First seen by Alion on Nov 18, 2026.
Klient to duża i stabilna organizacja z sektora bankowego. Projekt skupia się na transformacji inżynierii oprogramowania poprzez budowę i rozwój organizacyjnych, procesowych oraz technologicznych fundamentów, które umożliwią efektywną adopcję generatywnej AI (GenAI) w całym cyklu życia oprogramowania.
Zakres obowiązków na tym stanowisku:
Analiza obecnie stosowanych metryk efektywności procesów wytwarzania oprogramowania oraz dobór nowych wskaźników adekwatnych do celów organizacji.
Kompleksowe wdrażanie metryk end-to-end: od identyfikacji źródeł danych, przez automatyzację ich pozyskiwania (API, SQL), po wizualizację i raportowanie.
Pozyskiwanie, integracja i analiza danych z narzędzi takich jak Jira, GitLab, GitHub i Gerrit.
Definiowanie, kalkulacja i monitorowanie metryk DORA, Lead Time for Changes, Cycle Time oraz Flow Metrics.
Projektowanie, budowa i rozwój dashboardów KPI oraz raportów zarządczych w Power BI.
Analiza wyników, identyfikacja wąskich gardeł i obszarów wymagających optymalizacji w inżynierii oprogramowania.
Przekładanie wyników analiz technicznych na wskaźniki biznesowe (time-to-market, koszt opóźnień, ryzyko operacyjne, doświadczenia klienta).
Pomiar efektów wdrażania narzędzi GenAI (poziom adopcji, wpływ na produktywność, jakość wytwarzanego kodu oraz ROI z licencji).
Wsparcie inicjatyw związanych z rozwojem i wdrażaniem rozwiązań opartych na integracji z modelami LLM.
Przygotowywanie rekomendacji dotyczących usprawnień, monitorowanie ich efektów oraz dokumentowanie metryk w Confluence.
Prezentowanie wyników i wniosków zespołom technicznym oraz kadrze zarządzającej.
Wymagania:
Minimum 5 lat doświadczenia w obszarze analityki danych, Platform Engineering, DevOps lub procesów IT / Agile.
Gotowość do pracy w modelu hybrydowym (1 dzień w tygodniu z biura w Warszawie).
Bardzo dobra znajomość Jira (w tym JQL, workflow, historie statusów) oraz Confluence.
Praktyczna znajomość narzędzi: GitLab (CI/CD, pipelines, MR), GitHub (PR, Actions, API) oraz Gerrit (code review, patchsety).
Bardzo dobra znajomość SQL (w tym JOIN, agregacje, CTE, funkcje okna).
Doświadczenie w pracy z Power BI (modelowanie danych, Power Query, DAX, budowa dashboardów).
Bardzo dobra znajomość metryk DORA (Deployment Frequency, Lead Time for Changes, Change Failure Rate, Failed Deployment Recovery Time, Rework Rate) oraz różnic między Lead Time a Cycle Time.
Znajomość zasad działania modeli językowych (LLM), ryzyk (halucynacje, bezpieczeństwo danych) i kosztów.
Praktyczna znajomość prompt engineeringu, podstaw architektury RAG oraz asystentów AI (GitHub Copilot, Microsoft Copilot).
Umiejętność interpretacji wskaźników KPI (mediany, percentyle) i przekładania metryk technicznych na cele biznesowe.
Umiejętność oceny jakości, kompletności i spójności danych przed ich wykorzystaniem do analiz.
Mile widziane:
Doświadczenie w integracji modeli LLM z aplikacjami lub procesami biznesowymi przy użyciu API.
Znajomość nowoczesnych narzędzi wspierających zarządzanie wiedzą i pracę z AI (np. NotebookLM, Google Vertex AI).
Wcześniejsze doświadczenie komercyjne w sektorze bankowym.
Tech stack
- SQL
- Power BI
- Atlassian
- Jira
- GitLab

