AI Engineer
altermAInd è una società AI-Native che opera nella transizione verso l'impresa post-routine: un modello organizzativo dove intelligenza umana e agenti AI collaborano per costruire aziende più fluide, veloci e adattive.
Per noi l'AI non è un semplice tool, ma una nuova infrastruttura operativa.
Lavoriamo per aiutare organizzazioni e persone a ripensare processi, flussi di lavoro e modelli decisionali attraverso sistemi AI, agenti, automazioni e nuove modalità collaborative.
Sperimentiamo direttamente su noi stessi ciò che proponiamo ai clienti: prototipiamo, iteriamo e riprogettiamo continuamente il nostro modo di lavorare per costruire un'organizzazione realmente AI-native.
La posizione Avrai responsabilità tecnica end-to-end su progetti AI per clienti enterprise strategici: dalla comprensione di processi, architetture e vincoli del cliente fino a sviluppo, integrazione, test, rilascio e stabilizzazione. È una posizione hands-on e client-facing, non un ruolo esclusivamente consulenziale o di coordinamento, ma un engineer che costruisce e porta le soluzioni in produzione.
Di cosa ti occuperai Discovery tecnica e solution design Lavorare con referenti business, chapter, architetti, security e team IT del cliente per ricostruire flussi, attori, responsabilità e vincoli.
Tradurre requisiti funzionali/non funzionali in architetture, API contract, piani d'integrazione, test e criteri di accettazione.
Identificare prerequisiti, dipendenze, rischi, compromessi tecnici e opportunità di riuso dei prodotti altermAInd.
Software development e integrazione enterprise Sviluppare backend, API e microservizi Python, con particolare attenzione a FastAPI,
async I/O e qualità del codice.
Integrare applicazioni, database, sistemi legacy, servizi documentali, motori AI, piattaforme dati e sistemi terzi.
Costruire flussi sincroni e asincroni con corretta gestione di stato, idempotenza, retry, timeout, compensazioni ed error handling.
Gestire strutture dati, contratti JSON, autenticazione, tracciabilità e scambio protetto di informazioni tra sistemi.
Sviluppare sistemi basati su LLM/VLM, tool calling, structured output e componenti agentici orientati a task aziendali.
Comporre processi deterministici e AI con human-in-the-loop, validazioni e decisioni esplicite.
Implementare orchestrazione persistente di workflow complessi, anche attraverso Temporal e sistemi equivalenti.
Integrare prodotti altermAInd come Gravity, Parsec e Momentum, valorizzando capacità esistenti anziché ricostruirle.
Definire evaluation e test ripetibili per misurare qualità, accuratezza, robustezza e tassi di completamento dei workflow.
Delivery, deployment e produzione Preparare con le strutture del cliente ambienti, integrazioni, configurazioni, pipeline e procedure di rilascio.
Supportare SIT, UAT, test end-to-end, performance test, go-live e successiva stabilizzazione.
Documentare le soluzioni e trasferire competenze ai team che prenderanno in carico evoluzione e gestione.
Technical ownership e relazione con il cliente Agire come referente tecnico nella delivery, facilitando decisioni architetturali con interlocutori eterogenei.
Comunicare in modo chiaro trade-off, rischi, impatti e opzioni di implementazione, mantenendo la responsabilità sul codice.
Segnalare tempestivamente blocchi e dipendenze e contribuire a trasformare componenti client-specific in asset riutilizzabili.
Competenze tecniche richieste Software engineering e integrazioni Ottima padronanza di Python, progettazione backend e sviluppo API con FastAPI o framework equivalenti.
Esperienza con architetture a microservizi, REST/OpenAPI, JSON, programmazione asincrona e integrazioni enterprise.
Esperienza con PostgreSQL/SQL, modelli dati, transazioni e persistenza applicativa.
Git, testing automatizzato (pytest o equivalenti), CI/CD, code review e capacità di scrivere codice production-grade.
Esperienza nello sviluppo di applicazioni reali con LLM, comprese prompt strategy, structured output, function/tool calling e gestione del contesto.
Conoscenza di workflow agentici, RAG o pipeline documentali; capacità di combinare AI e regole deterministiche.
Comprensione dei failure mode dei modelli e capacità di progettare evaluation, regression test e controlli human-in-the-loop.
Sistemi distribuiti, cloud e sicurezza Esperienza con Docker, Kubernetes e distribuzione di applicazioni su cloud enterprise, preferibilmente Azure.
Conoscenza di workload asincroni, cod
Per noi l'AI non è un semplice tool, ma una nuova infrastruttura operativa.
Lavoriamo per aiutare organizzazioni e persone a ripensare processi, flussi di lavoro e modelli decisionali attraverso sistemi AI, agenti, automazioni e nuove modalità collaborative.
Sperimentiamo direttamente su noi stessi ciò che proponiamo ai clienti: prototipiamo, iteriamo e riprogettiamo continuamente il nostro modo di lavorare per costruire un'organizzazione realmente AI-native.
La posizione Avrai responsabilità tecnica end-to-end su progetti AI per clienti enterprise strategici: dalla comprensione di processi, architetture e vincoli del cliente fino a sviluppo, integrazione, test, rilascio e stabilizzazione. È una posizione hands-on e client-facing, non un ruolo esclusivamente consulenziale o di coordinamento, ma un engineer che costruisce e porta le soluzioni in produzione.
Di cosa ti occuperai Discovery tecnica e solution design Lavorare con referenti business, chapter, architetti, security e team IT del cliente per ricostruire flussi, attori, responsabilità e vincoli.
Tradurre requisiti funzionali/non funzionali in architetture, API contract, piani d'integrazione, test e criteri di accettazione.
Identificare prerequisiti, dipendenze, rischi, compromessi tecnici e opportunità di riuso dei prodotti altermAInd.
Software development e integrazione enterprise Sviluppare backend, API e microservizi Python, con particolare attenzione a FastAPI,
async I/O e qualità del codice.
Integrare applicazioni, database, sistemi legacy, servizi documentali, motori AI, piattaforme dati e sistemi terzi.
Costruire flussi sincroni e asincroni con corretta gestione di stato, idempotenza, retry, timeout, compensazioni ed error handling.
Gestire strutture dati, contratti JSON, autenticazione, tracciabilità e scambio protetto di informazioni tra sistemi.
Sviluppare sistemi basati su LLM/VLM, tool calling, structured output e componenti agentici orientati a task aziendali.
Comporre processi deterministici e AI con human-in-the-loop, validazioni e decisioni esplicite.
Implementare orchestrazione persistente di workflow complessi, anche attraverso Temporal e sistemi equivalenti.
Integrare prodotti altermAInd come Gravity, Parsec e Momentum, valorizzando capacità esistenti anziché ricostruirle.
Definire evaluation e test ripetibili per misurare qualità, accuratezza, robustezza e tassi di completamento dei workflow.
Delivery, deployment e produzione Preparare con le strutture del cliente ambienti, integrazioni, configurazioni, pipeline e procedure di rilascio.
Supportare SIT, UAT, test end-to-end, performance test, go-live e successiva stabilizzazione.
Documentare le soluzioni e trasferire competenze ai team che prenderanno in carico evoluzione e gestione.
Technical ownership e relazione con il cliente Agire come referente tecnico nella delivery, facilitando decisioni architetturali con interlocutori eterogenei.
Comunicare in modo chiaro trade-off, rischi, impatti e opzioni di implementazione, mantenendo la responsabilità sul codice.
Segnalare tempestivamente blocchi e dipendenze e contribuire a trasformare componenti client-specific in asset riutilizzabili.
Competenze tecniche richieste Software engineering e integrazioni Ottima padronanza di Python, progettazione backend e sviluppo API con FastAPI o framework equivalenti.
Esperienza con architetture a microservizi, REST/OpenAPI, JSON, programmazione asincrona e integrazioni enterprise.
Esperienza con PostgreSQL/SQL, modelli dati, transazioni e persistenza applicativa.
Git, testing automatizzato (pytest o equivalenti), CI/CD, code review e capacità di scrivere codice production-grade.
Esperienza nello sviluppo di applicazioni reali con LLM, comprese prompt strategy, structured output, function/tool calling e gestione del contesto.
Conoscenza di workflow agentici, RAG o pipeline documentali; capacità di combinare AI e regole deterministiche.
Comprensione dei failure mode dei modelli e capacità di progettare evaluation, regression test e controlli human-in-the-loop.
Sistemi distribuiti, cloud e sicurezza Esperienza con Docker, Kubernetes e distribuzione di applicazioni su cloud enterprise, preferibilmente Azure.
Conoscenza di workload asincroni, cod