Generative AI Software Engineer

ppEntrando in Accenture bSupply Chain Engineering /b lavorerai al cuore della value chain - dal sourcing e procurement, all'engineering e RD, dalla manifattura e operations, ai capital projects - per aiutare le aziende a reinventare l'intera catena del valore, alimentata da dati, AI e tecnologie di nuova generazione. /p pIn particolare, lavorerai su progetti di implementazione tecnologica e trasformazione digitale su larga scala, traducendo esigenze di business in software scalabili ad alto impatto operativo, integrando bsviluppo software /b, bingegneria industriale /b, barchitettura tecnologica /b e bsite reliability /b, end-to-end. /p pIn questo contesto siamo alla ricerca di professionisti con esperienza nello bsviluppo Python /b e nella bcostruzione di sistemi GenAI agentici /b. /p h3Il tuo ruolo e le tue prospettive /h3 ul liProgettazione e sviluppo di applicazioni GenAI (MVP to produzione) con focus su affidabilità, sicurezza e scalabilità /li liCreazione di agenti e workflow agentici: orchestrazione di tool, pianificazione, memoria, stato, controllo esecuzione e fallback /li liImplementazione di pattern come RAG, tool/function calling, routing, grounding su basi documentali e dati strutturati /li liIntegrazione con ecosistemi enterprise (API, sistemi industriali, document management, PLM/MES/ERP, ticketing, knowledge base) /li liOwnership end-to-end: dalla prototipazione alla messa in esercizio (CI/CD, osservabilità, evaluation, guardrail, cost control) /li liCollaborazione in team cross-funzionali (product, data, cloud, security, domain expert) e contributo a standard, acceleratori e best practice /li liMentoring tecnico su scelte architetturali, qualità del codice, test strategy per LLM e approcci di valutazione /li liAggiornamento continuo su framework, modelli, approcci agentici e pratiche di AI engineering in ambito industriale /li /ul pLa retribuzione prevista in Accenture viene definita sulla base di molteplici elementi di valutazione, tra cui – ad esempio - il ruolo ricoperto, il livello di seniority, il grado di responsabilità, le competenze professionali e l’esperienza maturata. Per la presente posizione, è prevista l’applicazione del CCNL Metalmeccanico, con uno tra i seguenti livelli di inquadramento e corrispondente fascia di retribuzione annua lorda: /p ul liC3: 28.748,59€ – 34.600€ /li liB1: 30.814,29€ – 40.800€ /li liB2: 33.058,74€ – 50.500€ /li liB3: 36.906,87€ – 65.800€ /li liA1: 37.791,13€ – 71.400€ /li /ul h3Le tue caratteristiche /h3 ul liAlmeno 3 anni di esperienza dello sviluppo software (preferibilmente Python) in contesti strutturati /li liOttima conoscenza di Python: packaging, typing, async, design patterns, performance, qualità del codice /li liEsperienza nello sviluppo di servizi/API (FastAPI o equivalenti), integrazione con sistemi esterni e gestione autenticazione/autorizzazione /li liConoscenza dei principi base di LLM application development: prompt design, function calling, RAG, embeddings, vector search /li liEsperienza (o forte esposizione) a framework GenAI come LangGraph (molto apprezzato) e/o LangChain, LlamaIndex, Semantic Kernel /li liConoscenza di metodologie agentiche e pattern di orchestrazione, ad esempio: ReAct, plan-and-execute, tool-use controllato, grafi di stato / workflow (routing, branching, retries), multi-agent (ruoli, delega, arbitration), human-in-the-loop, gestione memoria (short/long-term), grounding e citazioni /li liBuona base su testing e qualità: pytest, unit/integration test, test su prompt/risposte, regressioni e evaluation automatizzata /li liFamiliarità con RESTful API, formati dati (JSON), code review e Git workflow /li liInglese fluente, scritto e parlato /li /ul h3Nice to have /h3 ul liEsperienza su Azure OpenAI / OpenAI API, o deployment di modelli open-source (Hugging Face, vLLM, TGI) /li liConoscenza di vector DB e search: Azure AI Search, Pinecone, Weaviate, Qdrant, Elasticsearch/OpenSearch /li liLLMOps / MLOps: osservabilità (tracing), prompt/versioning, dataset di valutazione, metriche (groundedness, faithfulness, toxicity), cost governance /li liEsperienza con container e cloud native (Docker, Kubernetes) e CI/CD /li liConoscenza di security compliance per GenAI (data privacy, PII, policy enforcement, prompt injection mitigation, content filtering) /li liEsperienze in ambito Industry X (engineering, manufacturing, asset operations, capital projects) e integrazione con sistemi enterprise/OT /li /ul /p #J-18808-Ljbffr