AI Solution Architect in Katowice

Nasz klient rozwija swojego asystenta głosowego w pojeździe w inteligentnego, opartego na AI towarzysza. Możliwości dużych modeli językowych (Azure OpenAI / ChatGPT) są już wdrażane w produkcji w pojazdach z nowymi modelami architektury E³, które oferują ulepszone funkcje głosowe. Backend klienta to usługa orkiestracji AI w chmurze, która odbiera żądania z pojazdu, klasyfikuje je i kieruje, orkiestruje LLM, usługi narzędziowe i wyspecjalizowane agenty oraz zwraca odpowiedź lub działanie do samochodu. DXC Luxoft działa jako partner dostarczający rozwiązania end-to-end, pracując w zespole produktowym z inżynierami klienta na platformie Azure (AKS, Azure OpenAI, AI Foundry, Managed Identity, Azure Monitor, Azure DevOps).

Ta rola odpowiada za architekturę usługi backendowej w operacjach seryjnych — system, który jest już aktywny w dużej flocie pojazdów i musi pozostać dostępny oraz kompatybilny wstecz, podczas gdy dodawane są nowe możliwości: strumieniowanie w całym łańcuchu ASR → LLM → TTS, obsługa wielu intencji, warstwa zabezpieczeń dla deterministycznych odpowiedzi bezpiecznych dla pojazdu, kierowanie agentami oraz nowe integracje narzędzi.

Obowiązki:

• Posiadać i rozwijać architekturę systemu usługi backendowej: routing, logika biznesowa, orkiestracja, dekompozycja usług oraz strukturalna dyscyplina (architektura heksagonalna / porty i adaptery), która utrzymuje platformę zmienną przez wieloletni cykl życia.
• Definiować i zarządzać koncepcją interfejsu między pojazdem, LLM, usługami narzędziowymi i agentami — formalna warstwa kontraktowa, strategia wersjonowania i jej ewolucja w różnych generacjach pojazdów.
• Architektura integracji z pojazdem: REST i gRPC/protobuf API, Viwi, AIDL w kierunku Android Automotive, OAuth2 i mTLS, integracja IdP klienta oraz wewnętrzne interfejsy hosta i telemetryczne klienta.
• Projektować architekturę strumieniową — migracja wywołań usług AI do strumieniowania dla responsywności: inkrementalne zakończenie czatu, transkrypcja ASR w czasie rzeczywistym, odtwarzanie TTS podczas syntezowania; z buforowaniem, zarządzaniem połączeniami, obsługą błędów oraz czystą semantyką anulowania/przerwania (podstawa dla barge-in).
• Posiadać warstwę integracji LLM: normalizacja promptów i przetwarzanie przed/po, kontrola formatu odpowiedzi dla wyświetlacza pojazdu, przygotowanie kontekstu i zarządzanie dialogiem oraz deterministyczne odpowiedzi pojazdu za pomocą promptów systemowych i silnika zabezpieczeń — w dziedzinie, gdzie błędna odpowiedź stanowi problem bezpieczeństwa i marki, a nie tylko jakości.
• Projektować mechanizm orkiestracji agentów, który decyduje, czy żądanie jest odpowiedziane przez LLM, wewnętrzne narzędzie czy zewnętrznego agenta — w tym obsługę wielu intencji i model kierowania za tym (LangGraph).
• Architektura integracji narzędzi i agentów: nawigacja z semantycznym rozwiązywaniem lokalizacji, wyszukiwanie mediów/rozrywki, zapytania o wiedzę, kalendarz i poczta, usługi POI i miejsc oraz usługi danych pojazdu.
• Definiować architekturę RAG i trwałości: strategia osadzania i cykl życia, projektowanie magazynu wektorów (PostgreSQL/pgvector), projektowanie schematu, strojenie i migracje oraz podział odpowiedzialności między magazyny relacyjne, dokumentowe i wektorowe.
• Produkcja koncepcji skalowania i obciążenia dla operacji seryjnych oraz koncepcji bezpieczeństwa, ochrony danych i zgodności zgodnie z normami motoryzacyjnymi — w tym minimalizacja danych w telemetryce i śladach.
• Posiadać architekturę obserwowalności end-to-end: OpenTelemetry rozproszone śledzenie, LangFuse do śledzenia i oceny promptów, metryki i pulpity Azure Monitor, progi alertów i kierowanie — aby opóźnienia mogły być przypisane do komponentów, a łańcuchy awarii rekonstrukowane.
• Utrzymywać architekturę zgodną z celami operacyjnymi: wysoka dostępność w zakresie SLO 99,5%, rozwiązywanie incydentów w ciągu 24 godzin, wsparcie 2/3 poziomu w godzinach pracy oraz strukturalne zarządzanie wersjami, wydaniami i wdrożeniami.
• Gwarantować kompatybilność wsteczną dla istniejących generacji pojazdów — pojazdy z rocznika modelowego 2021 muszą nadal działać, gdy nowe funkcje są wdrażane.
• Ustalać i egzekwować standardy inżynieryjne z zespołami deweloperskimi: przegląd API i interfejsów, jakość kodu i bramy jakości narzędzi Python, projektowanie pipeline CI/CD na Azure DevOps (w tym samodzielnie hostowane uruchamiacze) i GitHub, struktura modułów IaC w Terraform/Terragrunt.
• Działać jako techniczny odpowiednik architektów klienta oraz zespołów UX, backendowych i pojazdowych; utrzymywać dokumentację architektury w Confluence i pracować w narzędziach zarządzania wymaganiami klienta; zapewniać kierunek techniczny dla rozproszonego zespołu deweloperskiego i AI Ops w Scrum.

Wymagania:

• 8+ lat doświadczenia w inżynierii systemów backendowych/rozproszonych, w tym 3+ lata jako architekt lub lider techniczny z pełną odpowiedzialnością za projektowanie systemu produkcyjnego.
• Ekspert Python: FastAPI, async oraz praktyczne doświadczenie z architekturami strumieniowymi (SSE/WebSocket/gRPC streaming, back pressure, cancellation).
• Udokumentowane doświadczenie w architekturze systemów produkcyjnych opartych na LLM — orkiestracja przepływów pracy opartych na narzędziach i agentach z LangChain / LangGraph lub równoważnymi, strategie promptów, strukturalne wyjścia, obsługa ograniczeń LLM i zabezpieczenia.
• Azure OpenAI Service lub OpenAI API w produkcji, w tym migracja wersji modelu i problemy z kompatybilnością, które to powoduje.
• Silne umiejętności projektowania API i interfejsów: REST i gRPC/protobuf, strategie wersjonowania i kompatybilności wstecznej, OAuth2 i mTLS dla bezpiecznej komunikacji między usługami.
• PostgreSQL w głębi: projektowanie schematu, strojenie, migracje (Alembic); plus doświadczenie w pracy z osadzeniami i wyszukiwaniem wektorów dla RAG (pgvector lub równoważne).
• Kubernetes / orkiestracja kontenerów (wdrażanie, skalowanie, sekrety/konfiguracja, sieci, równoważenie obciążenia) oraz architektura chmury Azure (AKS lub Container Apps, Managed Identity, Key Vault, Monitor).
• Infrastruktura jako kod z Terraform: moduły wielokrotnego użytku, separacja środowisk, zdalny stan i blokowanie, integracja CI/CD, zarządzanie cyklem życia.
• Udokumentowana odpowiedzialność za prowadzenie usługi produkcyjnej: monitorowanie, alertowanie, rozproszone śledzenie z OpenTelemetry, zarządzanie incydentami i problemami, zarządzanie poprawkami i wydaniami, optymalizacja opóźnień i kosztów w stosunku do określonych celów.

Umiejętności dodatkowe:

• Tło w motoryzacji lub oprogramowaniu w pojeździe: platformy MIB3 / E³ / SDV, Android Automotive (AAOS) i interfejsy AIDL, protokół Viwi, telemetryka pojazdu i usługi konfiguracji, architektury SOA / mikroserwisowe / strefowe E/E.
• Doświadczenie w ocenie LLM i praktyce regresji promptów: LangFuse, DeepEval, Ragas, PromptFlow; metryki takie jak wierność, wskaźnik halucynacji, opóźnienie P95, WER/CER.
• Integracja usług ASR/TTS na poziomie strumieniowym (Azure Speech, Whisper, Cerence, Google TTS) oraz świadomość warunków akustycznych w kabinie (hałas, mikrofony dalekiego pola, wielu mówców).
• API emocji/sentymentu (HumeAI) i projektowanie empatycznych dialogów.
• Szersze doświadczenie w trwałości: MongoDB (pymongo/beanie), CosmosDB oraz jasne zdanie na temat tego, kiedy każdy z nich powinien być użyty.
• Semantyczne buforowanie i optymalizacja kosztów tokenów na skalę floty.
• Świadomość ram jakości, bezpieczeństwa i zarządzania AI w motoryzacji: A-SPICE, ISO/SAE 21434, TISAX, GDPR/prywatność w projektowaniu, implikacje ustawy UE o AI.
• Doświadczenie w przejmowaniu i stabilizowaniu działającego systemu od poprzedniego dostawcy (transfer wiedzy, odwrotne dokumentowanie odziedziczonej bazy kodu).