Ai solution expert

AI Solution Expert

RAL fino a €60k

Modello ibrido (3 giorni in sede 2 da casa)

Luogo di lavoro: Roma

Per una comprensione completa di questa opportunità e dei requisiti per essere un candidato di successo, continui a leggere.

Per importante Cliente Finale con sede a Roma, appartenente ad un settore altamente tecnologico, siamo alla ricerca di un Solution Expert con forte taglio tecnico-funzionale e capacità di disegnare, realizzare e portare in produzione soluzioni AI su stack OpenShift AI, con componenti n8n, Langfuse, MongoDB Vector Search, in contesto on premise e con architetture ibride on prem/on cloud.

Mission del ruolo

• Tradurre esigenze di business in soluzioni AI end-to-end (design → implementazione → rilascio → miglioramento continuo).
• Essere riferimento tecnico per pattern RAG/Agents, integrazioni enterprise, osservabilità e qualità.
• Contribuire alla standardizzazione (blueprint, componenti riusabili, best practice di sicurezza e compliance).

Responsabilità principali

1) Solution design & delivery

• Disegno dell'architettura applicativa per use case RAG/Agents: flussi conversazionali, knowledge retrieval, tool use, policy e guardrail.
• Implementazione e configurazione di componenti su OpenShift AI (deploy, runtime, scaling, config), in collaborazione con DevOps.
• Orchestrazione workflow e integrazioni con sistemi aziendali tramite n8n (API, webhooks, connettori, gestione errori, retry, idempotenza).
• Implementazione di Vector Search con MongoDB Vector Search: ingestion, indicizzazione, metadata filtering, strategie di retrieval e tuning performance.
• Supporto al ciclo di vita: ambienti dev/test/prod, release, hotfix, supporto.

2) RAG engineering (qualità e performance)

• Progettazione pipeline di ingestion/KB: normalizzazione documenti, chunking, embedding, versioning e refresh.
• Definizione e tuning dei parametri di retrieval (k, threshold, reranking se previsto, filtri su metadata).
• Definizione di metriche e criteri di qualità: groundedness, precision/recall retrieval, risposta corretta vs allucinazione, coverage KB, latency.

3) Agents & protocolli MCP

• Progettazione agenti: tool selection, planning, multi-step execution, gestione stato e contesto.
• Implementazione di pattern per agenti MCP-compliant (contratti, versioning, test, compatibilità, fallback).
• Hardening: timeouts, rate limit, policy di sicurezza, error handling e circuit breaker.

4) Observability, evaluation e miglioramento continuo

• Implementazione osservabilità e tracing con Langfuse (o equivalenti): prompt/versioning, session tracking, feedback loop, monitoring.
• Definizione di test suite e evaluation (golden set, regression test, analisi drift contenuti/risposte).
• Analisi log e telemetria per migliorare qualità e ridurre costi/latency.

5) Sicurezza, compliance e Hybrid AI

• Progettazione di soluzioni AI ibride on prem/on cloud: scelte su dove risiedono KB/dati, dove gira l'inferenza, dove risiede l'osservabilità/eval.
• Gestione aspetti security-by-design: access control su KB, segreti, cifratura, audit log, data masking/redaction.
• Collaborazione con Security/Compliance su vincoli di data residency e controlli.

Competenze richieste (must have)

• Esperienza pratica (2–5+ anni indicativi) nello sviluppo di soluzioni AI: chatbot, RAG, agenti, integrazioni.
• Conoscenza solida di:
• concetti RAG (retrieval, embeddings, chunking, KB refresh, valutazione qualità)
• integrazioni MCP, API e workflow automation (es. n8n o strumenti analoghi)
• osservabilità/evaluation per SLM/LLM (tracing, prompt versioning, feedback)
• Familiarità con ambienti containerizzati (Kubernetes/OpenShift) e rilascio in contesti on premise.
• Buone capacità di analisi e problem solving (debug end-to-end: retrieval → prompting → risposta → logging).
• Redazione ed aggiornamento Solution design (high level + dettagli implementativi), blueprint riusabili.
• Design di flussi n8n e integrazioni API con logging e gestione errori. xrdztoy
• Dashboard/strumentazione Langfuse + set di metriche e test di regressione.