Maze
11 - 50 Mitarbeiter
Gegründet 2024
🔒 Cybersecurity
🏢 Unternehmen
Cybersecurity • AI • Enterprise
Maze ist ein Cybersecurity-Unternehmen, das Agentic AI einsetzt, um Schwachstellen in Cloud-Umgebungen zu verwalten und zu mindern. Durch die Automatisierung der Untersuchung und Priorisierung von Schwachstellen hilft Maze Unternehmen, kritische Schwachstellen zu identifizieren, bevor sie von Angreifern ausgenutzt werden können. Der innovative Ansatz reduziert das Backlog an Schwachstellen signifikant, fokussiert die dringendsten Sicherheitsrisiken und ermöglicht effiziente Remediation-Workflows.
Leiter:in Künstliche Intelligenz
Stelle nicht auf LinkedIn
🔥 vor 7 Minuten
🗣️🇺🇸🇬🇧 Englisch erforderlich
📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle
Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.
Maze
11 - 50 Mitarbeiter
Gegründet 2024
🔒 Cybersecurity
🏢 Unternehmen
Cybersecurity • AI • Enterprise
Maze ist ein Cybersecurity-Unternehmen, das Agentic AI einsetzt, um Schwachstellen in Cloud-Umgebungen zu verwalten und zu mindern. Durch die Automatisierung der Untersuchung und Priorisierung von Schwachstellen hilft Maze Unternehmen, kritische Schwachstellen zu identifizieren, bevor sie von Angreifern ausgenutzt werden können. Der innovative Ansatz reduziert das Backlog an Schwachstellen signifikant, fokussiert die dringendsten Sicherheitsrisiken und ermöglicht effiziente Remediation-Workflows.
Beschreibung
• Verantwortung für KI-Strategie und Forschungsrichtung: Festlegung der technischen Roadmap für unsere KI-Fähigkeiten. • Verantwortung für Agentenqualität und Evaluation: Aufbau und Betrieb der Frameworks, die uns zeigen, ob unsere Ermittlungsagenten besser werden. • Durchbrüche selbst entwickeln: Prototyping neuer Techniken in Tagen, Integration ins Produkt und Messung der Auswirkungen. • Durchführung von Fine-Tuning- und Modellexperimenten mit realen Daten: Verantwortung für Fine-Tuning-Pipelines, Kontext-Engineering, Modellmigration sowie Kosten- und Routing-Optimierung auf Grundlage von Produktionsdaten. • Priorisierung im KI-Team steuern: Sie filtern, welche Methoden tatsächlich einen Prototypen wert sind. • Ein kleines Team durch Hands-on-Führung leiten: Technische Ausrichtung für die KI-Ingenieure vorgeben, das Niveau durch Pairing und Review erhöhen. • Zusammenarbeit mit CTO und Engineering-Führung: Die KI-Roadmap in ausgelieferte Funktionen verwandeln. • Kundenkontakt: Gelegentliche direkte Kundenpräsenz, Übersetzung der Bedürfnisse von Sicherheitsteams in konkrete Verbesserungen der ML-Pipeline. • Das Tempo vorgeben: Prototypen in Tagen liefern, nicht in Quartalen.
🎯 Anforderungen
• Hands-on-technische Führung: Nachweisliche Erfahrung in der Leitung von KI-Projekten, während Sie selbst aktiv mitentwickeln. • Ausgelieferte LLM-/agentische Systeme in Produktion: Sie haben generative-KI-Systeme gebaut und betrieben, die von echten Kunden genutzt werden – keine rein wissenschaftlichen Prototypen oder Präsentationsfolien. • Tiefgehende technische Expertise im LLM-Zeitalter: Sie können Transformer-Architektur, Training, Fine-Tuning (z. B. LoRA) und Inferenz aus den ersten Prinzipien erklären. • Aufbau von Evaluationsframeworks für nicht-deterministische Systeme: Sie haben Evals für mehrstufige, nicht-deterministische Agenten entworfen und durchgeführt – Trajektorie-Evaluation, LLM-as-judge, Messung von Fine-Tuning-Ergebnissen. • Top-Tier-Pedigree mit Machermentalität: Erfahrung in einer führenden KI-Organisation oder einem starken AI-nativen Startup, in dem Sie die technische Messlatte höher gelegt haben. • Deutlicher Startup-Hintergrund: Sie haben in frühen Phasen gearbeitet oder etwas von Grund auf aufgebaut. • Geschwindigkeit und Dringlichkeit: Sie liefern Prototypen in Tagen. • Präzise, knappe Kommunikation: Sie kommunizieren klar und prägnant in einem remote-first, englischsprachigen Team – schriftlich und live. • Wünschenswert: Erfahrung in Security, Vulnerability-Management oder im adversarialen Bereich. Stark bevorzugt. • Komfort im Kundenkontakt, fähig Agentenverhalten und -fähigkeit so zu vermitteln, dass ein Sicherheitsteam es versteht. • Pragmatismus bei Modellkosten und Routing: echte Erfahrung, Inferenzkosten zu senken und Modelle in Produktion zu migrieren. • Nachweislicher Erfolg in einem erfolgreichen AI-first-Startup, Skalierung eines Systems von Experimenten zu Produktionswirkung. • Promotion (PhD) oder veröffentlichte Arbeiten in ML/AI auf führenden Konferenzen, kombiniert mit echter Produktionserfahrung.
🏖️ Vorteile
• Gründer-Niveau Verantwortung und Beteiligung. • Bedeutende Beteiligung (Equity), ein Sitz in der Engineering-Leitung und ein Weg zur Rolle VP of AI, wenn das Team um Ihre Arbeit wächst. • Cybersecurity als Kraft zum Guten. • Die Arbeit hilft Organisationen direkt, Angriffe zu stoppen. • Messbarer Einfluss, echte Kunden, unmittelbares Feedback zu dem, was Sie ausliefern. • Aufbau eines AI-nativen Unternehmens von Grund auf. • Gut finanziertes Series-A (Theory Ventures) mit Series-B in Aussicht – früh genug, dass Sie die technischen Standards dafür setzen, wie KI Sicherheit in großem Maßstab untersucht. • Ein Team, an dem Sie sich messen lassen wollen. • Gründer und Ingenieure von Amazon, Elastic und Tessian. Hands-on-Führungskräfte, die Teil mehrerer Übernahmen und eines Börsengangs waren. • Die schwerste ungelöste Herausforderung im Feld: Die Evaluation nicht-deterministischer, mehrstufiger Agenten gegen Ground Truth ist ein offenes Problem – wir haben das Exploit-Labor und eine Infrastruktur mit über 180 Tool-Agenten aufgebaut, um es anzugehen.
Jetzt Bewerben
