وظایف تخصصی و مسئولیت‌ها:
- طراحی معماری، توسعه و پیاده‌سازی سیستم‌های مبتنی بر هوش مصنوعی (AI Native)
- طراحی، توسعه و پیاده‌سازی دستیارهای هوشمند، چت‌بات‌ها و سیستم‌های مبتنی بر AI Agents و Agentic AI
- طراحی و پیاده‌سازی سیستم‌های چندعاملی (Multi-Agent Systems) و گردش‌کارهای هوشمند (Intelligent Workflows)
- طراحی و توسعه راهکارهای مبتنی بر مدل‌های زبانی بزرگ (LLMs) و یکپارچه‌سازی آن‌ها با سامانه‌ها و سرویس‌های سازمانی
- طراحی و پیاده‌سازی معماری‌های RAG و راهکارهای جست‌وجوی معنایی و بازیابی اطلاعات
- طراحی و توسعه APIها و سرویس‌های Backend مورد نیاز برای محصولات هوش مصنوعی
- طراحی و مدیریت فرآیندهای MLOps و LLMOps، استقرار مدل‌ها و سرویس‌های AI در محیط عملیاتی و پایش عملکرد آن‌ها
- بهینه‌سازی عملکرد، مقیاس‌پذیری، پایداری و هزینه اجرای سرویس‌های مبتنی بر هوش مصنوعی
- ارزیابی و انتخاب مدل‌ها، فریم‌ورک‌ها و فناوری‌های مناسب و متناسب با نیازمندی‌های پروژه
- همکاری با مدیر محصول و تحلیلگران کسب‌وکار برای تبدیل نیازمندی‌های کسب‌وکار به راهکارهای فنی و قابل پیاده‌سازی
- تحقیق و ارزیابی مستمر فناوری‌ها و ابزارهای جدید حوزه هوش مصنوعی و به‌کارگیری فناوری‌های اثربخش در محصولات شرکت

مهارت‌های فنی و تخصصی:
- تسلط عملی و حرفه‌ای به Python و JavaScript/TypeScript
- تسلط به طراحی و توسعه Backend و معماری سرویس‌های نرم‌افزاری
- تسلط به کار با پایگاه‌های داده SQL و NoSQL مانند PostgreSQL، MySQL و MongoDB
- تجربه عملی در طراحی و توسعه راهکارهای مبتنی بر LLMs و کار با AI APIs مانند OpenAI، Anthropic و سایر ارائه‌دهندگان مدل‌های زبانی
- تسلط به مفاهیم Prompt Engineering، Context Engineering و طراحی گردش‌کارهای هوشمند
- تجربه عملی در طراحی و توسعه AI Agents، Agentic Workflows و Multi-Agent Systems
- تسلط به معماری RAG، تکنیک‌های Embedding، Semantic Search و کار با Vector Databases مانند Qdrant
- آشنایی و تجربه کار با فریم‌ورک‌های توسعه سیستم‌های هوشمند مانند LangChain، LangGraph یا ابزارهای مشابه
- آشنایی با مفاهیم و ابزارهای MLOps و LLMOps و تجربه استقرار و پایش سرویس‌های هوش مصنوعی
- تسلط به Git و ابزارهای مدیریت نسخه و توسعه تیمی
- تجربه کار با Docker و آشنایی با زیرساخت‌های ابری و ابزارهای CI/CD

سابقه و تجربه مورد نیاز:
- حداقل 2 سال تجربه عملی در توسعه راهکارهای مبتنی بر هوش مصنوعی و LLM
- تجربه عملی در توسعه و استقرار حداقل یک محصول یا سیستم مبتنی بر AI در محیط عملیاتی (Production)
- داشتن نمونه‌کارهای قابل ارائه در زمینه توسعه سیستم‌های مبتنی بر هوش مصنوعی مزیت محسوب می‌شود

نوع همکاری به صورت تمام‌وقت و حضوری است.