Чем предстоит заниматься
- анализ рынка → поиск товарных возможностей → расчёт экономики → поиск поставщиков → создание товара и контента → размещение → реклама → аналитика → операционное управление
- AI Engineer должен находить участки, которые сегодня требуют человека, таблиц, браузера и десятков повторяющихся действий, и превращать их в автоматизированные процессы, сервисы или AI-агентов
- Не обязательно автоматизировать процесс на 100%. Часто правильный результат — система, которая делает 70–90% работы и передаёт человеку только спорные решения
- Приоритетные задачи будем выбирать вместе с бизнесом — по ожидаемому эффекту и сложности внедрения
- Анализ новых маркетплейсов и категорий, поиск быстрорастущих товаров и ниш
- Сбор и нормализация данных из маркетплейсов и внешних источников, конкурентная аналитика
- Поиск аналогов товара и поставщиков, AI-агенты для запросов цен и коммуникации с фабриками
- Расчёт полной стоимости поставки и потенциальной прибыльности товара
- Анализ отзывов и поиск возможностей для улучшения продукта
- Генерация и локализация карточек товара под разные страны и площадки
- Автоматизация рекламы и регулярной операционной работы
- Интеграция маркетплейсов, ERP, CRM и аналитических систем; внутренние инструменты и AI-интерфейсы для сотрудников
- Один из возможных классов решений — Product Hunter: система, которая находит перспективные товары, ищет аналоги, считает экономику и помогает принять решение о запуске. Но роль не ограничивается разработкой одного такого продукта
Наши пожелания к кандидатам
- Python и SQL/PostgreSQL
- API и интеграции со сторонними сервисами
- Асинхронная разработка, очереди и фоновые задачи
- Построение data pipelines
- Docker, Git/CI/CD и работа с облачной инфраструктурой
- Практический опыт работы с LLM API
- Умение оценивать качество AI-систем, обрабатывать ошибки и контролировать стоимость их работы
- Structured output, tool calling, агенты и agentic workflows
- RAG и embeddings
- MCP, browser automation и мультимодальные модели
- Инструменты мониторинга и отладки AI-систем: Langfuse или аналоги
- Конкретный фреймворк не принципиален. Если задачу можно нормально решить обычным Python-скриптом без AI, нужно выбрать Python-скрипт
- Product thinking
- Сначала понять проблему бизнеса и только потом выбирать технологию
- Ownership
- Самостоятельно находить и обосновывать задачи, не ждать детального ТЗ и проходить путь: проблема → исследование → прототип → интеграции → production → измерение результата
- Скорость
- Нам ближе за неделю собрать первую рабочую версию и проверить её на реальном процессе, чем три месяца проектировать идеальную архитектуру
- Умение работать с неопределённостью
- На новом рынке заранее неизвестны все API, источники данных и ограничения площадок. Нужно самостоятельно исследовать среду и находить рабочий путь
- Business curiosity
- Должно быть интересно разбираться: как работает marketplace, из чего складывается прибыль товара, как устроены закупки и реклама, где возникает ручной труд и чем рынки отличаются друг от друга