Kanada
Fastly
EQ Bank | Canada's Challenger Bank
Senior AI Platform Operations Engineer
Kanada
Toronto, Ontario, Canada
PythonTerraform
Automatische Übersetzung. Prüfe das Original.
Aufgabenbeschreibung
Der Senior AI Platform Operations Engineer ist verantwortlich für die Zuverlässigkeit, Bedienbarkeit und kontrollierte Bereitstellung der KI-Plattform des Unternehmens. Diese Rolle stellt sicher, dass die Dienste und Lösungen der KI-Plattform produktionsreif, sicher, beobachtbar und konform sind, indem sie disziplinierte Betriebspraktiken über Plattformmanagement, Überwachung, Incident-Koordination und Durchsetzung von Governance-Kontrollen hinweg anwendet.
Der Stelleninhaber spielt eine Schlüsselrolle bei der Ermöglichung der sicheren und skalierbaren Einführung von KI, indem er sicherstellt, dass KI-Lösungen gemäß den Unternehmensstandards für Zuverlässigkeit, Sicherheit und Compliance bereitgestellt, überwacht, unterstützt und kontinuierlich verbessert werden.
Hauptaktivitäten
Zuverlässigkeit und Betrieb der KI-Plattform
- Administration und Betrieb der KI-Plattform zur Gewährleistung von Verfügbarkeit, Leistung und Ausfallsicherheit über Umgebungen, Integrationen und unterstützende Infrastrukturen hinweg.
- Überwachung des Plattformzustands mithilfe von Dashboards, Protokollen, Metriken und Alarmen sowie Koordination von Incident- und Service-Wiederherstellungsaktivitäten.
- Leitung der operativen Triage, Eskalationskoordination und Post-Incident-Reviews zur Stärkung der Service-Stabilität und Ausfallsicherheit.
- Verfolgung und Berichterstattung über Service-Zuverlässigkeitsindikatoren, Incident-Trends und operative Leistung.
Ermöglichung und Produktionsreife der KI-Plattform
- Ermöglichung genehmigter KI-Anwendungsfälle für die Produktion durch Sicherstellung von:
- o Umgebungsreife,
- o Validierung von Abhängigkeiten,
- o Abschluss von Checklisten für operative Reife,
- o Strukturierte Service-Transition-Aktivitäten
- Unterstützung des Plattform-Lifecycle-Managements durch:
- o Release-Koordination,
- o Validierung der Änderungsreife,
- o Wartungs- und Kapazitätsplanung.
- Sicherstellung, dass Änderungen an der KI-Plattform vor der Veröffentlichung definierte Kriterien für operative und Kontrollreife erfüllen.
Observability, Automatisierung & AI Ops
- Implementierung und Wartung von Observability-Funktionen, einschließlich Telemetrie, Protokollierung, Metriken und Traces, die für unternehmensweite KI-Operationen erforderlich sind.
- Analyse operativer Daten zur Identifizierung von Anomalien, wiederkehrenden Problemen und Mustern der Grundursachenanalyse.
- Implementierung von AI Ops-Anwendungsfällen wie:
- o Alarmkorrelation,
- o Anomalieerkennung,
- o Unterstützung der Grundursachenanalyse,
- o Prognose und vorausschauende Einblicke,
- o Automatisierung repetitiver operativer Aufgaben.
- Kontinuierliche Verbesserung der operativen Effizienz durch gezielte Automatisierung und Prozessoptimierung.
Umsetzung von Governance, Risiko & Kontrolle
- Umsetzung von Governance-Kontrollen für KI-Lösungen, einschließlich:
- o Nutzungs- und Zugriffskontrollen,
- o Datenschutzaspekte,
- o Auditierbarkeit und Nachverfolgbarkeit,
- o Anforderungen an menschliche Aufsicht
- Sicherstellung der Ausrichtung operativer Praktiken an unternehmensweiten Sicherheitsrichtlinien, Risikokontrollen und Compliance-Anforderungen.
- Pflege von Dokumentationen und Nachweisen, die für Audits, Governance-Reviews, Produktionsreife-Checkpoints und Kontrollvalidierungen erforderlich sind.
- Identifizierung von Kontrolllücken und angemessene Eskalation von Risiken an relevante Governance- und Risikostakeholder.
Sichtbarkeit von KI-Assets & operative Integrität
- Aufrechterhaltung der operativen Sichtbarkeit von KI-Plattform-Assets, die für Überwachung, Support und Kostenabstimmung erforderlich sind.
- Validierung von Asset-Eigentümerschaft, Beziehungen und Lebenszyklusstatus in Zusammenarbeit mit Anwendungs- und Plattformbesitzern.
- Unterstützung laufender Audits, um sicherzustellen, dass KI-Assets und die damit verbundene Kostenattribution korrekt und aktuell bleiben.
Anforderungskenntnisse/-fähigkeiten
- Universitätsabschluss in Informatik, Ingenieurwesen, Informationstechnologie oder einem verwandten Bereich oder gleichwertige praktische Erfahrung.
- 5-7 Jahre Erfahrung in Plattformbetrieb, Site Reliability Engineering, DevOps, Cloud-Betrieb oder Enterprise-IT-Betrieb.
- Umfangreiche Erfahrung in der Unterstützung von Produktionsplattformen und -diensten, einschließlich Überwachung, Incident Response, Problemmanagement, Service-Wiederherstellung und operativer Berichterstattung.
Technische Expertise
- Erfahrung mit Cloud-Plattformen, Observability, Automatisierung, Konfigurationsmanagement und Integrationsmustern, einschließlich Azure Automatisierungs-Runbooks (PowerShell/Python), Azure AI, Copilot-Integrationen, AKS, virtuellen Netzwerken (Hub-and-Spoke) und App Service.
- Expertise mit Observability-Tools wie Azure Monitor, Application Insights und Grafana.
- Umfangreiche Erfahrung in der Administration der Microsoft Power Platform (Power Apps, Power Automate, Dataverse), einschließlich Umgebungsmanagement, Sicherheitsrollen und Lösungsbereitstellungen.
- Praktische Administration von Copilot Studio, einschließlich Agenten-Lifecycle-Management, Veröffentlichung, Überwachung, Analyse, Wissensquellen und Governance-Kontrollen. Kenntnisse des Microsoft 365 Admin Centers, Benutzer- und Lizenzverwaltung, RBAC, Entra ID-Gruppen und Tenant-Administration.
- Erfahrung in der Implementierung von Sicherheits-, Compliance- und DLP-Richtlinien gemäß dem Prinzip der geringsten Rechte und den Standards der operativen Governance.
- Fähigkeit zur Überwachung des Plattformzustands, Verwaltung von Incidents, Optimierung des Lizenz- und Copilot-Kreditverbrauchs und Unterstützung des Produktionsbetriebs in einer Unternehmensumgebung.
- Kenntnisse von Konfigurationsmanagement- und Infrastructure-as-Code-Tools wie Bicep, Terraform, Azure Policy, Key Vault und relevanten Open-Source-Technologien.
- Kenntnisse von Integrations- und ereignisgesteuerten Technologien wie API Management, Open-Source API Tools, Service Bus, Event Grid und Apache Kafka.
- Arbeitskenntnisse von plattformunterstützenden Daten- und Suchdiensten wie Elastic, Azure AI Search und Cosmos DB.
Zusätzliche Fähigkeiten
- Arbeitskenntnisse von KI/ML-Betriebskonzepten, einschließlich Unterstützung des Modell-Lifecycles, Telemetrie, Governance-Kontrollen, Human-in-the-Loop-Praktiken und Produktionsüberwachung.
- Starkes Verständnis von ITIL/ITSM-Prozessen, einschließlich Change-, Release-, Incident-, Problem-, Konfigurations- und Service-Reporting-Praktiken.
- Analytischer und strukturierter Denker mit starken Fähigkeiten in den Bereichen Fehlerbehebung, Ursachenanalyse, Priorisierung und kontinuierliche Verbesserung.
- Starke Serviceorientierung, professionelle Reife und die Fähigkeit zur effektiven Zusammenarbeit mit Betriebs-, Engineering-, Sicherheits-, Risiko-, Daten- und Geschäftsteams.
- Erfahrung in der Erstellung technischer Dokumentationen, Betriebsabläufe, Support-Playbooks, Dashboards und Benutzerleitfäden.
- Kenntnisse von Sicherheits-, Datenschutz-, Audit- und Compliance-Aspekten im Zusammenhang mit unternehmensweiten KI- und Plattformoperationen.
- Kenntnisse von Unternehmensnetzwerken, Edge-Sicherheit und verwandten internen Plattformen wie DNA, Fortinet und Akamai sind von Vorteil.
Komplexität der Stelle / Denkherausforderungen
- Diese Rolle erfordert die Balance zwischen Plattformzuverlässigkeit, operativer Effizienz und Governance-Disziplin in einer sich schnell entwickelnden KI-Umgebung.
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