QA Engineer ИИ-решений

Компания: Kokoc Tech

Локация: Строго Москва, Саранск

Формат работы: Удаленно по РФ

Зарплата: До 1400р в час гросс

Грейд: Middle

Занятость: Проектная, долгосрочный проект (Фултайм)

Оформление: ГПХ, ИП

Важно: Не смотрим кандидатов с проектами Лимана, Петрович Тех, ВБ, Озон, Лента Тех, Яндекс маркет, М. Видео за последние 6 месяцев.

Проект

Специалист привлекается для поддержки AI-команды (RnD AI Team), которая реализует портфель ИИ-инициатив для бизнес-подразделенй компании на внутренней платформе Dify (LLM-агенты, RAG, классификация, извлечение данных из документов, интеграции через API/MCP). Портфель — ~200 инициатив, одновременно в работе 10–15.

Задачи

Подготовка тест-кейсов на основании требований и критериев приемки инициатив;
Функциональное и интеграционное тестирование ИИ-агентов, workflow на платформе Dify, API-интеграций со внутренними системами;
Проверка позитивных, негативных и пограничных сценариев, включая нетипичные запросы пользователей и «галлюцинации» модели;
Регрессионное тестирование после изменений промптов, моделей, базы знаний (RAG) и интеграций;
Проверка соответствия результата согласованным требованиям и метрикам качества;
Формирование и поддержание тестовых выборок (golden set) совместно с бизнесом и ML-командой, участие в оценке качества ответов;
Фиксация дефектов, контроль их устранения, отчётность по качеству релизов;
Проведение приемочного тестирования перед выпуском в production и участие в приемке с бизнесом.

Требования

Общий опыт работы: От 3 лет в тестировании ПО.

Опыт по требуемому стеку/направлению: От 1 года тестирования продуктов на основе ML/LLM или тестирования API и интеграций backend-сервисов; понимание специфики недетерминированных ответов модели.

Релевантный проектный опыт: Не менее 2 проектов тестирования интеграционных / API-решений или ИИ-продуктов с выводом в промышленную эксплуатацию; опыт построения регрессионных наборов и тестовых выборок.

Отраслевой опыт: Желательно: e-commerce, ритейл, B2B-дистрибуция, клиентский сервис.

Обязательные технологии/инструменты

Тест-дизайн, тестовая документация, работа с баг-трекером;
Тестирование REST API (Postman или аналоги), чтение JSON, логов;
SQL на уровне выборок для проверки данных;
Python на базовом уровне для скриптов проверки и подготовки тестовых данных;
Понимание принципов работы LLM, RAG, промптов и метрик качества ИИ (точность, полнота, оценка ответов по критериям).

Желательные технологии/инструменты

Опыт работы с платформами оркестрации LLM (Dify, LangChain и т.п.);
Автоматизация тестирования API (pytest, requests) и LLM-eval инструменты (RAGAS, DeepEval, promptfoo или аналоги);
Опыт разметки и оценки ответов модели (LLM-as-a-judge, ручная оценка по рубрикам);
CI/CD, Git на базовом уровне.

Системы учета задач и документации

Jira / Yandex Tracker, Confluence / Yandex Wiki, Git, реестр ИИ-инициатив в Google Sheets.

Откликнуться: @KM_Alexander_Uvarov