AI Engineer

COMFY

format:Remotecompany:Product

claude codemcpoauthgitci/cdsqlbigquerydbt

semantic dedup

Reposted 2× across DOU + Djinni — deduped to one listing.

metahunt matched 2 postings of this exact role by semantic similarity, so you see it once instead of 2 times.

domainEcommerce

locationDnipro, Ukraine

> full description

COMFY — провідний омніканальний рітейлер побутової техніки та електроніки в Україні, понад 100 магазинів, топ-3 e-commerce платформа країни.

Ми будуємо всередині компанії функцію, яка застосовує AI-агентні інструменти не до продукту, а до самої роботи керівників. Ти підпорядковуєшся напряму CTO і стартуєш як individual contributor з перспективою вирости в team lead підрозділу автоматизації посад. Місія — брати конкретну посаду в дирекції компанії, проводити discovery з її власником і будувати AI-інструментарій, який реально підвищує продуктивність цієї людини, на базі спільної платформи comfy-agentic-workflow. Це не про делегування рутини чат-боту — це про проєктування ролі на платформі, розробку нових skills і plugins там, де бракує можливостей, і ітеративне впровадження з видимим результатом за 1-2 тижні.

Що робить цю роль особливою

● Пряме підпорядкування CTO — рішення про пріоритети й архітектуру ролі приймаєш разом з ним, без проміжних ланок.

● Твої співрозмовники — власники посад у дирекції, включно з C-level, а не product owner з тікетом.

● Доступ до конфіденційних даних про рішення й ефективність керівників — висока довіра з першого дня.

● Готова спільна платформа comfy-agentic-workflow як фундамент: не пишеш інфраструктуру з нуля, а розширюєш і адаптуєш під кожну посаду.

● Реальна траєкторія росту в team lead підрозділу автоматизації, коли перші ролі доведені до стабільного результату.

Задачі

● Проводити discovery-інтерв’ю з власником посади й переводити розмову у структуровану потребу.

● Проєктувати роль на платформі comfy-agentic-workflow: конфігурація, доступи, межі відповідальності агента.

● Розробляти нові skills і plugins там, де існуючого функціоналу платформи не вистачає.

● Координувати з data/analytics-інженером метрики та KPI, за якими оцінюється ефект впровадження.

● Впроваджувати ітеративно: перший quick win — за 1-2 тижні, без очікування «великого запуску».

● Забезпечувати governance-супровід: secrets, approval-флоу, фактична ізоляція приватного контенту.

● Навчати власника посади працювати з інструментом і системно збирати фідбек для наступної ітерації.

Вимоги — обов’язково

● Практичний досвід роботи з AI-агентними інструментами (Claude Code або аналогічні agent runtimes): написання інструкцій для агента на кшталт SKILL.md, налаштування MCP-серверів і конекторів, розуміння OAuth/service-account авторизації.

● Інженерний бекграунд, достатній щоб самостійно підключати нові інструменти, читати API-документацію, писати невеликі скрипти-адаптери, працювати з git/CI (MR, валідатори) — не no-code рівень.

● Впевнена робота з YAML і структурованими конфігураціями композиції (role/bundle-подібні патерни): уміння читати й розширювати вже існуючу схему.

● SQL достатнього рівня для read-only запитів у BigQuery-подібних сховищах, базове розуміння семантичного шару (DBT-подібні інструменти) і data catalog.

● Вміння провести інтерв’ю з керівником, включно з C-level, і витягнути з розмови структуровану потребу.

● Дисципліна конфіденційності: розуміння, що робота з даними про рішення й ефективність керівників вимагає фактичного розділення доступів, а не формального тега.

Вимоги — буде плюсом

● Досвід enterprise- або solution-архітектури.

● Досвід менторства чи керівництва невеликою командою.

● Практичний досвід data-engineering, а не лише споживання даних.

● Досвід роботи з чутливими даними в security/compliance-контексті.

Це точно не про тебе, якщо

Ти профільний Data Scientist чи ML-дослідник (глибокий ML тут не потрібен); prompt-engineer без інженерного бекграунду; або класичний PM/BA без рук, який тільки описує вимоги, а не будує сам.