AI Engineer

Presso Roche puoi mostrarti per ciò che sei, valorizzato per le qualità uniche che porti. La nostra cultura incoraggia l'espressione personale, il dialogo aperto e le connessioni autentiche, dove sei apprezzato, accettato e rispettato per chi sei, permettendoti di prosperare sia a livello personale che professionale. Questo è il modo in cui miriamo a prevenire, fermare e curare le malattie e garantire che tutti abbiano accesso all'assistenza sanitaria oggi e per le generazioni a venire. Unisciti a Roche, dove ogni voce conta.

La Posizione
Presso Roche, ci impegniamo a fornire maggiori benefici ai nostri pazienti applicando capacità digitali, di dati e di AI alle sfide operative del mondo reale. L'AI Engineer Level 6 è un contributore tecnico senior con approccio pratico all'interno dell'AI Engineering Cluster, responsabile della progettazione, dell'erogazione, della valutazione e dell'operatività di soluzioni AI robuste in tutto il Pharma Technical Operations.

Questo ruolo è responsabile di parti significative dell'erogazione end-to-end dell'AI, inclusi l'architettura delle soluzioni, le pipeline di dati, i sistemi di machine learning e GenAI, i workflow agentici, gli harness di valutazione dell'AI, i servizi backend, le interfacce utente e le operazioni di produzione. Il ruolo collabora con esperti aziendali, IT, qualità e tecnici per tradurre sfide operative complesse in prodotti abilitati dall'AI affidabili, scalabili, conformi e misurabili.

Descrizione del ruolo
Il ruolo è una posizione senior di ingegneria AI per qualcuno che combina una forte profondità tecnica con la responsabilità pratica dell'erogazione. Ci si aspetta che l'AI Engineer Level 6 guidi in modo indipendente l'erogazione delle soluzioni, prenda decisioni architettoniche ponderate, faccia da mentore ad altri ingegneri e assicuri che le soluzioni AI creino un valore aziendale misurabile rispettando le aspettative di affidabilità, scalabilità, valutazione, gestione degli agenti e conformità.

Leadership e Erogazione di Soluzioni AI
Responsabilità dell'erogazione end-to-end: Gestire l'erogazione tecnica delle soluzioni AI dalla comprensione e progettazione del problema fino alla costruzione, distribuzione, monitoraggio, valutazione, adozione e miglioramento continuo.
Architettura delle soluzioni: Progettare architetture di applicazioni AI scalabili, inclusi flussi di dati, integrazione di modelli, orchestrazione GenAI, API, interfacce utente, workflow di agenti e infrastruttura di produzione.
GenAI e AI agentica: Progettare e implementare soluzioni GenAI avanzate, incluse architetture RAG, workflow multi-step, agenti che utilizzano strumenti, orchestrazione di LLM e approcci di valutazione.
Qualità dell'ingegneria: Applicare e contribuire all'evoluzione di solide pratiche di ingegneria, inclusi test automatizzati, revisioni del codice, CI/CD, osservabilità, documentazione e manutenibilità.
Performance in produzione: Garantire che le soluzioni AI siano affidabili, sicure, monitorate, attente ai costi e continuamente migliorate in ambienti di produzione o simili alla produzione.
Erogazione di valore: Tradurre le esigenze aziendali in soluzioni tecniche e aiutare a definire metriche di successo che dimostrino l'impatto operativo e aziendale.

Capacità Moderne di AI Engineering
Progettazione di framework di valutazione: Progettare e implementare framework di valutazione basati sulla data science per sistemi AI, GenAI, RAG e AI agentica, inclusi benchmark offline, golden dataset, casi di test sintetici, workflow di valutazione umana e test di regressione automatizzati.
Sviluppo di harness AI: Gestire lo sviluppo di harness di ingegneria AI per sperimentazione ripetibile, valutazione, validazione e confronto di modelli, prompt, strategie di recupero, comportamenti degli agenti e integrazioni di strumenti.
Responsabilità di soluzioni di AI agentica: Progettare e fornire sistemi di AI agentica di livello produzione, inclusa l'orchestrazione degli agenti, l'integrazione di strumenti, la decomposizione dei compiti, la gestione dello stato, i pattern di memoria, i guardrail e i percorsi di escalation umana.
Gestione del ciclo di vita degli agenti: Gestire gli agenti distribuiti durante tutto il loro ciclo di vita, inclusi versionamento, testing, gestione del rilascio, monitoraggio, risposta agli incidenti, miglioramento continuo e ritiro.
Monitoraggio delle performance e dei rischi: Implementare e gestire l'osservabilità per i sistemi AI, incluse metriche di qualità, metriche di impatto aziendale, costi, latenza, modalità di guasto, drift, rischio di allucinazione, qualità dell'ancoraggio (grounding) e affidabilità operativa.
Confronto di modelli e workflow: Guidare esperimenti strutturati per confrontare modelli di base, prompt, embedding, approcci di recupero, pattern di orchestrazione e configurazioni di agenti.

Competenza Tecnica
Profondità dell'ingegneria AI: Applicare una forte conoscenza di machine learning, modellazione predittiva, serie temporali, computer vision e AI multimodale, nonché LLM, RAG, AI agentica, prompt engineering, valutazione dei modelli e progettazione di applicazioni AI.
Ingegneria del software e delle piattaforme: Costruire servizi robusti basati su Python, API, microservizi, dashboard e integrazioni utilizzando moderne pratiche di ingegneria del software.
Cloud e DevOps: Progettare e distribuire soluzioni utilizzando AWS, Docker, pipeline CI/CD, monitoraggio e pattern di distribuzione cloud o ibridi.
Data engineering: Lavorare con SQL, dati operativi, dati di serie temporali, dati strutturati e non strutturati e pipeline di dati richieste per i prodotti AI.
Metodi di valutazione: Utilizzare metriche quantitative, revisioni qualitative, valutazione human-in-the-loop, confronto statistico e loop di feedback di produzione per prendere decisioni ingegneristiche.
Erogazione regolamentata: Collaborare con gli stakeholder IT e della qualità per garantire che le soluzioni siano progettate con appropriata co