Vereinigte Staaten
Siemens
Meeru AI Inc
AI Architekt
RemoteVereinigte Staaten
Pleasanton, California, United States
PythonSQLPostgreSQLAWSGCP
Automatische Übersetzung. Prüfe das Original.
Über Meeru AI
Meeru AI entwickelt eine KI-native Plattform, die die Arbeitsweise von Finanz- und Buchhaltungsteams transformiert. Wir stellen Verbindungen zu betriebswirtschaftlichen Finanzsystemen her – ERPs, CRMs, Abrechnungsplattformen, HRIS – und nutzen machine learning, um fragmentierte operative Daten in fundierte, prüfbare Informationen für CFOs, Controller und FP&A-Führungskräfte zu verwandeln.
Wir implementieren Lösungen gemäß den Anforderungen unserer Kunden – SaaS Multi-Tenant, SaaS Single-Tenant und On-Premises – über AWS, Azure und GCP hinweg. Unsere Kunden sind Finanzteams der Fortune 500, die Datentrennung, Revisionssicherheit und Compliance benötigen.
Was diese Rolle besonders macht •
Die Rolle
Wir suchen einen AI Architect, der uns dabei unterstützt, die Intelligence Engine im Kern unserer Plattform zu konzipieren und zu entwickeln, sowie die darauf aufbauenden konversationsbasierten KI-Agenten, die deterministische Antworten liefern.
Unsere Ergebnisse stehen in direktem Zusammenhang mit extern berichteten Finanzdaten. „Klingt plausibel“ reicht bei uns nicht aus. Die Engine, an deren Architektur Sie mitwirken, wandelt vernetzte Unternehmensdaten in Antworten um, die berechnet, reproduzierbar und auf verifizierte Quelldaten zurückführbar sind – sie werden nicht von einem Modell improvisiert. Die darauf aufbauenden Agenten interpretieren die Benutzeranfrage, leiten sie an die Engine weiter und präsentieren das Ergebnis in natürlicher Sprache, ohne dabei den Inhalt der Antwort zu erfinden.
Dies ist eine sehr praxisorientierte Architekturrolle. Sie geben die technische Richtung für die Engine- und Agenten-Ebene vor, arbeiten eng mit der KI-Führungsebene in den USA und dem Staff AI Engineer an der Fundierung und Evaluierungsstrenge zusammen und setzen neue Maßstäbe dafür, wie deterministische, prüfbare KI im gesamten Team entwickelt wird.
- Deterministisch durch Design – die Engine berechnet Antworten aus verifizierten Daten. Dieselbe Frage zu denselben Daten liefert immer dieselbe fundierte, erklärbare Antwort. •
- Klare Trennung der Zuständigkeiten – die Engine schlussfolgert und entscheidet; die konversationsbasierten Agenten orchestrieren und formulieren, fabrizieren jedoch niemals den Inhalt. •
- Durchgängig prüfbar – jede Antwort lässt sich auf ihre Quelldaten und die Logik, die sie erzeugt hat, zurückführen, da die Wirtschaftsprüfer unserer Kunden dies einfordern werden.
Bereitstellung in Kunden-Clouds – einschließlich verwalteter LLMs in der VPC, sodass Kundendaten niemals deren Umgebung verlassen.
Mindestanforderungen
- Erfahrung auf Senior- oder Staff-Level im Bereich angewandte KI/ML. Sie haben KI-Systeme in der Produktion bereitgestellt, nicht nur Prototypen, und haben bei mindestens einem dieser Systeme die technische Leitung übernommen.
- Fundierte Kenntnisse moderner LLM-Muster. Praktische Erfahrung mit Retrieval-Augmented Generation (RAG), Agenten, die Tools nutzen, und strukturierter Ausgabe (z. B. JSON-Schemas, Funktionsaufrufe).
- Agenten-Orchestrierung. Sie haben mehrstufige Agenten-Workflows mit LangGraph oder einem ähnlichen Framework erstellt, einschließlich Verifizierungsschritten, Fallbacks und Punkten, an denen ein Mensch bestätigt, bevor das System fortfährt.
- Systemarchitektur. Sie sind in der Lage, eine Engine, deren Datenschnittstellen und die darauf aufbauende Agenten-Ebene als ein kohärentes, wartbares System zu entwerfen und Entscheidungen zu dokumentieren (z. B. Architecture Decision Records).
- Fundierung, Halluzinationskontrolle und Evaluierung. Sie haben „keine nicht belegten Antworten“ zu einer strikten Regel in einem realen System gemacht und die Genauigkeit sowie Halluzinationen mit automatisierten Evaluierungen gemessen, idealerweise innerhalb einer CI-Pipeline.
- Determinismus auf Basis probabilistischer Modelle. Sie wissen, wie man sicherstellt, dass dieselbe Frage zu denselben Daten dieselbe Antwort liefert, und können die von Ihnen verwendeten Techniken erläutern.
- Klares Urteilsvermögen darüber, was ein Modell legitim behaupten kann. Sie verstehen, warum berechnete, nachvollziehbare Antworten in einem geschäftskritischen Bereich wichtiger sind als plausibel klingende.
- Softwareentwicklung für die Produktion in Python. Sie schreiben robuste, getestete Dienste mit SQL-Zugriff auf Data Warehouses oder Datenbanken (z. B. Snowflake, PostgreSQL) und sind mit containerisierten Bereitstellungen vertraut.
- Strukturierte Daten und Retrieval-Tools. Arbeitswissen über Vektordatenbanken (pgvector, Pinecone, Weaviate oder Qdrant) sowie über die Berechnung verlässlicher Antworten auf Basis strukturierter Daten.
- Technische Führung. Sie betreuen Ingenieure, leiten Design-Reviews und setzen die von der US-Führung vorgegebene Strategie in eine fundierte Umsetzung um.
- Starke Kommunikationsfähigkeiten. Sie können Architektur-Kompromisse gegenüber Ingenieuren, Produktmanagern und nicht-technischen Stakeholdern in klarem Englisch erklären.
- Standort und Arbeitszeiten. Ansässig in Hyderabad (bevorzugt) oder remote von einem anderen Ort aus, mit der Fähigkeit, täglich einige Stunden Überschneidung mit US-Zeitzonen zu gewährleisten.
- Flexible Zusammenarbeit. Offen für Vollzeit, freiberufliche Tätigkeit oder eine Festanstellung nach freiberuflicher Zusammenarbeit, je nachdem, was am besten zu Ihnen passt.
Wünschenswerte Qualifikationen
- Finanzwesen, Buchhaltung oder andere prüfungspflichtige Bereiche. Erfahrung in Bereichen, in denen Ergebnisse Wirtschaftsprüfern oder Regulierungsbehörden vorgelegt werden (Finanzen, Gesundheitswesen, Versicherungen, Recht).
- Wissensgraphen und Reasoning-Engines. Erfahrung mit Wissensgraphen, semantischen Ebenen oder Regel-/Reasoning-Engines, die Fakten und Beziehungen modellieren.
- Human-in-the-Loop-Systeme. Sie haben Überprüfungs-, Bestätigungs- oder Feedbackschleifen entworfen, die ein System im Laufe der Zeit verbessern.
- Verwaltete LLMs innerhalb von Kunden-Clouds. Praktische Erfahrung mit Amazon Bedrock, Google Vertex AI oder Azure OpenAI, bereitgestellt in einem privaten Netzwerk (VPC) des Kunden, sodass Daten niemals deren Umgebung verlassen.
- Multi-Cloud- und On-Premises-Bereitstellung. Erfahrung bei der Bereitstellung von KI für AWS, Azure und GCP, einschließlich Single-Tenant- und On-Premises-Installationen, sowie Zusammenarbeit mit Plattformteams bei Modellbereitstellung und Inferenzkosten.
- KI-Observability. Erfahrung mit Tracing- und Evaluierungstools für LLM-Anwendungen.
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