Vorwärts eingesetzter Ingenieur

Über Moneybox

Unsere Mission bei Moneybox ist es, jedem die Möglichkeit zu geben, mehr aus dem Leben herauszuholen. Wir lassen uns von unserer Überzeugung leiten, dass es bei Reichtum nicht um Geld geht, sondern um die Mittel zu mehr – mehr Freiheit, Chancen, Möglichkeiten und Seelenfrieden. Moneybox ist eine preisgekrönte Vermögensverwaltungsplattform, die über eineinhalb Millionen Menschen dabei hilft, ihr Leben lang Vermögen aufzubauen, egal ob sie sparen und investieren, ihr erstes Eigenheim kaufen oder ihren Ruhestand planen.

Jobbrief

Moneybox bedient mehr als 2 Millionen Kunden und betreibt einen Live-Service, der täglich über 20 Millionen API-Anfragen bearbeitet. Wir haben uns auf eine unternehmensweite Strategie für KI-Plattformen geeinigt und bauen ein neues KI-Bereitstellungsteam auf, um diese umzusetzen. Dies ist die erste von mehreren Einstellungen als Senior AI Deployment Engineer, der dem Head of AI Platforms & Deployment unterstellt ist.

Sie werden ein zukunftsorientierter leitender Ingenieur sein, der KI-gesteuerte Lösungen für Geschäftsprobleme erschließt: ein Experte für den Einsatz und die sichere Nutzung von KI, kein ML-Modellierer. Bei der Arbeit handelt es sich hauptsächlich um Python im gesamten modernen KI-Engineering-Stack – Kabelbaumtechnik, Kompetenz- und Toolaufbau, Agenten-Workflows und -Orchestrierung, Agenten-Hosting und Sandboxing, Leitplanken, Auswertungen, RAG- und Kontext-Engineering sowie Tokenomics (Kosten, Latenz, Modellauswahl). Grundvoraussetzung ist die Erfahrung mit LLM-Systemen auf Produktionsniveau.

Sie werden an drei Arten von Projekten arbeiten:

• Abteilungsbezogene Engagements. Binden Sie Abteilungen ein, um KI-fähige Aufgaben und Prozesse auf eine ausgefeiltere Art und Weise zu ermöglichen, als „einfach Claude fragen“ – zum Beispiel Python-Pipelines, bei denen ein Schritt ein LLM-API-Aufruf ist –, um mit jedem Engagement einen echten Mehrwert zu liefern und Arbeitsmuster in tragende, KI-gestützte Geschäftsprozesse umzuwandeln.

• Kundenorientierter KI-Einsatz. Stellen Sie KI-Komponenten bereit, die von unseren ML- und Decisioning-Teams entwickelt wurden, und integrieren Sie sie in die Produktion: die technische Implementierungsebene zwischen einem Arbeitsmodell und einer Live-Kundenfunktion.

• Funktionen der KI-Plattform. Arbeiten Sie mit dem AI Platforms-Team zusammen, um Engagement-Muster in sichere, zunehmend eigenständige unternehmensweite Tools umzuwandeln.

Abteilungen in ganz Moneybox entwickeln bereits selbst KI-Tools – wir möchten ihnen einen sicheren Weg zur lasttragenden Nutzung in großem Maßstab bieten. Diese Rolle fängt diese Nachfrage ein und bringt sie richtig zur Geltung.

Was Sie tun werden

• Eigene Engagement-Lieferung von Ende zu Ende. Arbeiten Sie mit der Abteilung zusammen, entwerfen Sie die Lösung, bauen Sie sie auf, stellen Sie sie bereit und vereinbaren Sie das Übergabe- und Eigentumsmodell – vom Prototyp bis zur stabilen Produktion. Verlobungen erscheinen als vager Schmerz; Sie definieren das Problem, nicht nur die Lösung.

• KI-Lösungen richtig entwickeln. Pipelines, LLM-API-Integration, Auswertungen, Leitplanken, Überwachung sowie Kosten- und Genauigkeitsoptimierung für die von Ihnen erstellten Systeme. Wissen Sie, wann ein Schritt deterministisch sein muss und wann ein LLM das richtige Werkzeug ist.

• Integrieren Sie Werkzeuge in Geschäftssysteme. Nehmen Sie gemeinsam genutzte, teamlastige Tools, die Menschen für sich selbst entwickelt haben, und bauen Sie sie als eigene Geschäftssysteme im Rahmen eines vollständigen SDLC neu auf, wo der Wert dies rechtfertigt.

• Stellen Sie ML-erstellte Komponenten in der Produktion bereit. Betreuung, Integration mit der Moneybox-Plattform und alles rund um das Modell, in Zusammenarbeit mit Entscheidungs- und Data-Science-Teams (die dafür verantwortlich sind, was im Modell passiert) und unseren Technikteams.

• Bauen Sie wiederverwendbare Funktionen auf. Wandeln Sie Erkenntnisse zum Engagement in gemeinsame Tools, Vorlagen, Playbooks und Self-Service-Workflows auf dem AI Platforms-Stack um. Aufbau von Plattformkomponenten, einschließlich Leitplanken, Sandboxing, Workflows und Gateways.

• Legen Sie die Messlatte höher. Arbeiten Sie während des Aufbaus des Teams mit eingebetteten Spezialisten zusammen und absorbieren und verinnerlichen Sie deren Ergebnisse, damit die Fähigkeit bei Moneybox verbleibt.

In Ihren ersten drei Monaten erwarten wir, dass Ihre ersten Abteilungsaufträge nach Machbarkeit ausgewählt und mit messbarem Geschäftswert geliefert werden – Zeitersparnis, Kostenvermeidung, Risikoeliminierung – und dass mindestens eine ML-basierte Funktion mit ordnungsgemäßen Bewertungen, Überwachung und Kostenkontrollen in der Produktion bereitgestellt wird.

Bei dieser Rolle handelt es sich ausdrücklich nicht um ML-Modelltraining oder Datenwissenschaft, und es handelt sich nicht um einen Chatbot-anregenden Generalisten: Dies ist Produktionssoftware-Engineering mit KI als Kernstück.

Wer du bist

• Ein Produktionsingenieur mit KI als Kernstück. Sie haben LLM-gestützte Systeme gebaut und ausgeliefert, die in der Produktion liefen, und können konkret über Bewertungen, Fehlermodi, Kostenkurven und darüber sprechen, was Sie anders machen würden.

• Fühlt sich wohl bei Mehrdeutigkeiten. Sie können eine Abteilung mit einem vagen Problem betreten und mit einem zielgerichteten, lieferbaren System wieder verlassen, und Sie werden eher nach Ausnahmen als nach Anweisungen geführt.

• Ein starker Partner für technisch nicht versierte Eigentümer. Die Einbettung, Festlegung und Kommunikation mit Menschen, die für einen Geschäftsprozess, aber nicht für die Technologie verantwortlich sind, ist die Aufgabe und keine Ablenkung davon.

• Ein Plattformdenker. Sie haben bereits einmalige Lösungen in wiederverwendbare Tools oder Plattformen umgewandelt und suchen bei jedem Engagement nach dem Muster.

• Operativ denkend. Sie kümmern sich um die Überwachung, die Kosten und die Zuverlässigkeit Ihrer Lieferungen und darum, aus einem Prototyp ein System zu machen, auf das sich jemand verlassen kann.

• Aus Gewohnheit sicherheitsbewusst. PII-Handhabung, Datengrenzendisziplin, Bewusstsein für prompte Injektion, Human-in-the-Loop-Design und elegantes Scheitern sind die Art und Weise, wie Sie aufbauen, und keine Checkliste, die Sie anschließend anwenden.

Fähigkeiten und Erfahrung

Unverzichtbar

• Mehr als 5 Jahre Erfahrung in der Softwareentwicklung mit bedeutender Produktionsverantwortung.

• Hat LLM-basierte Systeme gebaut und ausgeliefert, die in der Produktion liefen.

• Python in Produktionsqualität als Ihre primäre Sprache.

• LLM-gestützte Systeme in der Produktion: praktische Erfahrung in der Arbeit mit Modellen über APIs – Kabelbäume, Orchestrierung, strukturierte Ausgabe, Werkzeugnutzung und Agenten, ggf. RAG.

• Evaluierungen und Qualität: Entwerfen von Evaluierungssätzen, Messen von Genauigkeit, Rückruf und Präzision für LLM-Schritte, Regressionstest-Eingabeaufforderungen und Arbeitsabläufe.…

Quelle: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/moneybox/forward-deployed-engineer-london-office-204670)