Ai Engineer
Pubblicato il 05-10-2026 - Teoresi Group in Modena
Teoresi S.p.A., 35+ anni di storia, 8 società tra Italia, Stati Uniti, Germania, Svizzera, +1200 risorse, 4 acquisizioni in un anno, 1 solo partner ed un’unica soluzione.
Per essere preso/a in considerazione per un colloquio, la preghiamo di assicurarsi che la sua candidatura sia pienamente in linea con le specifiche del lavoro riportate di seguito.
Per ampliamento del Team dedicato ai progetti interni siamo alla ricerca di un/una:
Requisiti di base
-
- Laurea in Ingegneria Informatica, Informatica o percorsi equivalenti.
- Almeno 1 anno di esperienza come AI Engineer.
Competenze richieste
-
- Esperienza consolidata nell’AI generativa, con competenze specifiche su Large Language Models (LLM) e AI generativa.
- Sviluppo di soluzioni agentiche, metodologie di orchestrazione e protocolli di sviluppo come MCP, A2A, OpenAPI.
- Conoscenza delle piattaforme cloud: AWS, Azure o Google Cloud; esperienza con Terraform o CloudFormation.
- Competenze in containerizzazione con Docker e orchestrazione con Kubernetes.
- Eccellenti capacità di programmazione in Python e automazione di script.
- Conoscenze di NLP: NER, part-of-speech tagging, dependency parsing, word embeddings, modelli linguistici pre-addestrati (BERT, GPT).
- Conoscenze di librerie e framework: NLTK, spaCy, LangChain, LlamaIndex, LangGraph.
- Progettare e implementare architetture di AI agentica (sistemi multi-agente, LLM potenziati con strumenti, orchestrazione di workflow).
- Soluzioni basate su RAG, vector search, grafi e dati strutturati/non strutturati.
- Definire modelli di governance, sicurezza e osservabilità dell’AI per soluzioni GenAI enterprise.
- Promuovere l’innovazione, portando i progetti da PoC a piattaforme AI pronte per la produzione.
Cosa stiamo cercando?
-
- Solida esperienza con Generative AI e sistemi basati su LLM.
- Conoscenza pratica di architetture RAG, database vettoriali, embedding e prompt engineering.
- Esperienza con framework agentici e pattern di orchestrazione.
- Solide basi di ingegneria del software (Python, API, servizi cloud-native).
- Capacità di progettare sistemi AI scalabili e sicuri.
- Mentalità strategica con un approccio pratico e orientato all’esecuzione.
Il candidato ideale deve conoscere le pratiche di Secure Coding, la gestione delle vulnerabilità e i framework di sicurezza, implementando misure di sicurezza durante tutto il ciclo di vita del software.
È richiesta ottima conoscenza della lingua inglese, poiché il candidato ideale verrà inserito in un team internazionale.
-
- Forti capacità di problem solving e risoluzione di questioni tecniche complesse.
- Ottima comunicazione e collaborazione, con esperienza in team inter‑funzionali.
Sede di lavoro: Torino, Napoli, Milano, Modena.
Compensazione
-
- Total compensation indicativa: 30,000–35,000 lordi annui.
- Il posizionamento all’interno del range sarà definito in base a competenze, esperienza e risultati del processo di selezione.
- Eventuali scostamenti dal range potranno essere valutati per profili con competenze particolarmente distintive, previa approvazione interna.
Contratto: tempo pieno, tempo indeterminato CCNL Metalmeccanico.
Modalità di lavoro flessibile.
Buoni pasto giornalieri.
Assicurazione Sanitaria e Welfare previsti da CCNL di riferimento.
Informativa obbligatoria
Mandato obbligatorio e obbligo obbligatoriale obbligatorio obbligatorio obbligatorio obbligatorio obbligatorio obbligatorio mand.
L’offerta è rivolta ad entrambi i sessi in ottemperanza al D.Lgs. 198/2006 ed è aperta anche a candidati appartenenti alle categorie protette e iscritti al collocamento mirato, in conformità con la Legge 68/99 (Art. 1 e Art. 18). Crediamo nella valorizzazione della diversità e nell’inclusione di persone di ogni provenienza, genere, età, orientamento sessuale e abilità. xysqume
La informiamo inoltre che, inviando la sua candidatura, tutti i suoi dati verranno trattati secondo quanto previsto dalla nostra informativa privacy, che potrà visionare al seguente link: Privacy Notices – Teoresi Group.
#J-18808-Ljbffr