Думатель

Мы ищем UX/UI дизайнера, который не просто рисует красивые макеты, а умеет понимать пользователей, анализировать их потребности и создавать удобные цифровые продукты. Нам важен человек, который любит продумывать пользовательский путь, умеет превращать сложные процессы в понятные интерфейсы и готов работать в тесном взаимодействии с командой разработки и бизнеса. Если вы любите исследовать, проектировать и создавать продукты, которыми действительно приятно пользоваться, будем рады познакомиться. Мы ценим инициативность, внимание к деталям и желание постоянно развиваться, а взамен предлагаем интересные проекты, возможность влиять на конечный результат и команду, в которой идеи действительно слышат. Чем предстоит заниматься Проектировать пользовательские сценарии, CJM и информационную архитектуру. Проводить анализ потребностей пользователей и превращать бизнес-задачи в удобные интерфейсные решения. Создавать wireframes, user flows, интерактивные прототипы и финальный UI. Разрабатывать дизайн веб и мобильных интерфейсов. Поддерживать и развивать дизайн-систему. Тесно взаимодействовать с продакт-менеджерами, разработчиками и другими участниками команды. Проводить UX-аудит существующих продуктов и предлагать улучшения. Контролировать качество реализации дизайна на этапе разработки. Мы ожидаем Опыт работы UX/UI дизайнером от 2 лет. Наличие портфолио с реализованными веб- или мобильными проектами. Уверенное владение Figma. Понимание принципов UX, usability, адаптивного дизайна и современных UI-паттернов. Опыт создания прототипов и дизайн-систем. Знание основных принципов типографики, композиции и работы с цветом. Умение аргументировать дизайнерские решения и принимать обратную связь. Понимание возможностей и ограничений фронтенд-разработки будет преимуществом. Будет плюсом Опыт проведения пользовательских интервью и UX-исследований. Навыки работы с аналитикой (Hotjar, Amplitude, Google Analytics, Яндекс Метрика и др.). Опыт работы в продуктовых командах. Базовые знания HTML/CSS. Опыт проектирования сложных B2B-систем, CRM, ERP или SaaS-продуктов. Что мы предлагаем Участие в создании востребованных цифровых продуктов. Возможность влиять на продуктовые решения и пользовательский опыт. Профессиональный рост и развитие внутри команды. Гибкий формат работы: удаленно, гибрид или офис. Конкурентную заработную плату, обсуждаемую индивидуально по итогам интервью. Команду, открытую к новым идеям и инициативам.

Мы создаем продукт Coherent — промышленная мультиагентная AI-платформа управления надёжностью технологического оборудования (Reliability Intelligence Suite). Ключевой результат работы платформы — автоматически формируемые технические карты (техкарты) обслуживания оборудования, где каждый из атрибутов прослеживается до проверяемого источника: паспорта оборудования, пункта нормативного документа (ГОСТ), записи в справочниках НСИ. Чем нужно заниматься: Реализовывать и развивать многоагентный пайплайн генерации техкарт (LangGraph): проектирование агентов, их взаимодействия, состояний и переходов. Проектировать и улучшать слой поиска (retrieval) внутри агентов: стратегии разбиения технических документов на фрагменты (chunking), гибридный поиск (dense + BM25), переранжирование результатов (reranker), классификация входящих документов на нулевом шаге пайплайна. Реализовывать логику извлечения фактов, их верификации против первоисточников и разрешения конфликтов между расходящимися источниками (паспорт, ГОСТ, НСИ). Обеспечивать прослеживаемость (provenance) каждого факта до конкретного источника — как ключевое качество продукта. Разрабатывать и поддерживать инженерию промптов и структуру агентов, включая проверочные (verifier) агенты. Настраивать каскадный поиск по верифицированным внешним нормативным источникам. Строить и поддерживать процесс оценки качества пайплайна: метрики поиска (recall@k, NDCG) и метрики качества генерации, работа с эталонным (eval) датасетом. Внедрять и использовать трейсинг и наблюдаемость пайплайна (Langfuse, OpenTelemetry) для диагностики и итеративного улучшения качества. Обеспечивать провайдер-независимость языкового слоя: возможность работы как через облачный API, так и на self-hosted open-source моделях в закрытом контуре. Участвовать в написании технических спецификаций (API-контракты, JSON-схемы, промпты агентов) и техническом ревью в своей зоне. Совместно с аналитиком и экспертами формировать требования к эталонному датасету и участвовать в его подготовке. Что нам важно видеть в кандидате: Опыт в разработке ML / AI / NLP-систем в продакшне — от 3 лет. Уверенный Python; опыт построения сервисов и пайплайнов обработки данных и документов. Подтверждённый опыт построения RAG-систем: стек retriever–reranker–generator, повышение точности и устойчивости поиска. Опыт работы с векторными базами данных (Milvus, FAISS, Chroma, pgvector) и с гибридным поиском (dense + разреженный / BM25). Опыт построения агентных LLM-систем и оркестрации (LangGraph или аналоги); работа с tool-use / function calling. Опыт работы с обработкой больших корпусов технической документации: разбиение на фрагменты, извлечение структуры (таблицы, разделы, ссылки). Опыт построения процессов оценки качества RAG и генерации и интерпретации метрик для итеративного улучшения системы. Глубокое понимание архитектуры RAG и того, как повышать качество каждого её звена (retrieval, reranking, генерация). Владение метриками поиска и ранжирования (recall@k, precision, MRR, MAP, NDCG) и метриками качества генерации (в т.ч. подходы LLM-as-a-Judge, проверка фактической согласованности). Инженерия промптов и проектирование проверочных (verifier) агентов. Понимание того, как строить измеримое качество: роль эталонного датасета, регрессионное тестирование качества, трейсинг пайплайна. Умение работать с разнородной, слабоструктурированной технической и нормативной документацией. Инженерная дисциплина: спецификации, ревью, воспроизводимость, работа в трекере задач. Будет плюсом: Опыт развёртывания и обслуживания self-hosted open-source LLM (vLLM, TGI и т. п.) для закрытого контура — это инфраструктура инференса, не обучение. Опыт с трекерами экспериментов и наблюдаемости (Langfuse, MLflow, Weights & Biases). Опыт работы с технической или нормативной документацией промышленной тематики (ГОСТ, эксплуатационная документация, паспорта оборудования). Интерес к data-centric подходу — улучшению качества за счёт данных и разметки, а не за счёт обучения моделей. Опыт с графовыми БД (Neo4j) и построением связей между сущностями. Что предлагаем: Возможность реализовать ядро инновационного промышленного AI-продукта на ранней стадии и напрямую влиять на архитектуру. Работа с содержательно сложной задачей: проверяемый поиск и верификация фактов в технической документации — а не типовой чат-бот. Короткая дистанция до принятия решений; прямое взаимодействие с продуктовой командой и техническими лидами. Современный стек: LangGraph, Claude API и self-hosted модели, Milvus / pgvector, Langfuse, Kubernetes. Сильная инженерная и продуктовая команда; выстроенная методология спецификаций и ревью.