Ai Engineer_senior
Se cerchi un percorso di crescita in un contesto internazionale dove le tue idee contano davvero, sei nel posto giusto. In EY puoi dare forma alla tua carriera e contribuire a costruire un mondo del lavoro migliore, insieme a chi lo sta già trasformando ogni giorno.Si candidi tempestivamente! È previsto un elevato volume di candidati per il ruolo descritto di seguito, non aspetti a inviare il suo CV.Lo abbiamo chiesto a chi ci lavora già! Questi i fattori più influenti:Investimento sulle competenze del futuro: fin dal primo giorno, eventi, strumenti e corsi sull’Intelligenza Artificiale, disponibili per tutti; Aggiornamento continuo: oltre 50 ore di corsi tecnici e manageriali all’anno previsti per ciascuna persona; Sviluppo e progressione di carriera: solo negli ultimi 12 mesi, oltre la metà delle persone di EY si è vista riconoscere un avanzamento di carriera; Mobilità e opportunità internazionali, compresa la possibilità di lavorare in smart working dall’estero fino a 20 giorni senza essere in trasferta; Lavoro ibrido senza giornate prestabilite centralmente.Un network internazionale su cui poter contare.Scopri nel concreto che cosa fa un/una AI EngineerDescrizione del lavoroL’AI Engineer (Senior) contribuisce allo sviluppo, integrazione e industrializzazione di componenti AI all’interno dei prodotti AI+ Factory, trasformando specifiche architetturali e requisiti di prodotto in soluzioni tecniche robuste, scalabili e manutenibili.Il ruolo lavora a stretto contatto con AI Architect, AI Data Scientist, FullStack Developer, DevOps/MLOps Engineer e Product Manager, contribuendo alla realizzazione di agenti AI, pipeline RAG, integrazioni con modelli LLM, servizi di inferenza e componenti applicative basate su intelligenza artificiale.ResponsabilitàSviluppare componenti AI per prodotti e piattaforme enterprise, inclusi agenti, pipeline RAG, servizi di inferenza,
orchestrazioni LLM e integrazioni con modelli pre-addestrati o fine-tuned.Implementare logiche applicative in Python, TypeScript o linguaggi equivalenti, garantendo qualità, scalabilità e manutenibilità del codice.Integrare API AI/ML, servizi cloud AI e modelli custom all’interno di architetture applicative e cloud-native.Collaborare con AI Architect e AI Data Scientist per trasformare modelli, prototipi e specifiche tecniche in componenti production-ready.Engineering, testing e qualità del softwarePartecipare alla progettazione tecnica dei moduli AI, contribuendo alla definizione di pattern implementativi, interfacce, API e logiche di integrazione.Eseguire attività di testing, debugging, profiling e ottimizzazione delle performance dei componenti AI sviluppati.Applicare pratiche di software engineering, code review, versioning, documentazione tecnica e automazione dei test.Garantire che le soluzioni sviluppate siano coerenti con gli standard in termini di sicurezza, affidabilità, riusabilità e compliance.MLOps, deployment e industrializzazioneCollaborare con DevOps/MLOps Engineer per integrare i componenti AI nei processi di CI/CD, deployment e monitoraggio in ambienti cloud.Contribuire alla gestione del ciclo di vita dei modelli, incluse attività di versioning, packaging, configurazione, rilascio e monitoraggio operativo.Supportare l’industrializzazione di prototipi AI, acceleratori e asset riutilizzabili, portandoli da proof-of-concept a componenti stabili e documentati.Contribuire alla libreria interna di componenti, template,
connettori e accelerator AI della Factory.Collaborazione cross-funzionale e supporto tecnicoLavorare in team multidisciplinari con Product Manager, FullStack Developer, UI/UX Engineer, Data Engineer, AI Data Scientist e AI Architect.Supportare la traduzione dei requisiti di prodotto in soluzioni tecniche implementabili, evidenziando vincoli, dipendenze e rischi tecnici.Fornire supporto tecnico a figure più junior, condividendo best practice e contribuendo alla crescita delle competenze del team.Partecipare a sessioni di planning, refinement, technical review e retrospettive, contribuendo al miglioramento continuo delle modalità di delivery.3-5 anni di esperienza in AI engineering, machine learning engineering, software engineering o sviluppo di soluzioni AI/ML in contesti enterprise o tecnologici.Solida conoscenza di Python e dei principali framework AI/ML, come PyTorch, TensorFlow, scikit-learn o equivalenti.Esperienza con LLM, pipeline RAG, embeddings, prompt engineering, model serving o integrazione di modelli generativi.Esperienza nello sviluppo e integrazione di API REST, servizi applicativi, microservizi o componenti cloud-native.Familiarità con containerizzazione, Docker, Kubernetes e pratiche di deployment in ambienti cloud.Conoscenza dei principi MLOps e dei principali strumenti di model lifecycle management, experiment tracking o model monitoring.Capacità di scrivere codice pulito, testabile, documentato e riutilizzabile.Capacità di lavorare in team Agile e cross-funzionali, interagendo con figure tecniche e di prodotto.Buona conoscenza della lingua inglese.Competenze preferenzialiEsperienza con framework e strumenti per applicazioni GenAI e agentic AI, come LangChain, LlamaIndex, Semantic Kernel o equivalenti. xysqume Esperienza con servizi AI cloud, come Azure AI, AWS Bedrock, AWS SageMaker, Google Vertex AI o piattaforme equivalenti.Familiarità con vector database e tecnologie di retrieval, come Pinecone, Weaviate, FAISS, pgvector o equivalenti#J-18808-Ljbffr
orchestrazioni LLM e integrazioni con modelli pre-addestrati o fine-tuned.Implementare logiche applicative in Python, TypeScript o linguaggi equivalenti, garantendo qualità, scalabilità e manutenibilità del codice.Integrare API AI/ML, servizi cloud AI e modelli custom all’interno di architetture applicative e cloud-native.Collaborare con AI Architect e AI Data Scientist per trasformare modelli, prototipi e specifiche tecniche in componenti production-ready.Engineering, testing e qualità del softwarePartecipare alla progettazione tecnica dei moduli AI, contribuendo alla definizione di pattern implementativi, interfacce, API e logiche di integrazione.Eseguire attività di testing, debugging, profiling e ottimizzazione delle performance dei componenti AI sviluppati.Applicare pratiche di software engineering, code review, versioning, documentazione tecnica e automazione dei test.Garantire che le soluzioni sviluppate siano coerenti con gli standard in termini di sicurezza, affidabilità, riusabilità e compliance.MLOps, deployment e industrializzazioneCollaborare con DevOps/MLOps Engineer per integrare i componenti AI nei processi di CI/CD, deployment e monitoraggio in ambienti cloud.Contribuire alla gestione del ciclo di vita dei modelli, incluse attività di versioning, packaging, configurazione, rilascio e monitoraggio operativo.Supportare l’industrializzazione di prototipi AI, acceleratori e asset riutilizzabili, portandoli da proof-of-concept a componenti stabili e documentati.Contribuire alla libreria interna di componenti, template,
connettori e accelerator AI della Factory.Collaborazione cross-funzionale e supporto tecnicoLavorare in team multidisciplinari con Product Manager, FullStack Developer, UI/UX Engineer, Data Engineer, AI Data Scientist e AI Architect.Supportare la traduzione dei requisiti di prodotto in soluzioni tecniche implementabili, evidenziando vincoli, dipendenze e rischi tecnici.Fornire supporto tecnico a figure più junior, condividendo best practice e contribuendo alla crescita delle competenze del team.Partecipare a sessioni di planning, refinement, technical review e retrospettive, contribuendo al miglioramento continuo delle modalità di delivery.3-5 anni di esperienza in AI engineering, machine learning engineering, software engineering o sviluppo di soluzioni AI/ML in contesti enterprise o tecnologici.Solida conoscenza di Python e dei principali framework AI/ML, come PyTorch, TensorFlow, scikit-learn o equivalenti.Esperienza con LLM, pipeline RAG, embeddings, prompt engineering, model serving o integrazione di modelli generativi.Esperienza nello sviluppo e integrazione di API REST, servizi applicativi, microservizi o componenti cloud-native.Familiarità con containerizzazione, Docker, Kubernetes e pratiche di deployment in ambienti cloud.Conoscenza dei principi MLOps e dei principali strumenti di model lifecycle management, experiment tracking o model monitoring.Capacità di scrivere codice pulito, testabile, documentato e riutilizzabile.Capacità di lavorare in team Agile e cross-funzionali, interagendo con figure tecniche e di prodotto.Buona conoscenza della lingua inglese.Competenze preferenzialiEsperienza con framework e strumenti per applicazioni GenAI e agentic AI, come LangChain, LlamaIndex, Semantic Kernel o equivalenti. xysqume Esperienza con servizi AI cloud, come Azure AI, AWS Bedrock, AWS SageMaker, Google Vertex AI o piattaforme equivalenti.Familiarità con vector database e tecnologie di retrieval, come Pinecone, Weaviate, FAISS, pgvector o equivalenti#J-18808-Ljbffr