Portugal
ambi.
Block Labs
Applied AI Engineer
RemotePortugal
Lisbon, Portugal
TypeScriptPythonSQL
Automatische Übersetzung. Prüfe das Original.
Über Block
Labs Block Labs ist ein führendes Technologie-Studio, das an der Spitze von Web3, künstlicher Intelligenz und iGaming operiert. Wir liefern nicht nur Features; wir entwickeln hochskalierbare, produktionsreife Plattformen, die die nächste Generation digitaler Produkte antreiben.
Wir sind ein Kollektiv aus erfahrenen Ingenieuren, Produktstrategen und Machern, die keine Kompromisse bei der Architektur eingehen. Ob wir autonome Multi-Agenten-KI-Systeme entwerfen, dezentrale Finanzinfrastrukturen aufbauen oder High-Frequency-iGaming-Plattformen entwickeln, unser Standard ist Exzellenz.
Wir bewegen uns schnell, aber wir bauen für die lange Frist. Wenn Sie mit einem Team zusammenarbeiten möchten, das tiefes technisches Fachwissen, durchdachtes Systemdesign und Produktverantwortung schätzt, sind Sie bei Block Labs genau richtig.
Die Rolle
Wir investieren in gesteuerte KI-Agenten, die direkt mit unseren Kunden und internen Teams zusammenarbeiten. Daten & Intelligenz stehen nun im Zentrum mehrerer Produkte, die wir entwickeln, und die von uns aufgebaute Plattform ist bereit, fortschrittlichere Intelligenz zu tragen: Echtzeit-Entscheidungsfindung, prädiktive Modellierung und gesteuerte KI-Agenten.
Diese Rolle spiegelt diesen Wandel wider. Unsere Entscheidungsmaschine wird durch ein formales Entscheidungsregister gesteuert: über 100 Entscheidungen in 15 Plattformmodulen, die Echtzeit-Risikoprüfungen, Belohnungs- und Engagement-Orchestrierung, Zahlungsrouting, Treasury-Alarmierung und Interventionen für verantwortungsbewusstes Spielen umfassen. Menschen legen Ziele, Budgets und Genehmigungsgrenzen fest; KI und ML-Modelle erstellen, bewerten, simulieren und optimieren innerhalb dieser Grenzen; die Maschine führt deterministisch innerhalb genehmigter Grenzen aus und protokolliert alles.
Als KI-Ingenieur im Intelligence-Team,
sind Sie der Produktentwickler der Daten- und Agentenplattform. Sie entwickeln Produktionsagenten, die reale Geschäftsfragen beantworten und, wenn sie Autonomie erlangen, mit echten Kunden und echtem Geld agieren: fundiert, prüfbar, gegen bösartige Eingaben gesichert und bei Bedarf durch menschliche Genehmigung begrenzt. Und Sie entwickeln die Intelligenz darunter und darum herum: die Modelle und Analysen, die Entscheidungen ermöglichen, und die Dashboards, auf denen das Geschäft alles sieht und steuert, auf einer Plattform, auf der eine falsche Entscheidung Geld bewegen kann und jede Entscheidung rekonstruierbar sein muss.
Welche Art von Kultur kann ich erwarten?
Reif, missionsgetrieben und mit wenig Ego. Wir schätzen Klarheit über Lärm, Ergebnisse über Theatralik und Tempo ohne Chaos. Wenn Sie zu den klügsten Köpfen Ihres Fachs gehören und mit anderen Experten aufbauen möchten, werden Sie sich hier wie zu Hause fühlen.
Hauptverantwortlichkeiten
Ihr erstes Lieferobjekt ist ein produktiver SQL BI-Analysten-Agent: ein Slack-nativer Agent, der Geschäftsfragen mit gesteuertem SQL über das analytische Warehouse beantwortet, mit validierten Abfragen, geprüften Ergebnissen und zitierten Belegen hinter jeder Zahl.
Von dort aus balanciert die Rolle vier Handwerke in etwa gleichen Teilen: KI-Agenten, machine learning, Data Science und die Dashboards und Oberflächen, die sie bereitstellen.
KI-Agenten
- Entwickeln und verantworten Sie Analysten-Agenten von Ende zu Ende: Slack-native Agenten, die natürliche Sprachfragen in gesteuertes SQL über das analytische Warehouse übersetzen, Fragen zur Gewinn- und Verlustrechnung von Führungskräften beantworten, tägliche Statusberichte posten und Kennzahlenbewegungen mit datengestützter Ursachenanalyse erklären; geschützt durch SQL und Schema-Validierung, Ergebnisprüfungen und Abgleiche täglicher Kennzahlen mit kanonischen Berichtsansichten.
- Erweitern Sie auf kundenorientierte Agenten: Intent-Triage und -Routing, Retrieval-Grounded (RAG)-Antworten über versionierte Wissensdatenbanken mit strengen Abbruch- und Eskalations-Fallbacks, Multi-Turn-Konversationszustandsautomaten, lokalisierte Markenstimme und Eskalationslogik; integriert mit unseren Helpdesk- und CRM-Plattformen (Webhook-Ingestion, Sitzungslebenszyklusmanagement, Intent-Metadaten-Tagging, automatisierte Eskalationstickets mit vorgepacktem Tool-Kontext).
- Bauen Sie die risikostratifizierte Tool-Schicht zwischen Agenten und Back-Office APIs: Lese-Tools zur Kontextsammlung, informationsbasierte Validierung vor jeder Aktion, Multi-Turn-Bestätigungsworkflows und einen pro-Tool-Schalter, der Low-Risk-Mutationen von der Lead-Genehmigung zur vollständig autonomen Ausführung verschiebt, wenn sich Beweise ansammeln. Härten Sie Agenten gegen bösartige Eingaben ab: Prompt-Injection-Screening, Einfrieren von Vertrauensschwellenwerten für sensible Intents, stille Sicherheitseskalationspfade und Abwehrmaßnahmen gegen Tool-Missbrauch und Datenexfiltration.
- Bauen Sie Agenten auf der Autonomieleiter auf, indem Sie LangGraph, das Anthropic Agent SDK / Model Context Protocol (MCP) oder äquivalente Orchestrierungs-Frameworks verwenden. Entwickeln Sie die geschlossene Feedbackschleife (Erfassung von Korrekturen, bewährte Abfrage- und semantische Speicher), die Protokollierung von Entscheidungs-Audits und die Auswertungs-Harnesses, einschließlich Regressionstests, die beweisen, dass neue Tools oder Intents keine Verschlechterung bestehender Pfade verursachen.
Machine Learning
- Entwickeln und produktiv setzen Sie die Modelle hinter den Entscheidungssignalen der Plattform: Abwanderungs-, Lebenszeitwert- und Bonus-Sensitivitätsmodelle für Engagement; zusammengesetzte Spieler-Risikobewertungen über Identitäts-, Zahlungs-, Gameplay-, Bonus- und Netzwerksignale; Kollusions-, Bot-Spiel- und Mehrfachkonten-Erkennung; und Anomalieerkennung für Treasury und Zahlungen.
- Liefern Sie Modelle als gesteuerte Signale, nicht als Notebooks: versionierte, SLA-gebundene Verträge mit der Entscheidungsmaschine und Ihren Agenten, mit Überwachung von Aktualität, Drift und Kalibrierung sowie automatisierten Retraining-Pfaden, bereitgestellt über Echtzeit- (Kafka/MSK), Near-Real-Time- und Batch- (ClickHouse) Ebenen.
Data Science
- Verantworten Sie die Multi-Vektor-Auszahlungsrisikobewertung: pro-Vektor-Bewertungen mit zitierten Begründungen und Konfidenz, evidenzbasierte Aggregation und automatische Neubewertung bei später eingehenden Beweisen.
- Kodifizieren Sie Geschäftsregeln mit Domänenbesitzern und halten Sie die Richtlinien prüfbar: Übersetzen Sie Richtlinien in deterministische, konfigurierbare Regeln; simulieren und testen Sie jede Regel- oder Schwellenwertänderung anhand historischer Daten, bevor sie aktiviert wird; entwerfen Sie Holdouts und Kontrollgruppen, um den tatsächlichen Uplift zu messen; und führen Sie die tiefgehenden Analysen durch, die sowohl Ihre Agenten als auch das Führungsteam speisen.
Dashboards & Oberflächen
- Bauen Sie die Supervisor- und Genehmigungs-Oberflächen für Ihre Agenten: Überprüfungs-Warteschlangen mit One-Click-Aktionsvorschlagskarten für risikoreiche Mutationen, durchsuchbare Sitzungs-Wiederholungen, die Prompts, Modellausgaben, Begründungsketten und Tool-Aufrufe anzeigen, und ein strukturiertes Bewertungsmodul, dessen Ausgabe Bewertungs- und Fine-Tuning-Datensätze speist.
- Entwerfen und liefern Sie die Dashboards, über die das Unternehmen Ihre Arbeit konsumiert: Entscheidungs-Audit-Ansichten, Agenten-Performance-Dashboards (Korrekturrate, Fehlerrate, Entscheidungsmenge nach Regel und Vektor), Risikoprüfungs-Warteschlangen und KPI-Ansichten, die mit dem BI-Team erstellt wurden, wobei das Dashboarding in Richtung KI-gestützter Anomalieerkennung und -erklärung verschoben wird.
Über Sie
- 4+ Jahre Erfahrung in Software-, Data Science- oder machine learning-Engineering, einschließlich 1+ Jahre Erfahrung im Aufbau von LLM-gestützten Agenten in der Produktion: Tool-Nutzung und Funktionsaufrufe, strukturierte Ausgaben, Retrieval und Speicher sowie Multi-Step-Orchestrierung mit Frameworks wie LangGraph oder dem Anthropic Agent SDK.
- Sie haben ein produktives RAG-System ausgeliefert und können konkret über Grounding, Chunking und Retrieval-Qualität, Halluzinationskontrolle und wann man sich weigert zu antworten, sprechen.
- Sie betrachten kundenorientierte Agenten als Angriffsfläche: Sie können erklären, wie Sie sich gegen Prompt Injection, Tool-Call-Missbrauch und Datenlecks durch Modellausgaben verteidigen würden.
- Verantwortlichkeit für den gesamten Produktions-ML-Lebenszyklus: Feature Engineering, Training, Serving, Monitoring und Retraining. Erfahrung in der Betrugs-, Risiko- oder Missbrauchserkennung ist ein starkes Signal: unausgeglichene Klassen, bösartige Benutzer und kostenasymmetrische Entscheidungen.
- Statistische Rigorosität: Experimentdesign, Holdouts und Kontrollgruppen, Uplift-Messung und Score-Kalibrierung; Sie können eine Schwellenwertwahl genauso überzeugend einem Compliance-Beauftragten wie einem Ingenieur verteidigen.
- Bewertungsdisziplin für nicht-deterministische Systeme: Sie haben Bewertungs-Harnesses und Regressionstests erstellt und Qualitätsabweichungen erkannt, bevor Ihre Benutzer es taten.
- Starkes Python für Produktionsdienste, Komfort in TypeScript für die Überprüfungs- und Genehmigungs-Oberflächen, die Sie liefern werden, und starke SQL-Kenntnisse in spaltenorientierten analytischen Datenbanken (ClickHouse bevorzugt).
- In der Lage, Ihre eigene Arbeit zu einer Stakeholder-fähigen Oberfläche zu bringen: Überprüfungs-Warteschlangen, Genehmigungs-Schnittstellen, Dashboards und leichte interne Apps, unter Verwendung eines front-end-Frameworks oder Tools wie Streamlit. Sie warten nicht darauf, dass ein anderes Team Ihre Arbeit sichtbar macht.
- Erfahrung im Entwurf von Systemen, bei denen Modellausgaben deterministische Ausführungen speisen, wobei diese Grenze sauber gehalten wird (Modelle bewerten, vorschlagen und entwerfen; gesteuerte Logik entscheidet), mit LLM-Beobachtbarkeit und Tracing (Langfuse, LangSmith oder ähnlich) und Verantwortung für das, was Sie liefern, auch wenn es fehlschlägt.
Nice to Have
- Erfahrung im iGaming oder anderen hochvertrauenswürdigen, transaktionsintensiven Umgebungen, in denen Sicherheit, Betrugsprävention, Prüfbarkeit, Nachverfolgbarkeit, Datenintegrität und robuste Betriebskontrollen Kernanforderungen an die Entwicklung sind.
- Integration von Helpdesk- oder CS-Plattformen (Intercom, Zendesk oder ähnlich): Webhooks, Konversations-APIs, Agentenunterstützung oder vollständige Automatisierung.
- Erfahrung mit Blockchain oder Krypto-nativen Transaktionsflüssen, einschließlich On-Chain-Daten, Wallet-Clustering oder Stablecoin-Settlement.
- Erfahrung mit eingeschränkter Optimierung, Banditen oder Reinforcement Learning, angewendet innerhalb harter Geschäftsbeschränkungen (Budgets, Obergrenzen, Ausschlusslisten).
- Erfahrung mit Regel-Engines oder Decision-Management-Systemen und Slack-App-Entwicklung.
- Event-gesteuerte und Streaming-Erfahrung: Kafka oder MSK-Konsumenten, idempotente Verarbeitung und Fehlerbehandlung.
Wie wir arbeiten
- Vollständig remote mit asynchroner Kommunikation. Überlappung der Zeitzonen in Europa wird bevorzugt.
- Kleines, hochgradig autonomes Intelligence-Team innerhalb der Data-Funktion. Sie berichten an den Head of Data und koordinieren sich mit den KI-, BI- und Infrastruktur-Teams und, für kundenorientierte Agenten, mit dem Head of CS und den Produkt-Squads, deren Plattformen Ihre Agenten bedienen.
- Architektur-Entscheidungen werden dokumentiert und diskutiert. Sie werden an Design-Reviews teilnehmen und die Entscheidungen in Ihrem Bereich verantworten.
- Autonomie wird durch Beweise verdient. Modelle und Agenten beginnen im reinen Vorschlagsmodus mit menschlicher Genehmigung und steigen schrittweise auf, unterstützt durch Simulation und Ergebnisdaten.
- Wir bauen von Tag eins an für Multi-Tenant-Skalierbarkeit. Was Sie für einen Betreiber liefern, muss den nächsten ohne zusätzlichen Engineering-Aufwand aufnehmen können.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen
