Lead AI Engineer
Pubblicato il 02-09-2026 - Dos Design in Roma
ppSiamo alla ricerca di un/una bLead AI Engineer /b volto/a a guidare la progettazione e l'evoluzione dei nostri sistemi bGenAI /b, delle soluzioni per i clienti e del tooling interno, dalle architetture RAG e agentiche in cloud fino al bserving di modelli open-weight on-premise /b. In collaborazione con le competence area di Discovery, la risorsa selezionata contribuirà inoltre allo sviluppo di nuovi prodotti. Trattandosi di un ruolo di leadership tecnica, la figura qualificato si occuperà di definire gli standard, assumere le scelte architetturali e guidare lo sviluppo e la crescita del team. /ph3Attività /h3ulliDefinire l'architettura dei sistemi GenAI: scelte make/buy, selezione dei modelli, trade-off cloud vs on-premise in base a vincoli di dati, costi e performance /liliGuidare tecnicamente i progetti più complessi, dal design alla produzione, garantendo scalabilità e affidabilità /liliProgettare e gestire il serving self-hosted di LLM open-weight (vLLM) /liliDefinire gli standard di qualità e LLMOps: evaluation, observability, testing, gestione dei costi, versionamento di prompt e modelli /li liImplementare guardrail e sicurezza: mitigazione di prompt injection, gestione PII, controlli sull'output /li liSvolgere attività di mentoring a beneficio di profili junior e mid, guidando code review e design review /li liOperare come interfaccia tecnica verso clienti e stakeholder interni, contribuendo alle decisioni di prodotto e allo scouting tecnologico /li /ulh3Requisiti /h3ulliComprovata esperienza (5+ anni) nel settore del software o ML engineering,
di cui almeno 2 anni nello sviluppo e conduzione di sistemi GenAI/LLM in produzione /liliSolida e dimostrabile esperienza nell'implementazione di sistemi agentici in produzione e nell'ingegnerizzazione di architetture RAG complesse su larga scala (ambienti multi-tenant, elevati volumi di traffico e gestione di dati sensibili) /liliApprofondita conoscenza tecnica di almeno una piattaforma hyperscaler (AWS, Azure, GCP) e consolidata competenza in soluzioni di deployment ibride o on-premise /liliCompetenza nel serving e nell'ottimizzazione di modelli open-weight (tramite vLLM o framework equivalenti), comprese le logiche di quantizzazione, batching e gestione avanzata delle risorse GPU /liliSolide basi metodologiche relative ad architetture di sistemi distribuiti, Kubernetes, networking e protocolli di sicurezza informatica /li liCompleta padronanza delle metodologie di evaluation avanzata e dei principali framework di observability/LLMOps (quali Langfuse o LangSmith, con relative valutazioni automatiche e processi human-in-the-loop) /li liConsolidata esperienza nel ruolo di leadership tecnica, comprendente attività di mentoring, definizione di standard qualitativi e coordinamento di team di progetto multidisciplinari /li /ulh3Competenza preferenziali /h3ulliComprovata esperienza nell'implementazione in ambiente di produzione di soluzioni di machine learning classico (computer vision, modelli predittivi) o nell'ambito del data engineering /li liMLOps avanzato (gestione di Kubeflow e sviluppo di pipeline CI/CD per il ciclo di vita dei modelli) /li liEsperienza maturata in contesti regolamentati o soggetti a stringenti vincoli di data residency /li liContributi attivi a progetti open source, interventi a conferenze di settore o pubblicazioni scientifiche in ambito AI/ML /li /ul /p #J-18808-Ljbffr