Platform Reliability Engineer (Observability & AI Platform) in Katowice

Newpage Solutions to globalna firma innowacji w dziedzinie zdrowia cyfrowego, pomagająca ludziom żyć dłużej i zdrowiej. Współpracujemy z organizacjami z branży nauk przyrodniczych, w tym z liderami farmaceutycznymi, biotechnologicznymi i opieki zdrowotnej, aby budować transformacyjne technologie oparte na AI i danych, które rozwiązują rzeczywiste wyzwania zdrowotne.

Lokalizacja / Umowa
LOKALIZACJA: Zdalnie | Typ: Umowa

Twoja Misja
Szukamy doświadczonego inżyniera ds. niezawodności platformy, który zbuduje i zarządza możliwościami obserwowalności, niezawodności i monitorowania kosztów dla platform AI i opartych na agentach. Rola koncentruje się na wdrażaniu instrumentacji OpenTelemetry, śledzeniu rozproszonym, celach poziomu usług (SLO), proaktywnym powiadamianiu i monitorowaniu zużycia tokenów LLM oraz kosztów obliczeniowych w chmurze.

Co będziesz robić

• Obserwowalność i instrumentacja: Projektowanie i wdrażanie instrumentacji opartej na OpenTelemetry w agentach AI, usługach, API i infrastrukturze platformy. Ustanowienie centralnego logowania, metryk i śledzenia rozproszonego.
• Monitorowanie agenta AI: Wdrażanie śledzenia end-to-end dla wykonania agenta, interakcji LLM, wywołań narzędzi, wieloagentowych przepływów pracy i integracji API zewnętrznych. Monitorowanie awarii wykonania, opóźnień, zużycia tokenów i wydajności.
• Niezawodność platformy: Definiowanie i wdrażanie wskaźników poziomu usług (SLI), SLO, monitorowanie dostępności i pulpity nawigacyjne niezawodności dla komponentów platformy AI.
• Powiadamianie i zarządzanie incydentami: Konfigurowanie proaktywnych powiadomień o degradacji usługi, awariach wykonania, skokach opóźnień i wykorzystaniu zasobów. Wsparcie w badaniu incydentów, analizie przyczyn źródłowych i dokumentacji operacyjnej.
• Obserwowalność kosztów: Budowanie możliwości monitorowania i raportowania zużycia tokenów LLM, kosztów API modelu, wykorzystania obliczeń AWS i kosztów wykonania agenta. Wdrażanie przypisania kosztów, progów budżetowych i powiadomień o anomaliach.
• Integracja obserwowalności: Integracja telemetryki z platform AI, usług AWS i aplikacji w centralnych rozwiązaniach obserwowalności. Umożliwienie spójnego monitorowania i raportowania w środowiskach deweloperskich, stagingowych i produkcyjnych.
• Automatyzacja i ciągłe doskonalenie: Automatyzacja konfiguracji obserwowalności, dostarczania pulpitów nawigacyjnych i zarządzania powiadomieniami za pomocą infrastruktury jako kodu (IaC). Identyfikowanie możliwości poprawy wydajności platformy, niezawodności i efektywności operacyjnej.

Co przynosisz
7+ lat odpowiedniego doświadczenia w inżynierii platform, SRE, DevOps lub operacjach infrastruktury produkcyjnej. Praktyczne doświadczenie z SDK OpenTelemetry, konfiguracją kolektora, instrumentacją i potokami telemetrycznymi. Silne doświadczenie w implementacji śledzenia rozproszonego, metryk, logowania, pulpitów nawigacyjnych i powiadamiania. Doświadczenie w definiowaniu i wdrażaniu metryk niezawodności, SLO, budżetów błędów i monitorowania dostępności. Doświadczenie w monitorowaniu infrastruktury i usług AWS, w tym CloudWatch, EKS i konteneryzowanych obciążeń roboczych. Praktyczne doświadczenie z Prometheus, Grafana lub równoważnymi platformami obserwowalności. Doświadczenie w monitorowaniu i analizowaniu kosztów obliczeń w chmurze, zużycia zasobów i trendów użytkowania. Biegłość w Pythonie lub innym języku skryptowym, z doświadczeniem w Terraform lub równoważnych narzędziach IaC. Silne umiejętności rozwiązywania problemów produkcyjnych, zarządzania incydentami i analizy przyczyn źródłowych.

Umiejętności mile widziane
Doświadczenie w implementacji obserwowalności dla aplikacji LLM, agentów AI i orkiestracji wieloagentowej. Znajomość AWS Bedrock, AgentCore lub podobnych platform uruchomieniowych AI. Doświadczenie z Langfuse, Lang Smith lub podobnymi platformami obserwowalności LLM. Wiedza na temat księgowości tokenów LLM, cen modeli, opóźnienia wnioskowania i przypisania kosztów. Doświadczenie w implementacji konwencji semantycznych OpenTelemetry GenAI i śledzeniu interakcji agentów. Znajomość Kubernetes, Docker, GitOps i pipeline'ów CI/CD. Doświadczenie z praktykami FinOps, optymalizacją kosztów i automatycznym powiadamianiem o budżecie.

Oczekiwane rezultaty
Instrumentacja OpenTelemetry i end-to-end śledzenie rozproszone dla komponentów platformy AI. Centralne pulpity nawigacyjne obejmujące zdrowie platformy, wydajność usług, wykonanie agentów i wykorzystanie LLM. Zdefiniowane SLI, SLO, budżety błędów i proaktywne powiadamianie dla krytycznych usług platformy. Pulpity kosztów tokenów i obliczeń z przypisaniem użytkowania, monitorowaniem budżetu i wykrywaniem anomalii. Dokumentacja operacyjna, przepływy pracy badania incydentów i zautomatyzowane konfiguracje obserwowalności.

Preferowane umiejętności
Doświadczony inżynier ds. niezawodności platformy z silnym praktycznym doświadczeniem w obserwowalności, infrastrukturze chmurowej i niezawodności produkcji. Kandydat powinien czuć się komfortowo pracując w oparciu o platformy AI oparte na AWS, wdrażając ustandaryzowaną telemetrykę i tłumacząc dane operacyjne na działania dotyczące niezawodności i kosztów.

Co oferujemy
W Newpage budujemy firmę, która działa inteligentnie i rozwija się z zwinnością, gdzie zmotywowani ludzie łączą się, aby wykonywać pracę, która ma znaczenie. Oferujemy:
- Kulturę skoncentrowaną na ludziach - Wspierający koledzy, otwarta komunikacja i silne poczucie przynależności
- Inteligentną, celową współpracę - Pracuj z utalentowanymi kolegami, aby tworzyć technologie, które rozwiązują istotne wyzwania biznesowe
- Równowagę, która trwa - Szanujemy Twój czas i wspieramy zdrową integrację pracy i życia
- Możliwości rozwoju - Możliwości nauki, przywództwa i rozwoju kariery, dostosowane do Ciebie
- Znaczące nagrody - Konkurencyjne wynagrodzenie, które docenia zarówno wkład, jak i potencjał.