AI Founding Engineer
Pubblicato il 16-09-2026 - Dott.House in Cagliari
AI Engineer — founding seat Il layer AI del prodotto: harness, orchestrazione e agenti che finiscono in produzione, non in demo.
Il ruolo Cerchiamo una persona che tratti l'AI come materiale da costruzione, non come hype.
Il modello è la parte facile: lo cambi in un pomeriggio. Quello che fa la differenza è tutto quello che ci sta attorno — l'harness. Come arrivano i documenti al modello, quali strumenti ha in mano, cosa succede quando sbaglia, come te ne accorgi tu prima che se ne accorga il cliente. Quell'impalcatura è il prodotto, ed è quello che costruirai.
C'è un vincolo che rende il problema più interessante della media: i nostri output finiscono in un conto economico. Un agente che sbaglia un numero non produce una risposta simpatica da screenshottare — produce una dichiarazione IVA sbagliata. Costruire sistemi non deterministici sopra dati che devono tornare all'euro è il problema tecnico centrale di Dott.House, e sarà il tuo.
Team piccolo, autonomia totale, niente deadline calate dall'alto: scegli tu quali modelli e tecniche provare, li misuri, e decidi cosa merita di andare in produzione oggi. Il layer AI è il cuore del prodotto — chi lo costruisce ne possiede una parte, nelle decisioni e nell'equity.
Cosa farai L'harness attorno al modello. Context engineering, tool, retrieval sui documenti fiscali e gestionali, controlli deterministici sopra l'output, comportamento sensato quando il modello non è sicuro. È qui che si vince o si perde.
Orchestrazione. Agenti multi-step che leggono un Cassetto Fiscale, riconciliano una prenotazione con la sua fattura e si fermano quando il numero non torna. Routing tra modelli, retry, gestione dello stato, costo per documento sotto controllo.
Un motore solo, provider-agnostico. Un layer sopra i modelli e non dentro: fallback, prompt cache stabile, costo e latenza per richiesta sotto controllo, e la libertà di cambiare provider senza riscrivere il prodotto.
Estrazione e categorizzazione automatica di fatture, spese e prenotazioni: PDF, XML dell'Agenzia delle Entrate, export dei PMS, dati sporchi veri.
Retrieval sui documenti di ogni cliente, con i tenant che non si mischiano mai.
L'assistente AI che risponde ai clienti sui loro numeri reali, con la citazione del documento da cui la risposta arriva.
Evals e misurazione. Quanto è accurata l'estrazione, dove sbaglia, quanti token consuma, quanto costa per documento. Senza numeri non si va in produzione.
Osservabilità. Vedere cosa sta facendo l'agente mentre lo fa — reasoning, tool call, stato — invece di ricostruirlo dai log il giorno dopo. Gli strumenti per capire il sistema li costruisci insieme al sistema.
Provare tutto quello che esce. Modelli, agent framework, tool: li provi davvero, con i numeri alla mano, e porti in produzione quello che regge. Sarai la persona che dice "guarda, è uscita questa cosa, proviamola" — e poi la fa.
Chi cerchiamo
- Hai già costruito qualcosa con gli LLM che qualcuno usa — in produzione o come side project responsabile. Ci interessa quello, non i certificati.
- Hai costruito l'impalcatura, non solo il prompt. Tool, retrieval, memoria, guardrail, retry, delega a sub-agent: sai far funzionare un sistema, non una demo fortunata. Se hai scritto un tuo framework o l'hai rilasciato open source, mandacelo — è la prima cosa che guardiamo.
- Misuri, e te lo ricordi. La F1 prima e dopo, i token per query, il costo per documento. Se la tua risposta a "come sapevi che funzionava" è un numero, siamo già d'accordo.
- Sai distinguere una demo che funziona da un sistema che funziona il martedì mattina sui dati di un cliente.
- Quando esce un modello o un framework nuovo lo provi lo stesso giorno — e sai dire in due frasi perché lo tieni o lo butti. Non ti basta leggere il thread.
- Ownership vera. Non un esecutore di ticket: decidi cosa va in produzione, e poi guardi i numeri il giorno dopo. Pochissima struttura non ti spaventa, ti serve.
- Usi Claude ogni giorno. Per noi è il modo in cui lavoriamo, non un nice-to-have.
- Parli italiano fluentemente. I clienti sono property manager e hotel italiani, i documenti sono fatture elettroniche e normativa fiscale italiana: il dominio si capisce solo nella lingua in cui è scritto.
- Sei ottimista di default e alzi il livello di chi ti sta intorno.
Nice to have: interesse per hospitality, finanza, real estate e dati.
Idealmente hai già un po' di esperienza, ma se non ne hai e passi le giornate a costruire con Claude e gli AI model — sentendo che oggi hai mille opportunità e troppo poco tempo per svilupparle tutte — parliamone lo stesso.
Stack Python (FastAPI, SQLAlchemy 2 async, Pydantic v2), TypeScript/React, PostgreSQL, Azure, e gli ultimi tool AI sul mercato.
Cosa offriamo
- RAL su scala milanese, in una città dove quello stipendio vale il doppio.
- Equity: una percentuale reale del business che costruisci.
- MacBook e Claude Max dal primo giorno.
- Sede a Cagliari, ibrido. Il mare a dieci minuti dall'ufficio.
- Tre founder under 30, seed-stage, con traction. Le tue idee arrivano in produzione in giorni, non in trimestri.
Come candidarsi Scrivi a (email hidden) raccontandoci cosa hai costruito, con un link a una demo se ce l'hai. Salta la cover letter generica: facci vedere qualcosa di vero.
Rispondiamo a tutte le candidature che arrivano con un progetto reale allegato.
Un'ultima cosa La lista qui sopra descrive la persona ideale, e la persona ideale non esiste: nessuno di noi tre spunterebbe tutte le caselle. Sappiamo che le donne, più spesso degli uomini, si candidano solo quando le spuntano tutte — e che chi ha meno anni di esperienza si autoesclude per primo.
- Se sei arrivata fin qui e ti manca qualcosa, scrivici lo stesso. Preferiamo dire di no noi, piuttosto che perderti perché ti sei esclusa da sola.