AI Engineer (LLM, RAG e voce)

Cosa farai

• Progettare e migliorare la pipeline RAG: segmentazione, embedding, recupero, citazione delle fonti, aggiornamento automatico dei contenuti quando il sito del cliente cambia.
• Costruire e mantenere gli strumenti che il modello può usare (prenotare, inoltrare, raccogliere un contatto, leggere un listino) con schemi stretti e fallimenti prevedibili.
• Mettere in piedi la valutazione: casi reali, controlli di regressione a ogni modifica del prompt, misura di allucinazioni, rifiuti e latenza.
• Lavorare sul canale vocale: streaming, riconoscimento, sintesi, gestione delle interruzioni e dei silenzi.
• Tenere sotto controllo il costo per conversazione: scelta del modello, caching, lunghezza del contesto.
• Rendere il comportamento configurabile per settore e per cliente, senza finire con un prompt diverso per ogni tenant.

Cosa serve

• Esperienza reale di sistemi basati su LLM in produzione, non solo prototipi o notebook.
• RAG fatto sul serio: sai perché un recupero fallisce e sai dimostrarlo con i dati.
• Solidità in Python oppure in PHP e TypeScript, perché il lavoro va integrato nell'applicazione esistente.
• Metodo sperimentale: definisci la metrica prima di toccare il prompt.
• Onestà tecnica: saper dire quando un modello non è adatto a un compito, anche se la richiesta arriva dal fondatore.

Cosa aiuta, ma non è obbligatorio

• Voce in tempo reale: ASR in streaming, sintesi, gestione del turno di parola.
• Esperienza con più fornitori di modelli e con le loro differenze pratiche.
• Ottimizzazione dei costi di inferenza su volumi reali.
• Sicurezza dei prompt: injection, esfiltrazione, limiti degli strumenti.
• Conoscenza dell'AI Act e degli obblighi di trasparenza verso l'utente finale.

I primi 90 giorni

Come valutiamo se il ruolo sta funzionando, per te e per noi.