Senior AI Engineer

Pennylane sta costruendo il sistema operativo finanziario delle piccole e medie imprese e degli studi contabili europei, e una quota crescente del lavoro dentro il prodotto sarà svolta da agenti e non solo da persone. La strategia AI dell'azienda opera su tre livelli: AI verticalizzata dentro il prodotto con Copilot e Autopilot, un'interfaccia che rende la piattaforma leggibile e azionabile dalle AI tramite tool e MCP, e l'agente orchestratore vero e proprio. I modelli si stanno standardizzando in fretta: la differenza la fanno il contorno, il contesto, gli strumenti, le barriere di sicurezza e la valutazione che dimostra che tutto funziona su flussi contabili reali. Non sono richiesti viaggi frequenti, a parte i ritrovi aziendali: i Tech Days ogni due mesi e il seminario annuale.

Ruolo
Entrerai in una delle squadre ML e AI, oggi oltre 25 persone in crescita da due a cinque squadre entro la fine del 2026, che si occupano rispettivamente delle fondamenta condivise tra agent harness, runtime agentico e sandboxing, model gateway, registro degli strumenti e MCP, guardrail, osservabilità e FinOps degli LLM; del comportamento degli agenti tra indirizzamento, messa a punto sul dominio e metodologia di valutazione; e dell'agente orchestratore finanziario per commercialisti e imprese. In ogni caso il cuore del lavoro è lo stesso: costruire e irrobustire i cicli agentici in produzione, tra orchestrazione delle chiamate agli LLM, tool calling, streaming ed eventi, recupero dagli errori, checkpoint e ripristino, con attenzione a sicurezza, permessi e costi. Possiederai l'ingegneria del contesto e della memoria, dalla costruzione del contesto al retrieval, alla compattazione, alla memoria a breve e lungo termine con i relativi compromessi tra latenza e costo. Renderai la piattaforma utilizzabile dagli agenti trasformando le capacità di business in strumenti specificati, documentati, versionati e testati, esposti internamente e via MCP, e ne indirizzerai il comportamento tra prompt di sistema, strategie di pianificazione e selezione degli strumenti, guardrail e difese dal prompt injection. Tratterai la valutazione come disciplina di primo livello, con golden dataset, LLM come giudice, valutazione umana, tracciamento delle regressioni e analisi degli errori. Sono richiesti dai 5 agli 8 anni di esperienza con una forte padronanza di Python, esperienza pratica di sistemi LLM e agentici in produzione su larga scala, una buona conoscenza dell'infrastruttura AI tra model serving, database vettoriali, costo e latenza, e l'inglese fluente, mentre il francese non è obbligatorio. Sono graditi fine-tuning e post-training con SFT, DPO o RL, MCP e la familiarità con Ruby.

Tecnologie
Python, framework agentici e MCP, LLM con RAG e tool calling, strumenti di valutazione e osservabilità, model gateway e database vettoriali, Kubernetes e AWS, Ruby come plus.