AI & Data Science rif 23722

DIGIMAT SPA; Napoli; In loco; EUR 55.000 - 75.000; Tempo pieno

Descrizione del lavoro

DIGIMAT SPA cerca professionisti in AI & Data Science per attività in presenza a Napoli. Richiesta esperienza 2–4 anni e ottima Inglese. Ruolo orientato a sviluppare componenti che integrano modelli generativi, definire flussi agentici e orchestrare strumenti.

Saranno valorizzate competenze su LangChain, Graph RAG, e integrazione con sistemi del cliente. Si lavora presso la sede e si collabora con team dedicati per monitorare prestazioni, costi e affidabilità del sistema, con responsabilità su

Competenze

• 2-4 anni di esperienza in sviluppo software e progetti IA.
• Inglese tecnico ottimo per documentazione e meeting.
• Presenza in sede a Napoli o alcuna sede del cliente come richiesto.

Mansioni

• Sviluppa componenti che integrano modelli generativi e costruzione del contesto.
• Realizza flussi agentici secondo un disegno tecnico e gestione degli strumenti.
• Integra soluzioni con sistemi del cliente (ERP, CRM, repository) e gestione degli errori.
• Espone agli agenti strumenti di accesso e definizione di protocolli di interoperabilità.
• Sviluppa memoria e knowledge base per mantenere contesto fra esecuzioni.
• Estende i flussi a scenari multi-agente e gestione del conflitto.
• Valuta qualità dei risultati con casi di prova e report dei limiti.
• Progetta istruzioni per i modelli come artefatti di progetto.
• Monitora performance, costi e interviene in caso di anomalie.
• Contribuisce all'industrializzazione: codice, test, rilascio, tracciabilità.
• Partecipa a riunioni con il cliente e traduce feedback in interventi tecnici.

Conoscenze

Python

Modelli generativi

Recupero informazioni

Sistemi agentici

Orchestrazione agentica

SQL

Kubernetes

Formazione

Laurea STEM

Strumenti

LangChain/LangGraph

Google ADK

Microsoft Agent Framework

OpenAI Agents SDK

Descrizione del lavoro

Siamo alla ricerca di profili AI & Data Scienceper attività in presenza.

richiediamo almeno 2/4 anni di esperienza e ottima conoscenza della lingua inglese

Responsabilità

• Sviluppa componenti applicativi che integrano modelli generativi: recupero e selezione delle informazioni, costruzione del contesto, orchestrazione delle chiamate, restituzione dei risultati.
• Realizza flussi agentici secondo un disegno definito con il riferimento tecnico: definizione dei passi, gestione degli strumenti a disposizione dell'agente, controllo dei casi di uscita e dei limiti di esecuzione.
• Integra le soluzioni con i sistemi del cliente — basi dati, servizi applicativi, repository documentali — curando affidabilità e gestione degli errori.
• Espone agli agenti gli strumenti di accesso ai sistemi del cliente — ERP, CRM, piattaforme di gestione dei servizi IT — attraverso i protocolli di interoperabilità standard, curandone il contratto d'uso, la gestione degli errori e il controllo dei permessi.
• Realizza i componenti di memoria e di knowledge base a supporto degli agenti: conservazione del contesto fra le esecuzioni, indicizzazione documentale e a grafo, meccanismi di aggiornamento al variare delle fonti.
• Estende i flussi agentici agli scenari multi-agente: suddivisione dei compiti fra agenti specializzati, protocolli di scambio, gestione dello stato condiviso e dei casi di conflitto.
• Valuta sistematicamente la qualità dei risultati, costruendo insiemi di casi di prova, misurando accuratezza e coerenza delle risposte e documentando i limiti riscontrati.
• Progetta e affina le istruzioni fornite ai modelli in modo strutturato e versionato, trattandole come artefatti di progetto e non come testo da modificare a caso.
• Porta in esercizio quanto sviluppa e ne presidia il funzionamento: monitorandone il comportamento, la qualità delle risposte e il costo di esecuzione, e intervenendo sulle anomalie con il supporto del team.
• Contribuisce all'industrializzazione delle soluzioni applicando le pratiche del team: revisione del codice, test automatici, rilascio controllato, tracciamento delle esecuzioni.
• Partecipa alle sessioni di lavoro con il cliente: illustra quanto realizzato, raccoglie riscontri e li traduce in interventi tecnici concordati con il team.
• Documenta il proprio lavoro segnalando al riferimento tecnico i casi in cui il comportamento del sistema non è affidabile o presenta rischi.

Competenze tecniche richieste

• Sviluppo software: padronanza del linguaggio Python, con codice strutturato, testato e manutenibile.
• Modelli generativi: comprensione del funzionamento dei modelli linguistici, dei loro limiti intrinseci e delle conseguenze pratiche — finestra di contesto, non determinismo, tendenza a produrre risposte plausibili ma errate.
• Recupero delle informazioni: esperienza di costruzione di sistemi che recuperano informazioni da fonti proprietarie per fondare le risposte: segmentazione dei documenti, rappresentazione vettoriale, ricerca semantica, criteri di selezione del contesto. Conoscenza delle rappresentazioni a grafo della conoscenza (Graph RAG) e capacità di riconoscere quando la sola ricerca vettoriale non basta.
• Sistemi agentici: comprensione di come si struttura un agente: scomposizione del compito, uso di strumenti esterni, gestione della memoria, controllo del ciclo di esecuzione e dei suoi limiti.
• Framework di orchestrazione agentica: esperienza pratica su almeno uno fra LangChain/LangGraph, Google ADK, Microsoft Agent Framework, Claude Agent SDK e OpenAI Agents SDK, con comprensione del modello di esecuzione adottato — in particolare l'orchestrazione a grafo di stati — dei meccanismi di definizione degli strumenti e dei protocolli di interoperabilità che consentono ad agenti e sistemi di dialogare.
• Valutazione: capacità di definire criteri di qualità misurabili e di costruire una procedura di verifica ripetibile. Distinguere un sistema che funziona da uno che sembra funzionare o funziona solo per uno specifico scenario. La valutazione va condotta a livello di agente, sul singolo passo e sulla traiettoria completa, con suite di non-regressione che intercettino i peggioramenti fra versioni di prompt, modello o flusso.
• Fondamenti di machine learning: nozioni solide di apprendimento supervisionato, delle metriche di valutazione e del significato di “overfitting”.
• Ambienti di esecuzione: uso corrente di container e di Kubernetes, con attenzione alla portabilità della soluzione fra cloud pubblico e infrastruttura on-premise; comprensione dei meccanismi di autenticazione, di limitazione delle chiamate e di controllo dei costi dei servizi di modello.
• Sicurezza e riservatezza: consapevolezza dei rischi specifici: manipolazione delle istruzioni, trattamento di dati riservati nei contesti inviati ai modelli, tracciabilità delle decisioni automatiche.
• Guardrail e supervisione umana: controlli sugli input e sui output, definizione dei limiti di azione degli agenti e individuazione dei punti in cui l'esecuzione si ferma per chiedere conferma a una persona.
• Strumenti di lavoro: versionamento, integrazione continua, gestione delle configurazioni e dei segreti.
• Dati: padronanza di SQL e capacità di lavorare con dati strutturati e documentali.

Competenze relazionali richieste

• Chiarezza espositiva: sa spiegare a un interlocutore non tecnico cosa fa il sistema, cosa non può fare e con quale grado di affidabilità. Su questi temi le aspettative del cliente sono spesso superiori alla realtà e vanno riportate a terra con garbo.
• Onestà nel raccontare i risultati: riporta i risultati per quello che sono, anche quando sono deludenti, e non presenta un dimostratore riuscito come una soluzione pronta.
• Metodo nel problem solving: davanti a un comportamento anomalo procede per ipotesi verificabili, isola le variabili e sa ricostruire il ragionamento seguito. In un sistema non deterministico è più difficile e più importante che altrove.
• Ascolto e traduzione: comprende una richiesta funzionale, individua le ambiguità e le chiarisce con domande puntuali prima di iniziare a sviluppare.
• Trasparenza: segnala difficoltà e ritardi per tempo, riconosce i propri limiti e chiede supporto prima che il problema si aggravi.
• Postura di consulenza: mantiene un comportamento professionale presso il cliente e distingue ciò che può comunicare direttamente da ciò che va concordato con il riferimento tecnico o con il project manager.
• Curiosità disciplinata: in un ambito che cambia rapidamente, sa aggiornarsi in autonomia distinguendo le novità sostanziali dal rumore di fondo.

Requisiti di accesso

• Laurea STEM, oppure esperienza equivalente maturata sul campo.
• 2-4 anni di esperienza in sviluppo software, di cui almeno uno su progetti che integrano modelli di intelligenza artificiale.
• Almeno una soluzione basata su modelli generativi portata oltre la fase di dimostratore.
• Inglese tecnico sufficiente a leggere documentazione e partecipare a riunioni operative.
• Disponibilità alla presenza presso la sede del cliente secondo le esigenze del progetto.
• Sede di lavoro: Napoli.

Elementi preferenziali

• Certificazioni sui servizi di intelligenza artificiale di una piattaforma cloud.
• Esperienza su più di un framework di orchestrazione agentica.
• Contributi a progetti open source o pubblicazione di lavori personali verificabili.
• Esperienza di messa in esercizio e monitoraggio di sistemi basati su modelli.
• Esperienza in contesti di consulenza o multi-cliente.
• Esperienza con agenti applicati al ciclo di vita del software: generazione e revisione del codice, test, documentazione.
• Interesse o esperienza su Physical AI: agenti che interagiscono con sistemi fisici, sensoristica, robotica.
• Conoscenza di ambiti applicativi ricorrenti per la capability: manifatturiero, energia, retail, banche e assicurazioni, pubblica amministrazione.