عن الدور الوظيفي
تبحث شركة Systems Limited عن مهندس ميداني متقدم في الذكاء الاصطناعي التوليدي (Forward Deployed Engineer GenAI) للانضمام إلى فريقها في المملكة العربية السعودية. يتضمن هذا الدور بدوام كامل بناء ونشر تطبيقات الذكاء الاصطناعي التوليدي، مع التركيز على الميزات التي تعمل بنماذج اللغة الكبيرة (LLM)، وخطوط أنابيب التوليد المعزز بالاسترجاع (RAG)، وحلول البحث المؤسسي الجاهزة للإنتاج. يتطلب هذا المنصب خبرة تتراوح بين 5 إلى 10 سنوات، مع تركيز محدد على التطوير العملي لتطبيقات الذكاء الاصطناعي التوليدي ونماذج اللغة الكبيرة.
المسؤوليات الرئيسية
- بناء تطبيقات الذكاء الاصطناعي التوليدي، بما في ذلك الميزات المعتمدة على نماذج اللغة الكبيرة، وتجارب الدردشة/المساعد الذكي، والبحث المؤسسي.
- تصميم وتنفيذ خطوط أنابيب RAG، بما يشمل استراتيجيات التجزئة، واختيار التضمينات (embeddings)، والاسترجاع الهجين، وإعادة الترتيب، وGraphRAG عند الحاجة إلى استرجاع منظم.
- ضبط وتكييف النماذج باستخدام تقنيات مثل LoRA/QLoRA عندما لا تكون هندسة الأوامر (prompt engineering) وRAG كافيين.
- هندسة وإصدار الأوامر (prompts) الخاصة ببيئة الإنتاج، ودمج إدارة الأوامر والسياق في طبقة التطبيق.
- دمج واجهات برمجة تطبيقات نماذج اللغة الكبيرة (OpenAI, Anthropic, Azure OpenAI) ونقاط نهاية النماذج مفتوحة المصدر مع المصادقة، وتحديد معدل الاستخدام، وضوابط التكلفة.
- تجهيز التطبيقات للتقييم، بما في ذلك تسجيل المخرجات، وتسجيل نقاط الجودة، وحلقات التغذية الراجعة البشرية.
- تحسين زمن الاستجابة وتكلفة الرموز (tokens) من خلال استراتيجيات التخزين المؤقت، والمعالجة بالدفعات، وتوجيه النماذج.
- ترجمة متطلبات الأعمال الخاصة بالعميل إلى مواصفات ملموسة لميزات الذكاء الاصطناعي التوليدي.
- توضيح المقايضات التقنية (التكلفة، زمن الاستجابة، الدقة) لأصحاب المصلحة غير التقنيين.
- التعاون مع مهندسي الذكاء الاصطناعي الوكيل (Agentic AI Architects) وعلماء البيانات على المكونات المشتركة.
- توثيق قرارات الهندسة وتصميم الأوامر لضمان سهولة التسليم والصيانة.
المؤهلات والخبرات المطلوبة
- خبرة تتراوح بين 4 إلى 8 سنوات في هندسة البرمجيات، منها 1 إلى 3 سنوات بشكل خاص في البناء العملي لتطبيقات الذكاء الاصطناعي التوليدي/نماذج اللغة الكبيرة.
- كفاءة قوية في لغة بايثون وخبرة في أطر عمل التنسيق مثل LangChain، أو LlamaIndex، أو ما يعادلها.
- خبرة في قواعد البيانات المتجهة واستراتيجيات التضمين (مثل Pinecone، Weaviate، pgvector)، إلى جانب المعرفة بأدوات الرسوم البيانية/قواعد بيانات الرسوم البيانية (مثل Neo4j) حيثما كان ذلك مناسباً.
- فهم لأنماط فشل نماذج اللغة الكبيرة (الهلوسة، حدود نافذة السياق، تجاوز التكلفة) والقدرة على تصميم إجراءات تخفيف لهذه المشكلات.
- خبرة في تقنيات ضبط النماذج (LoRA/QLoRA) وأدوات التقييم.
- خبرة عملية في منصات الذكاء الاصطناعي التوليدي/الوكيل للمؤسسات مثل Microsoft Azure AI Foundry، وAWS Bedrock (بما في ذلك Strands Agents SDK)، وGoogle Vertex AI. تُعد المعرفة بأطر العمل مفتوحة المصدر (LangChain, LlamaIndex) مفيدة في الحالات التي لا تفرض فيها الشركة منصة معينة.
- خبرة في تصميم وتكامل واجهات برمجة التطبيقات (API)، بما في ذلك المصادقة، وتحديد معدل الاستخدام، وبث الاستجابات.
- الإلمام بأدوات إصدار الأوامر وأدوات عمليات نماذج اللغة الكبيرة (LLMOps) (مثل LangSmith، Weights & Biases، أو ما شابه ذلك).
المهارات الرئيسية
- مهارات كتابة تقنية واضحة، قادرة على توثيق بنية RAG لأصحاب المصلحة غير التقنيين.
- الارتياح في العمل مباشرة مع مهندسي العميل أثناء فترة التنفيذ الميداني.
- نهج تعاوني، والعمل بفعالية مع المهندسين وعلماء البيانات وضمان الجودة دون الحاجة إلى مواصفات مسبقة مكثفة.
- القدرة على التكيف في ظل الغموض، مع إدراك أن الأنظمة القائمة على الأوامر تتطلب تكراراً سريعاً وتسامحاً مع المحاولات الأولية غير المثالية.
بيئة العمل
يتضمن الدور العمل في بيئة تعاونية، والتفاعل مع مختلف أصحاب المصلحة التقنيين وغير التقنيين، بما في ذلك مهندسي العميل، والمهندسين، وعلماء البيانات، وفرق ضمان الجودة. تتطلب طبيعة تطوير الذكاء الاصطناعي التوليدي نهجاً استباقياً وقابلاً للتكيف في حل المشكلات والتكرار.
عملية التقديم
يتم تشجيع المرشحين الذين يستوفون المتطلبات المحددة على التقديم لهذه الوظيفة بدوام كامل. ستتم مناقشة تفاصيل الراتب أثناء عملية المقابلة.
About the Role
Systems Limited is seeking a Forward Deployed Engineer GenAI to join their team in Saudi Arabia. This full-time role involves building and deploying generative AI applications, focusing on LLM-powered features, RAG pipelines, and enterprise search solutions that are production-ready. The position requires 5-10 years of experience, with a specific focus on hands-on GenAI/LLM application development.
Key Responsibilities
- Build GenAI applications, including LLM-powered features, copilot/chat experiences, and enterprise search.
- Design and implement RAG pipelines, covering chunking strategy, embedding selection, hybrid retrieval, re-ranking, and GraphRAG where structured retrieval is necessary.
- Fine-tune and adapt models using techniques like LoRA/QLoRA when prompt engineering and RAG are insufficient.
- Engineer and version production prompts, integrating prompt/context management into the application layer.
- Integrate LLM APIs (OpenAI, Anthropic, Azure OpenAI) and open-source model endpoints with authentication, rate-limiting, and cost controls.
- Instrument applications for evaluation, including output logging, quality scoring, and human-feedback loops.
- Optimize latency and token cost through caching, batching, and model routing strategies.
- Translate client business requirements into concrete GenAI feature specifications.
- Communicate technical tradeoffs (cost, latency, accuracy) to non-technical product stakeholders.
- Collaborate with Agentic AI Architects and Data Scientists on shared components.
- Document architecture and prompt design decisions for handoff and maintainability.
Required Qualifications and Experience
- 4–8 years of experience in software engineering, with 1–3 years specifically in hands-on GenAI/LLM application building.
- Strong proficiency in Python and experience with orchestration frameworks such as LangChain, LlamaIndex, or equivalents.
- Experience with vector databases and embedding strategies (*, Pinecone, Weaviate, pgvector), along with knowledge-graph/graph-database tooling (*, Neo4j) where applicable.
- Understanding of LLM failure modes (hallucination, context-window limits, cost blowup) and the ability to design mitigations.
- Experience with model fine-tuning techniques (LoRA/QLoRA) and evaluation harnesses.
- Hands-on experience with enterprise GenAI/agentic platforms such as Microsoft Azure AI Foundry, AWS Bedrock (including Strands Agents SDK), and Google Vertex AI. Familiarity with open-source frameworks (LangChain, LlamaIndex) is beneficial where no platform is mandated.
- API design and integration experience, including authentication, rate limiting, and streaming responses.
- Familiarity with prompt-versioning and LLMOps tooling (*, LangSmith, Weights & Biases, or similar).
Key Skills
- Clear technical writing skills, capable of documenting RAG architecture for non-technical stakeholders.
- Comfortable working directly with client engineers during embedded delivery.
- Collaborative approach, working effectively with architects, data scientists, and QA without requiring extensive pre-specification.
- Adaptability under ambiguity, recognizing that prompt-based systems necessitate rapid iteration and tolerance for imperfect initial attempts.
Work Environment
The role involves working in a collaborative environment, engaging with various technical and non-technical stakeholders, including client engineers, architects, data scientists, and QA teams. The nature of GenAI development requires a proactive and adaptable approach to problem-solving and iteration.
Application Process
Candidates who meet the specified requirements are encouraged to apply for this full-time position. Salary details will be discussed during the interview process.