Offerta di lavoro AI & Data Science rif 23722 - Milano / Bergamo

Descrizione dell'annuncio di lavoro

 Siamo alla ricerca di profili AI & Data Science per attività in presenza.

richiediamo almeno 2/4 anni di esperienza e ottima conoscenza della lingua inglese  

Responsabilità
•    Sviluppa componenti applicativi che integrano modelli generativi: recupero e selezione delle informazioni, costruzione del contesto, orchestrazione delle chiamate, restituzione dei risultati.
•    Realizza flussi agentici secondo un disegno definito con il riferimento tecnico: definizione dei passi, gestione degli strumenti a disposizione dell'agente, controllo dei casi di uscita e dei limiti di esecuzione.
•    Integra le soluzioni con i sistemi del cliente — basi dati, servizi applicativi, repository documentali — curando affidabilità e gestione degli errori.
•    Espone agli agenti gli strumenti di accesso ai sistemi del cliente — ERP, CRM, piattaforme di gestione dei servizi IT — attraverso i protocolli di interoperabilità standard, curandone il contratto d'uso, la gestione degli errori e il controllo dei permessi.
•    Realizza i componenti di memoria e di knowledge base a supporto degli agenti: conservazione del contesto fra le esecuzioni, indicizzazione documentale e a grafo, meccanismi di aggiornamento al variare delle fonti.
•    Estende i flussi agentici agli scenari multi-agente: suddivisione dei compiti fra agenti specializzati, protocolli di scambio, gestione dello stato condiviso e dei casi di conflitto.
•    Valuta sistematicamente la qualità dei risultati, costruendo insiemi di casi di prova, misurando accuratezza e coerenza delle risposte e documentando i limiti riscontrati.
•    Progetta e affina le istruzioni fornite ai modelli in modo strutturato e versionato, trattandole come artefatti di progetto e non come testo da modificare a caso.
•    Porta in esercizio quanto sviluppa e ne presidia il funzionamento: monitorandone il comportamento, la qualità delle risposte e il costo di esecuzione, e intervenendo sulle anomalie con il supporto del team.
•    Contribuisce all'industrializzazione delle soluzioni applicando le pratiche del team: revisione del codice, test automatici, rilascio controllato, tracciamento delle esecuzioni.
•    Partecipa alle sessioni di lavoro con il cliente: illustra quanto realizzato, raccoglie riscontri e li traduce in interventi tecnici concordati con il team.
•    Documenta il proprio lavoro segnalando al riferimento tecnico i casi in cui il comportamento del sistema non è affidabile o presenta rischi.

Competenze richieste

Competenze tecniche richieste
•    Sviluppo software: padronanza del linguaggio Python, con codice strutturato, testato e manutenibile. 
•    Modelli generativi: comprensione del funzionamento dei modelli linguistici, dei loro limiti intrinseci e delle conseguenze pratiche — finestra di contesto, non determinismo, tendenza a produrre risposte plausibili ma errate.
•    Recupero delle informazioni: esperienza di costruzione di sistemi che recuperano informazioni da fonti proprietarie per fondare le risposte: segmentazione dei documenti, rappresentazione vettoriale, ricerca semantica, criteri di selezione del contesto. Conoscenza delle rappresentazioni a grafo della conoscenza (Graph RAG) e capacità di riconoscere quando la sola ricerca vettoriale non basta.
•    Sistemi agentici: comprensione di come si struttura un agente: scomposizione del compito, uso di strumenti esterni, gestione della memoria, controllo del ciclo di esecuzione e dei suoi limiti.
•    Framework di orchestrazione agentica: esperienza pratica su almeno uno fra LangChain/LangGraph, Google ADK, Microsoft Agent Framework, Claude Agent SDK e OpenAI Agents SDK, con comprensione del modello di esecuzione adottato — in particolare l'orchestrazione a grafo di stati — dei meccanismi di definizione degli strumenti e dei protocolli di interoperabilità che consentono ad agenti e sistemi di dialogare.
•    Valutazione: capacità di definire criteri di qualità misurabili e di costruire una procedura di verifica ripetibile. Distinguere un sistema che funziona da uno che sembra funzionare o funziona solo per uno specifico scenario. La valutazione va condotta a livello di agente, sul singolo passo e sulla traiettoria completa, con suite di non-regressione che intercettino i peggioramenti fra versioni di prompt, modello o flusso.
•    Fondamenti di machine learning: nozioni solide di apprendimento supervisionato, delle metriche di valutazione e del significato di “overfitting”.
•    Ambienti di esecuzione: uso corrente di container e di Kubernetes, con attenzione alla portabilità della soluzione fra cloud pubblico e infrastruttura on-premise; comprensione dei meccanismi di autenticazione, di limitazione delle chiamate e di controllo dei costi dei servizi di modello.
•    Sicurezza e riservatezza: consapevolezza dei rischi specifici: manipolazione delle istruzioni, trattamento di dati riservati nei contesti inviati ai modelli, tracciabilità delle decisioni automatiche.
•    Guardrail e supervisione umana: controlli sugli input e sugli output, definizione dei limiti di azione degli agenti e individuazione dei punti in cui l'esecuzione si ferma per chiedere conferma a una persona.
•    Strumenti di lavoro: versionamento, integrazione continua, gestione delle configurazioni e dei segreti.
•    Dati: padronanza di SQL e capacità di lavorare con dati strutturati e documentali.
Competenze relazionali richieste
•    Chiarezza espositiva: sa spiegare a un interlocutore non tecnico cosa fa il sistema, cosa non può fare e con quale grado di affidabilità. Su questi temi le aspettative del cliente sono spesso superiori alla realtà e vanno riportate a terra con garbo.
•    Onestà nel raccontare i risultati: riporta i risultati per quello che sono, anche quando sono deludenti, e non presenta un dimostratore riuscito come una soluzione pronta.
•    Metodo nel problem solving: davanti a un comportamento anomalo procede per ipotesi verificabili, isola le variabili e sa ricostruire il ragionamento seguito. In un sistema non deterministico è più difficile e più importante che altrove.
•    Ascolto e traduzione: comprende una richiesta funzionale, individua le ambiguità e le chiarisce con domande puntuali prima di iniziare a sviluppare.
•    Trasparenza: segnala difficoltà e ritardi per tempo, riconosce i propri limiti e chiede supporto prima che il problema si aggravi.
•    Postura di consulenza: mantiene un comportamento professionale presso il cliente e distingue ciò che può comunicare direttamente da ciò che va concordato con il riferimento tecnico o con il project manager.
•    Curiosità disciplinata: in un ambito che cambia rapidamente, sa aggiornarsi in autonomia distinguendo le novità sostanziali dal rumore di fondo.
Requisiti di accesso
•    Laurea STEM, oppure esperienza equivalente maturata sul campo.
•    2-4 anni di esperienza in sviluppo software, di cui almeno uno su progetti che integrano modelli di intelligenza artificiale.
•    Almeno una soluzione basata su modelli generativi portata oltre la fase di dimostratore.
•    Inglese tecnico sufficiente a leggere documentazione e partecipare a riunioni operative.
•    Disponibilità alla presenza presso la sede del cliente secondo le esigenze del progetto.
•    Sede di lavoro: Milano, Bergamo
Elementi preferenziali
•    Certificazioni sui servizi di intelligenza artificiale di una piattaforma cloud.
•    Esperienza su più di un framework di orchestrazione agentica.
•    Contributi a progetti open source o pubblicazione di lavori personali verificabili.
•    Esperienza di messa in esercizio e monitoraggio di sistemi basati su modelli.
•    Esperienza in contesti di consulenza o multi-cliente.
•    Esperienza con agenti applicati al ciclo di vita del software: generazione e revisione del codice, test, documentazione.
•    Interesse o esperienza su Physical AI: agenti che interagiscono con sistemi fisici, sensoristica, robotica.
•    Conoscenza di ambiti applicativi ricorrenti per la capability: manifatturiero, energia, retail, banche e assicurazioni, pubblica amministrazione.