AI Product Engineer

AgroPlace будує AI-native B2B продукт для аграрного ринку. Ми працюємо на перетині software, операційних даних, геопросторових інтерфейсів і реальних бізнес-процесів. Стадія продукту така, що людина, яка приходить тепер, має непропорційний вплив на архітектуру, AI-логіку і product engineering culture.

Шукаємо AI Product Engineer — інженера, для якого AI це не «ще одна фіча», а матеріал, з якого будується продукт. Ти проєктуєш, як LLM, агенти і evals живуть у production, і одночасно вмієш зібрати full-stack обв'язку навколо них — frontend, backend, дані, інтерфейс.

Це роль для людини, яка хоче рухатися від ідеї до production: зрозуміти проблему, спроєктувати AI-сценарій, зібрати MVP, виміряти якість, покращити архітектуру і довести фічу до стабільного стану.

Що потрібно буде робити

• Проєктувати і будувати AI-native продуктові сценарії: рекомендації, асистенти, сигнали, автоматизація робочих процесів.
• Інтегрувати LLM APIs, structured outputs, tool use, RAG, agent workflows — там, де це має продуктовий сенс, не «бо це модно».
• Створювати eval-first архітектуру: жодна AI-функція не виходить без вимірюваної якості, regression tests, контролю hallucinations, latency і cost.
• Проєктувати memory-шар: контекстну, користувацьку, доменну.
• Розробляти full-stack обв'язку: frontend, backend, API, інтеграції, бази даних, multi-tenant логіку.
• Працювати з map-based / geospatial інтерфейсами та даними.
• Швидко прототипувати нові AI-сценарії та доводити найкращі рішення до production-якості.
• Впливати на продуктові рішення: ставити правильні питання, бачити edge cases, пропонувати простіші шляхи.
• Підтримувати технічну якість: code review, refactoring, тестування, документація рішень.
• Потенційно вести окремий напрям продукту або невелику технічну команду.

Нам важливо

• Practical production AI: реально випущені LLM-функції, які використовуються живими користувачами. Не дослідницькі демо, не tutorial-проєкти.
• Розуміння, як AI ламається в продакшні: hallucinations, drift, latency, cost, prompt regressions, edge cases.
• Досвід з structured outputs, tool use, evals, guardrails.
• 4+ років досвіду у full-stack або backend розробці.
• Сильний досвід з TypeScript / JavaScript.
• Досвід з React / Next.js або схожим frontend-стеком.
• Досвід з backend: Node.js / NestJS / Express або інший production-ready backend.
• Розуміння баз даних, API, auth, permissions, multi-tenant архітектури.
• Архітектурне використання AI у щоденній розробці (Cursor / Claude Code / agents) — з розумінням, де воно пришвидшує, а де ламає якість.
• Product mindset: цікаво не тільки «як зробити», а й «для кого», «навіщо» і «що буде після релізу».
• Самостійність у технічних рішеннях без мікроменеджменту.

Буде плюсом

• Досвід з RAG, agent workflows, vector stores, hybrid search.
• Досвід з geospatial / map-based продуктами: Mapbox, PostGIS, spatial queries, tiles.
• Досвід у B2B SaaS, CRM, ERP, marketplace або data-heavy продуктах.
• Досвід в агро, logistics, climate-tech або field-operations доменах.
• Досвід побудови продукту з ранньої стадії.
• Досвід технічного лідерства: архітектура, review, менторинг.
• Досвід з PostgreSQL, Prisma, Supabase, AWS / GCP / Vercel.

Кого ми шукаємо

Людину, яка може взяти складну, не до кінця формалізовану задачу і перетворити її на працюючий AI-продукт.

Не «закрити ticket», а зрозуміти контекст, спроєктувати AI-сценарій, виміряти його якість і спокійно довести до нормального стану.

Особливо цінуємо людей, які не плутають AI-демо з AI-продуктом: розуміють, що якість треба вимірювати, ризики треба контролювати, а production AI потребує guardrails, evals і здорового скепсису.

Як ми працюємо

• Малий core team з високою інженерною планкою — кожен наступний наймається тим, хто вже є.
• Прямий контакт із founder / product team, без проксі.
• Sequencing > simultaneity: краще зробити одне якісно, ніж п'ять наполовину.
• Документуємо ключові рішення, не лише код.
• Цінуємо ясність, спокійний інтерфейс і сильну інженерну культуру.

Ми відповідаємо всім кандидатам у межах одного тижня.

Якщо ти хочеш будувати реальний B2B продукт, працювати з AI як інженерним матеріалом, а не як магією, і мати прямий вплив на архітектуру з ранньої стадії — надсилай. Решта деталей — на intro call.