jednak niektóre role mogą wiązać się z określonymi wymaganiami kwalifikacyjnymi w zależności od lokalizacji.

Nasz zespół ds. pozyskiwania talentów może pomóc odpowiedzieć na wszelkie pytania dotyczące lokalizacji po rozpoczęciu procesu rekrutacji. Polityka prywatności: Zapoznaj się z naszą Polityką prywatności dotyczącą rekrutacji. Twoja prywatność jest dla nas ważna.

GitLab jest dumny z tego, że jest miejscem pracy zapewniającym równe szanse i jest pracodawcą akcji afirmatywnej. Zasady i praktyki GitLab dotyczące rekrutacji, zatrudnienia, rozwoju i awansu zawodowego, awansu i emerytury opierają się wyłącznie na zasługach, bez względu na rasę, kolor skóry, religię, pochodzenie, płeć (w tym ciążę, laktację, orientację seksualną, tożsamość płciową lub ekspresję płciową), pochodzenie narodowe, wiek, obywatelstwo, stan cywilny, niepełnosprawność umysłową lub fizyczną, informacje genetyczne (w tym historię medyczną w rodzinie), status zwolnienia z wojska, status weterana chronionego (w tym weteranów niepełnosprawnych, weteranów niedawno oddzielonych, czynnej służby wojskowej) lub weterani odznak kampanii i weterani medali służby Sił Zbrojnych) lub na jakiejkolwiek innej podstawie chronionej przez prawo. GitLab nie będzie tolerować dyskryminacji ani molestowania ze względu na którąkolwiek z tych cech.

Zobacz także Politykę EEO GitLab i EEO jest prawem. Jeśli jesteś osobą niepełnosprawną lub masz specjalne potrzeby wymagające zakwaterowania, daj nam znać podczas procesu rekrutacji. Aplikuj bezpośrednio na RemoteJobs.org: https://remotejobs.org/remote-jobs/ai-engineer-gitlab