AI Architect (Voice AI) in Warsaw

O projekcie (opis, czas trwania, etap): Klient jest największą siecią w USA zajmującą się hospicjum weterynaryjnym i opieką na końcu życia. Główny sponsor prywatny w USA prowadzi program AI i planuje więcej projektów w swoim portfolio. Zbudowaliśmy real-time voice copilot dla ich Koordynatorów Opieki Weterynaryjnej (VCC). Copilot słucha na żywo rozmów z rodzinami zwierząt. Ekstrahuje dane dotyczące wizyt i kliniki podczas rozmowy. Wypełnia system harmonogramowania klienta za pomocą rozszerzenia Chrome. Drugi strumień pracy, Vet Visit Copilot, wysyła każdemu weterynarzowi briefing przed wizytą AI przez e-mail (Amazon SES). Następny etap to faza produkcji. Etap: produkcja SOW w zgodności z kierownictwem; rozpoczęcie przewidziane na wrzesień 2026. Czas trwania: kilka miesięcy, z dużym prawdopodobieństwem przedłużenia. Minimum 0,5 FTE; wzrost do 1,0 FTE w miarę skalowania produkcji.

Dlaczego rola jest otwarta: obecny architekt przechodzi do innej strategicznej budowy. Pozostaje na poziomie 0,15-0,2 FTE w celu nadzoru i transferu wiedzy podczas ramp-up, aby nowy architekt mógł uzyskać strukturalne przekazanie obowiązków.

Cel: Posiadanie technicznej architektury i dostarczenie voice copilot od zwalidowanego PoC do produkcji. Utrzymanie oczekiwań w zgodzie: produkcyjna jakość jest teraz w zakresie; ochrona zespołu przed cichym rozszerzeniem zakresu. Ciągłe przekazywanie wiedzy do zespołu klienta i inżynierów Neurons Lab.

Obszary odpowiedzialności:

• Architektura techniczna i praktyczna implementacja
• Posiadanie pełnego pipeline'u: streaming speech-to-text, LLM field extraction, dostarczanie przez rozszerzenie Chrome i infrastruktura AWS
• Praca nad latencją: zmniejszenie P95 z ~6s do ~2s; usunięcie przypadków brzegowych przetwarzania (okazjonalne ~1min opóźnienie w jednym typie pola)
• Przeprowadzanie testów A/B modelu (aktualna para: Claude Haiku vs GPT Luna) z oceną golden-set dla dokładności fonetycznej imienia i e-maila
• Posiadanie oceny i kosztów: ślady Langfuse, pulpity nawigacyjne dokładności, rzeczywisty koszt na połączenie z rozmów na żywo oraz plan optymalizacji
• Wzmocnienie produkcji: 5-10+ równoległych połączeń, ścisła izolacja danych między użytkownikami, monitorowanie, alerty i bezpieczne wycofanie
• Realizacja epików end to end (przykład: usługa briefingowa SES); zawsze utrzymywanie fallbacku demo, aby sesja na żywo nigdy nie zawiodła

Współpraca z interesariuszami klienta:

• Prowadzenie dyskusji technicznych z wymagającym klientem; VCC testują przypadki brzegowe i oczekują jakości produkcji
• Prezentowanie konkretnego zachowania systemu, z danymi - to konto nagradza dowody, a nie slajdy
• Utrzymywanie linii zakresu: powiązanie każdego elementu feedbacku z SOW; kierowanie elementami roadmapy (pętla uczenia, pamięć trwała) do przyszłych faz
• Utrzymywanie wewnętrznych dyskusji wewnętrznie; wszystkie materiały skierowane do klienta przechodzą przegląd ADM przed wysłaniem

Zespół i wiedza:

• Prowadzenie inżyniera AI i zespołu: ustalanie zadań, przegląd wyników, szybkie usuwanie przeszkód
• Przyswajanie przekazania od wychodzącego architekta (0,15-0,2 FTE okno nadzoru) i szybkie stawanie się niezależnym
• Przeprowadzanie sesji transferu wiedzy; projekt musi nie mieć pojedynczego punktu awarii
• Wsparcie SOW produkcji z szacunkami i opcjami architektonicznymi, gdy zespół konta pyta

Umiejętności:

• Real-time voice pipelines: streaming STT, obsługa zwrotów, niskolatencyjne wnioskowanie LLM - praktyczne doświadczenie
• Inżynieria LLM: inżynieria promptów, strukturalne ekstrakcje, zabezpieczenia, ocena A/B modelu
• Obserwowalność i oceny: Langfuse lub podobne; zestawy danych golden; pulpity nawigacyjne latencji, dokładności i kosztów
• AWS: Bedrock, wzorce serverless, SES; ekonomika tokenów i inżynieria kosztów na połączenie
• Pragmatyzm full-stack: silny Python; wystarczająca wiedza o TypeScript / rozszerzeniu Chrome, aby posiadać integrację
• Jasny angielski mówiony i pisany dla wymagających amerykańskich menedżerów

Wiedza:

• Wzorce i metryki kontakt-center / agent-assist (czas obsługi, koszt na połączenie, równoległość)
• Operacje LLM w produkcji: testowanie obciążenia, izolacja danych, obsługa incydentów

Preferowane cechy: domeny wrażliwe na empatię (opieka zdrowotna, weterynaria, ubezpieczenia) oraz wdrożenia sponsorowane przez PE.

Doświadczenie: Kluczowe cechy (sprawdzane dla wszystkich czterech):

• Voice AI w produkcji - obowiązkowe.
• Wydane co najmniej jeden produkt głosowy lub mowy w czasie rzeczywistym dla rzeczywistych użytkowników (wsparcie agenta, bot głosowy, copilot transkrypcyjny na żywo). Kandydaci będą demonstrować rzeczywiste artefakty podczas rozmowy kwalifikacyjnej.
• 6+ lat praktycznego doświadczenia w inżynierii AI/ML, z silną praktyką produkcyjną LLM w ostatnim czasie.
• Rekord latencji i niezawodności. Może pokazać zmniejszenie P95 i poprawki równoległości w systemie na żywo.
• Seniorność w konsultingu / pracy z klientem.
• Spokój i precyzja pod szczegółowym nadzorem UAT; dobrze zarządzane oczekiwania menedżerów.

Preferowane: Dostarczanie rozszerzeń Chrome; stosy telekomunikacyjne / streamingowe (Amazon Connect, Twilio, LiveKit); Langfuse w produkcji; doświadczenie z klientami w USA z pokryciem czasowym w strefie wschodniej.