Nasze oczekiwania

• Minimum 5 lat doświadczenia w roli technicznej: Software Developer, DevOps Engineer, QA/Test Automation Engineer lub podobnej.

• Praktyczne doświadczenie w zespołach wytwórczych oraz znajomość pełnego cyklu życia aplikacji.

• Doświadczenie w projektowaniu i wdrażaniu rozwiązań opartych o narzędzia AI w SDLC, np. GitHub Copilot, Claude Code, Cursor, Codex, M365 Copilot, modele open-source.

• Praktyczna umiejętność budowy agentów AI, workflowów, skilli i promptów oraz ich integracji ze środowiskiem wytwórczym (repozytoria, CI/CD, code review, testy).

• Znajomość Spec-Driven Development oraz nowoczesnych praktyk inżynierii oprogramowania wspieranych przez AI.

• Znajomość koncepcji LLM, RAG, automatyzacji i architektur agentowych; mile widziana praktyka z frameworkami, np. LangGraph, oraz protokołem MCP.

• Doświadczenie w produkcyjnym wdrażaniu rozwiązań AI: konfiguracja, integracja z systemami organizacji, hardening, monitorowanie i iteracyjny rozwój.

• Umiejętność zbierania, porządkowania i przekładania potrzeb biznesowych oraz technicznych na konkretne inicjatywy wdrożeniowe i architekturę rozwiązania (w tym z wykorzystaniem warsztatów technicznych jako metody discovery).

• Umiejętność oceny wartości biznesowej AI, optymalizacji kosztów użycia modeli oraz mierzenia efektów wdrożeń.

• Wysokie kompetencje komunikacyjne i konsultacyjne: umiejętność prowadzenia rozmów z zespołami technicznymi, managerami i dyrektorami.

• Doświadczenie w transferze wiedzy inżynierskiej w toku wspólnej realizacji zadań z zespołem: pair/mob programming, wspólne code review, wspólne projektowanie i budowa rozwiązań na rzeczywistych zadaniach zespołu.

• Umiejętność ujednolicania praktyk i standardów pracy z narzędziami AI wewnątrz zespołu oraz doboru praktyk Agentic SDLC do ról i zadań (developer, tester, analityk, DevOps) — tak, aby potencjał każdej roli był wykorzystywany adekwatnie.

• Umiejętność wspierania zespołów wytwórczych w operacyjnym przejęciu wdrożonych rozwiązań: stopniowe przekazywanie odpowiedzialności, sesje techniczne przy wdrożeniach, praca ramię w ramię z zespołem.

• Znajomość realiów wytwarzania oprogramowania w dużej organizacji finansowej oraz świadomość wymogów bezpieczeństwa i zgodności.

• Analityczne podejście, samodzielność, otwartość na eksperymentowanie i ciągłe uczenie się.

• Świadczenie usług z terytorium Polski.

• Świadczenie usług hybrydowo — jeden dzień w tygodniu w biurze w Warszawie.

Kluczowe zadania

• Prowadzenie wdrożeń Agentic SDLC end-to-end: od analizy potrzeb, przez pilotaże i konfigurację narzędzi, po standaryzację, governance i skalowanie.

• Współpraca z managerami, dyrektorami i zespołami w celu zbierania potrzeb, ustalania priorytetów oraz budowania roadmapy adopcji AI.

• Prowadzenie szkoleń, warsztatów, konsultacji i praktycznych sesji pracy dla cross-funkcyjnych zespołów developerskich.

• Wspieranie zespołów w efektywnym wykorzystaniu narzędzi takich jak GitHub Copilot, Claude Code, Cursor, Codex czy M365 Copilot.

• Projektowanie i wdrażanie workflowów, agentów, promptów, skilli oraz praktyk Spec-Driven Development wspierających analizę, development, testy, code review, dokumentację i utrzymanie.

• Budowanie wewnętrznej bazy wiedzy, standardów, wzorców użycia i dobrych praktyk AI w SDLC.

• Zarządzanie oporem wobec zmiany: komunikowanie korzyści, adresowanie obaw, angażowanie liderów technicznych i wspieranie zespołów w zmianie sposobu pracy.

• Definiowanie oraz monitorowanie KPI/OKR i ROI wdrożeń AI, m.in. w zakresie produktywności, jakości, czasu dostarczania, kosztu jednostkowego zmiany i adopcji narzędzi.

• Ocena oraz rekomendowanie rozwiązań AI SDLC z uwzględnieniem jakości, kosztów, bezpieczeństwa, ryzyk regulacyjnych i zgodności z politykami organizacji.

• Tworzenie i egzekwowanie zasad bezpiecznego, odpowiedzialnego użycia AI, w tym ochrony danych, kontroli dostępu i zarządzania ryzykiem.

• Monitorowanie rozwoju rynku AI i przekładanie nowych możliwości na konkretne zastosowania w domenie majątkowej.