Generative AI Engineer
Pubblicato il 03-10-2026 - Dedagroup in Benevento
Cosa aspettarti
Deda Next è parte del Gruppo Deda, specializzata nella trasformazione digitale di PA e aziende di pubblico servizio attraverso la progettazione e realizzazione di servizi di nuova generazione. Attraverso il cloud che abilita la gestione efficace di dati e piattaforme, Deda Next partecipa allo sviluppo di una società in cui le persone sono al centro di tutto.
Lavorerai nell'Area Data &AI; alla progettazione, implementazione e valutazione di soluzioni AI, integrando modelli linguistici, basi documentali, API e tool esterni.
Il ruolo è fortemente hands-on: è rilevante saper trasformare un’idea o un requisito in un prototipo funzionante e successivamente portarlo verso una soluzione robusta e manutenibile.
Cosa farai
- Progetterai e svilupperai soluzioni di Generative AI basate su LLM, AI Agent e architetture RAG.
- Gestirai l'intero ciclo delle pipeline AI, dall'ingestion dei dati al retrieval, fino alla valutazione e all'ottimizzazione delle performance.
- Integrerai LLM, vector database, API e sistemi aziendali per realizzare applicazioni intelligenti e scalabili.
- Svilupperai componenti backend in Python e semplici interfacce web per prototipi e soluzioni AI.
- Contribuirai all'evoluzione delle architetture AI, adottando standard e tecnologie innovative dell'ecosistema GenAI.
Cosa ci aspettiamo da te
- Esperienza di almeno 3 anni con LLM e Generative AI, inclusi prompt engineering, structured output, AI Agent, function/tool calling, context management e integrazione di modelli tramite API, con attenzione a costi, latenza e performance.
- Esperienza nella progettazione e sviluppo di soluzioni RAG (Retrieval-Augmented Generation), includendo document ingestion, preprocessing, chunking, embeddings, semantic e hybrid search, vector database, retrieval, reranking e valutazione della qualità delle risposte.
- Esperienza nella valutazione e ottimizzazione di sistemi LLM/RAG, attraverso definizione di test e benchmark, analisi della qualità del retrieval e