Forward Deployed Engineer – AI Solutions Architect

🕒 vor 11 Tagen

Jetzt Bewerben

Ähnliche Remote-Jobs finden

E-Mails für Remote-Jobs erhalten

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.

Lebenslauf hochladen

Embrace Software Inc

WebsiteLinkedInAlle Stellen

201 - 500 Mitarbeiter

Gegründet 2021

💸 Finanzen

📚 Bildung

Software • Finance • Education

Embrace Software Inc. ist ein Investmentunternehmen, das sich auf den Erwerb und Aufbau erstklassiger Softwareunternehmen in verschiedenen Industriesektoren spezialisiert hat. Mit einem Schwerpunkt auf missionskritischer Software zielt Embrace darauf ab, den Portfolio-Unternehmen Mehrwert zu bieten, die von kleinen und mittelständischen Unternehmen bis hin zu Fortune 500-Unternehmen reichen. Das Unternehmen unterstützt seine akquirierten Unternehmen, indem es Ressourcen und operative Expertise bereitstellt, um Wachstum zu fördern und die Kundenzufriedenheit zu verbessern.

Beschreibung

• Design and ship production RAG systems for enterprise customers — chunking strategy, embeddings, hybrid retrieval, reranking, query rewriting, citation grounding, the works. • Own retrieval evaluation end-to-end — define golden sets, build eval pipelines (Ragas, TruLens, LangSmith, or custom), and drive measurable quality wins (think context precision 0.65 → 0.90, not "looks good to me"). • Architect agentic systems layered on top of RAG — multi-step retrieval, tool use, MCP integrations, guardrails, output validation. • Embed directly with customer engineering teams — pair on whiteboards, write code in their repos, debug their data, present to their CTO. • Technically lead a distributed team of FDEs across time zones — set the quality bar, review architecture, mentor engineers, own customer outcomes. • Close the loop with our product org — what breaks in the field shapes what we build next.

🎯 Anforderungen

• 7+ years engineering experience, with at least 2 years shipping production RAG (not POCs) at real scale. • Demonstrated depth on the parts of RAG that actually matter: Chunking strategies and the ablations you ran to choose one. • Vector DB trade-offs from real production use — Pinecone, Qdrant, Weaviate, pgvector, Vespa, OpenSearch (pick your 2–3 and have opinions). • Hybrid search, reranking (Cohere, cross-encoders, ColBERT), HyDE, query rewriting, context compression. • Retrieval and generation evaluation — you can quote real numbers from real systems you've owned. • The boring-but-critical stuff: access control, citation enforcement, freshness, multi-tenancy, cost-at-scale. • Strong Python; production experience on at least one cloud (AWS / Azure / GCP). • Hands-on with at least one agent framework — LangGraph, AutoGen, CrewAI, Semantic Kernel, or equivalent. • Customer-facing presence — you can walk into a Fortune 500 architecture review and earn trust in 30 minutes. • Track record of leading engineers, not just being one.

🏖️ Vorteile

• Competitive salary commensurate with experience. • Opportunities for career advancement and professional development. • Experience collaborating with a diverse, global team within a remote work setting.