AI Automation / Full-stack Engineer с опытом Claude Code / Codex, MCP, API

Навыки: Python, MySQL, SQL, Базы данных, Java. Квалификация: Middle. Специализации: Промпт-инженер.

AI Automation Engineer / веб-разработчик для внедрения ИИ в бизнес-процессы

Мы производственная компания, 17 лет занимаемся шатрами, ангарами и каркасно-тентовыми конструкциями.

Сейчас активно внедряем ИИ в управление компанией: продажи, производство, маркетинг, SEO, ERP, автоматизацию отделов и работу с данными. Ищем специалиста на постоянную работу, который сможет не просто «писать промпты», а проектировать и внедрять реальные AI-инструменты в бизнес.

Что уже есть

• ERP-система управления продажами и производственными процессами.
• Интеграции через API и MCP-серверы с Bitrix24 / внутренними сервисами.
• Архитектура системы управления производством, отделами и заказ-нарядами.
• 41 SEO/маркетинговый AI-агент, которые нужно развивать, улучшать и запускать в работу.
• Потребность в постоянной автоматизации: CRM, сайты, лидогенерация, маркетинг, производство, аналитика, внутренние ассистенты.

Что нужно делать

• Работать с Claude Code, Codex и другими AI-инструментами для разработки.
• Проектировать и дорабатывать ERP, CRM-интеграции, MCP-серверы, API-связки.
• Создавать AI-агентов для SEO, маркетинга, продаж, аналитики и внутренних процессов.
• Разрабатывать небольшие веб-сервисы, панели управления, интеграции и автоматизации.
• Работать с базами данных, SQL, серверной логикой, backend/frontend-кодом.
• Разбираться в существующей архитектуре и предлагать решения, которые реально внедряются в работу компании.
• Помогать превращать бизнес-задачи в работающие технические решения.

Кого ищем

Нам нужен не человек, который «умеет промптить», а инженер, который понимает, как работают:

• языковые модели и ограничения LLM;
• prompt engineering, context engineering, agents, tools, MCP;
• API, webhooks, интеграции между сервисами;
• backend, frontend, базы данных, SQL;
• серверы, деплой, логи, отладка;
• бизнес-процессы: продажи, производство, маркетинг, CRM/ERP.

Будет плюсом

• Опыт с Claude Code, Codex, Cursor или аналогичными AI coding tools.
• Опыт создания AI-агентов.
• Опыт с Bitrix24, n8n, Make, Telegram-ботами, CRM/ERP.
• Опыт SEO-автоматизации, генерации контента, лидогенерации.
• Примеры реальных проектов, где ИИ был внедрен в бизнес-процесс, а не остался демо.

Формат

Постоянная работа. Удаленно или гибридно обсуждается. Нам важен результат, самостоятельность и способность доводить решения до внедрения.

Как откликнуться

В сопроводительном письме обязательно ответьте:

• Какие AI-инструменты для разработки вы реально используете: Claude Code, Codex, Cursor, ChatGPT, другие?
• Покажите 1-3 проекта, где вы автоматизировали бизнес-процесс с помощью ИИ, API, базы данных или агентов.
• Опишите коротко один самый сложный технический кейс: задача, стек, что сделали, какой был результат.
• Как бы вы подошли к задаче: есть ERP, Bitrix24, база данных, сайт и SEO-агенты. Нужно связать это в единую AI-систему управления компанией. С чего начнете?
• Приложите GitHub, портфолио, описание проектов или короткое видео-демо, если есть.

Отклики без сопроводительного письма и примеров работ не рассматриваем.

Тестовое Задание

Я бы дал не «сделайте сайт», а диагностическое задание на мышление. Оно должно показать, умеет ли человек проектировать систему, работать с агентами, API, SQL и бизнес-задачей.

Задание для кандидата

Представьте, что у компании есть:

• сайт с заявками;
• Bitrix24 / CRM;
• ERP-система производства;
• база данных заказов;
• 41 SEO-агент;
• Claude Code / Codex для разработки;
• задача: автоматизировать путь от лида до производственного заказ-наряда.

Нужно подготовить короткое техническое решение на 2-4 страницы:

• Какую архитектуру вы предложите?
• Какие сервисы, API, MCP-серверы или агенты нужны?
• Какие таблицы или сущности должны быть в базе данных?
• Как будет идти путь заявки: сайт → CRM → расчет → заказ → производство → контроль статуса?
• Какие ошибки и риски вы предусмотрите?
• Что можно сделать за первые 2 недели?
• Где ИИ действительно полезен, а где лучше обычная программная логика?

Дополнительно, если кандидат сильный технически:

сделать небольшой прототип API или псевдокод одного процесса, например:

• принять заявку;
• проверить данные;
• создать сделку в CRM;
• записать в БД;
• вызвать AI-агента для классификации заявки;
• вернуть статус.

Формат: Markdown, PDF, GitHub или Google Doc.

Срок: 1-2 дня.

Объем: без воды, главное структура и логика.