AI-ingenjör - Gitlab - Distans - Globalt

Som en AI-ingenjör på GitLab hjälper du till att bygga grunden för GitLabs transformation till ett AI-först företag. Rapportering till direktören för Enterprise AI, är du en praktisk teknisk ledare ansvarig för att leverera interna AI-drivna lösningar som ger mätbara affärsresultat. Att bygga snabbt är viktigt, men det räcker inte på egen hand. Den här rollen börjar med att förstå det verkliga problemet: kartlägga hur arbete flyttar sig mellan team, verktyg och överlämningar, identifiera den verkliga begränsningen och validera om AI är rätt lösning innan du börjar utveckla. Därifrån tar du ägarskap från upptäckt till implementering, kombinerar starka ingenjörskunskaper med systemtänkande och affärsförståelse. Ditt initiala fokus kommer att vara inom försäljning, marknadsföring och kundsupport, där du integrerar AI-lösningar i nyckelsystem och arbetsflöden. Den här rollen ger möjlighet att forma hur GitLab-teammedlemmar arbetar, förbättra flödet i organisationen och hjälpa till att driva vår mission i en fjärrstyrd, asynkron och värderingsdriven miljö. Vad du kommer att göra Diagnostisera affärsproblem innan du bygger lösningar. Kartlägg arbetsflöden, identifiera begränsningar och bekräfta om AI är rätt ingripande. Var beredd att säga "det här behöver inte AI" när det är ärligt. Äga AI-initiativ från början till slut, från intressentupptäckt och teknisk design till implementering, driftsättning och iteration. Designa, utveckla och leverera AI-drivna lösningar snabbt, med fungerande prototyper på dagar, inte månader, med fokus på praktiska resultat och mätbara affärsvärden. Förbättra organisatoriskt flöde genom att bygga lösningar som minskar flaskhalsar, förkortar ledtider och ökar genomströmning. Mät framgång med flödesmått tillsammans med adoption och ROI. Integrera AI-funktioner i befintliga system och arbetsflöden med hjälp av API:er, orkestreringsverktyg och moderna AI-plattformar, inklusive GitLab Duo Agent Platform, där det är lämpligt. Det rätta verktyget vinner, oavsett om det är anpassad kod, en plattform eller ett välutformat prompt. Var Customer Zero: utnyttja och visa GitLabs AI-erbjudanden var som helst, och ge insikter om verklig användning tillbaka till R&D. Samarbeta nära med intressenter över funktioner för att förstå de verkliga begränsningarna. Ställ rätt frågor, bygg broar mellan tekniska och icke-tekniska perspektiv och enas om resultat innan du hoppar till lösningar. Definiera och följ upp framgång genom affärsmetrik, flödesmetrik och feedbackloopar som gör prestanda synlig och åtgärdbar. Bidra till den tekniska riktningen genom att utvärdera verktyg, dokumentera mönster och skapa återanvändbara grunder som hjälper teamet att skala sin påverkan. Vad du kommer att bidra med En teknolog med hjärtat - Genuint investerad i teknik, det grundläggande och det senaste i lika hög grad. Du är lika energisk av en väl utformad API-integration som av den senaste foundation-modellen. Du sträcker dig efter den enklaste lösningen som löser problemet väl, snarare än att tvinga fram ny teknik när beprövade tillvägagångssätt skulle göra jobbet. AI är en kraftfull del av ditt verktyg, men det vilar på solid ingenjörsgrund, inte i stället för den. Kompetenta, självsäkra kodningsfärdigheter - Du kan bygga fungerande lösningar från början till slut, skriva ren och underhållbar kod och felsöka effektivt. Oavsett om dina färdigheter har förfinats i en traditionell ingenjörsroll, genom att bygga automationer eller leverera sidoprojekt, är det viktigt att du kan leverera produktionskvalitet oberoende. AI & LLM-teknisk djup - Stark kompetens i minst ett modernt skriptspråk (Python, JavaScript/TypeScript eller liknande) och en solid förståelse för REST API:er, GraphQL och integrationsmönster. Djup, praktisk erfarenhet av moderna AI-teknologier, specifikt: Prompt engineering som en kärndisciplin: utforma effektiva systempromptar, hantera kontextfönster, strukturera multi-turn-interaktioner, utvärdera utgångskvalitet och iterera systematiskt på promptdesign. Modellval och kostnadseffektiva avvägningar: förstå när en mindre finjusterad modell överträffar en generell stor modell, när RAG är rätt arkitektur jämfört med att utöka kontextfönstret, och hur man fattar principbeslut om kapacitet kontra kostnad. Agentik arkitektur: mönster för verktytsanvändning, multi-agent orkestrering, människa-in-loop-design, skyddsräcken, utvärderingsramar och produktionsklara tillförlitlighetsmönster. Praktisk flyt i LLM-ekosystemet: praktisk erfarenhet av modeller från Anthropic, OpenAI, open-source-alternativ och omdömet att veta vilken man ska välja och när. AI-säkerhet & riskmedvetenhet - Du tänker kritiskt kring hur lösningarna du bygger kan utnyttjas, missbrukas eller ge oavsiktliga konsekvenser. Du vet hur man utformar lämpliga skyddsräcken (inmatningsvalidering, utgångsfiltrering, åtkomstkontroller, promptinjektionsförsvar och dataläckageförebyggande) och behandlar dessa som förstklassiga ingenjörsfrågor. Systemtänkande & diagnostisk noggrannhet - Förmågan att se en komplex process och identifiera begränsningen. Bekväm med att kartlägga hur arbete flyter från början till slut, identifiera flaskhalsar och spåra problem till grundorsaker innan lösningar föreslås. Du ställer automatiskt frågan "vad är egentligen som blockerar flödet här?" innan du frågar "vilken modell ska jag använda?". Affärssystemkompetens - Bekantskap med landskapet av företagsaffärssystem, CRM (Salesforce), marknadsföringsautomation (Marketo), supportplattformar (Zendesk), integrations- och orkestreringsverktyg (Workato), AI-plattformar (Relevance AI) och företagsök- och kunskapsverktyg (Glean). Du behöver inte djup erfarenhet av alla, men förstå vad de gör, hur de passar ihop, och vara villig att bygga med och över dem. En stark förståelse för företagsdatamodeller och arbetsflöden är avgörande. Bred funktionell förståelse - Förmåga att ha meningsfulla samtal med intressenter inom olika områden och snabbt förstå deras unika behov. Fullständigt ägarskap - Erfarenhet av att äga komplexa initiativ från upptäckt till leverans. Bekväm med att arbeta med osäkerhet och driva mot mätbara resultat självständigt. Produktmentalitet - Förmåga att avgränsa MVP:er, prioritera hårt och leverera iterativt. Dessutom ta hänsyn till adoption, användarupplevelse och affärsresultat. Föredragna kvalifikationer Erfarenhet av GitLab-plattform och CI/CD-arbetsflöden Bakgrund inom konsultverksamhet, lösningsingenjör eller kundnära tekniska roller Bekantskap med värdeflödeskartläggning, flödesmått eller Theory of Constraints Erfarenhet av lågkod/no-code orkestreringsverktyg (n8n, Make, Workato) tillsammans med anpassad utveckling Tidigare startup- eller högväxtföretagserfarenhet Erfarenhet av att handleda eller leda tekniska projekt med juniora ingenjörer Om teamet Du kommer att ansluta till Enterprise Technology & AI-teamet. Vi är ryggraden i organisationen, driver transformation i hur GitLab-teammedlemmar fattar beslut, arbetar i stor skala och levererar resultat till våra kunder. Vi tror att de bästa AI-lösningarna börjar med att förstå systemet, inte teknologin. Vi värdesätter personer som tänker i begränsningar och flöden, som bygger med övertygelse och som aldrig slutar lära. Vi arbetar i en helt distansbaserad, asynkron miljö, styrd av GitLabs värderingar om samarbete, resultat, effektivitet, mångfald, inkludering och tillhörighet, iteration och transparens.