Ai solution expert

Modello ibrido (3 giorni in sede 2 da casa) Luogo di lavoro: Roma Per importante Cliente Finale con sede a Roma, appartenente ad un settore altamente tecnologico, siamo alla ricerca di un Solution Expert con forte taglio tecnico-funzionale e capacità di disegnare, realizzare e portare in produzione soluzioni AI su stack Open Shift AI, con componenti n8n, Langfuse, Mongo DB Vector Search, in contesto on premise e con architetture ibride on prem/on cloud. Mission del ruolo Tradurre esigenze di business in soluzioni AI end-to-end (design → implementazione → rilascio → miglioramento continuo). Essere riferimento tecnico per pattern RAG/Agents, integrazioni enterprise, osservabilità e qualità. Contribuire alla standardizzazione (blueprint, componenti riusabili, best practice di sicurezza e compliance). Responsabilità principali Disegno dell’architettura applicativa per use case RAG/Agents: flussi conversazionali, knowledge retrieval, tool use, policy e guardrail. Implementazione e configurazione di componenti su Open Shift AI (deploy, runtime, scaling, config), in collaborazione con Dev Ops. Orchestrazione workflow e integrazioni con sistemi aziendali tramite n8n (API, webhooks, connettori, gestione errori, retry, idempotenza). Implementazione di Vector Search con Mongo DB Vector Search: ingestion, indicizzazione, metadata filtering, strategie di retrieval e tuning performance. Supporto al ciclo di vita: ambienti dev/test/prod, release, hotfix, supporto. RAG engineering (qualità e performance) Progettazione pipeline di ingestion/KB: normalizzazione documenti, chunking, embedding, versioning e refresh. Definizione e tuning dei parametri di retrieval (k, threshold, reranking se previsto, filtri su metadata). Definizione di metriche e criteri di qualità: groundedness, precision/recall retrieval, risposta corretta vs allucinazione, coverage KB, latency. Progettazione agenti: tool selection, planning, multi-step execution, gestione stato e contesto. Implementazione di pattern per agenti MCP‑compliant (contratti, versioning, test, compatibilità, fallback). Hardening: timeouts, rate limit, policy di sicurezza, error handling e circuit breaker. Observability, evaluation e miglioramento continuo Implementazione osservabilità e tracing con Langfuse (o equivalenti): prompt/versioning, session tracking, feedback loop, monitoring. Definizione di test suite e evaluation (golden set, regression test, analisi drift contenuti/risposte). Analisi log e telemetria per migliorare qualità e ridurre costi/latency. Sicurezza, compliance e Hybrid AI Progettazione di soluzioni AI ibride on prem/on cloud: scelte su dove risiedono KB/dati, dove gira l’inferenza, dove risiede l’osservabilità/eval. Gestione aspetti security‑by‑design: access control su KB, segreti, cifratura, audit log, data masking/redaction. Collaborazione con Security/Compliance su vincoli di data residency e controlli. Competenze richieste (must have) Esperienza pratica (2–5+ anni indicativi) nello sviluppo di soluzioni AI: chatbot, RAG, agenti, integrazioni. Conoscenza solida di: concetti RAG (retrieval, embeddings, chunking, KB refresh, valutazione qualità) integrazioni MCP, API e workflow automation (es. n8n o strumenti analoghi) osservabilità/evaluation per SLM/LLM (tracing, prompt versioning, feedback) Familiarità con ambienti containerizzati (Kubernetes/Open Shift) e rilascio in contesti on premise. Buone capacità di analisi e problem solving (debug end‑to‑end: retrieval → prompting → risposta → logging). Redazione ed aggiornamento Solution design (high level + dettagli implementativi), blueprint riusabili. Design di flussi n8n e integrazioni API con logging e gestione errori. Dashboard/strumentazione Langfuse + set di metriche e test di regressione. #J-18808-Ljbffr