Staff Machine Learning Engineer

Omnilexia tworzy przyszłość LegalTech, rozwijając innowacyjną aplikację wspieraną przez AI, która zmienia sposób pracy prawników i kancelarii. Nasz system wykorzystuje wyszukiwanie semantyczne i najnowsze osiągnięcia w dziedzinie modeli językowych, by uprościć i przyspieszyć analizę przepisów oraz redagowanie pism prawnych.

Szukamy Lead/Staff Machine Learning Engineer, który odegra kluczową rolę w rozwoju najważniejszych funkcjonalności naszego produktu. Twoje zadania będą koncentrować się wokół tworzenia, optymalizacji i wdrażania zaawansowanych systemów przetwarzania języka naturalnego, w szczególności silnika wyszukiwania dokumentów prawnych.

Twoje zadania:

• Kierowanie rozwojem RAG pipelines – projektowanie i optymalizacja systemów Retrieval-Augmented Generation, zwiększających trafność i precyzję wyszukiwania dokumentów prawnych.

• Projektowanie i nadzór nad pipelines ETL – przetwarzanie i integracja dużych wolumenów danych tekstowych (akty prawne, orzecznictwo, komentarze) do baz danych, w tym wektorowych.

• Fine-tuning i ewaluacja LLMów – dostrajanie dużych modeli językowych z uwzględnieniem specyfiki języka prawniczego, w tym ocena ich jakości i niezawodności.

• Wdrażanie modeli w środowiskach chmurowych – odpowiedzialność za architekturę deploymentu modeli (AWS/GCP/Azure), skalowalność i niezawodność.

• Mentoring i wpływ na kierunek techniczny – wyznaczanie standardów ML w zespole, mentoring mniej doświadczonych inżynierów, współpraca z działem produktu.

• Eksperymenty i integracja nowości z obszaru AI – śledzenie najnowszych badań i ocena ich przydatności w realnym produkcie (np. LLM finetuning, hybrid retrieval, vector search, distillation, quantization).

Nasze oczekiwania:

• 7+ lat doświadczenia w ML/NLP, w tym prowadzenie projektów end-to-end oraz techniczne kierowanie zespołem lub inicjatywą.

• Znajomość języka Polskiego na poziomie C2 lub native (w tej pracy będzie potrzebne dobre zrozumienie specyfiki prawa polskiego)

• Zaawansowana znajomość Python oraz bibliotek ML: PyTorch, TensorFlow, HuggingFace, scikit-learn itp.

• Głębokie zrozumienie architektur i technik NLP, w tym: Transformer-based models, RAG, reranking, embeddings, vector search.

• Doświadczenie w pracy z danymi tekstowymi na dużą skalę, w tym budowa pipelines ETL i integracja z bazami dokumentowymi (Elastic, Postgres) i wektorowymi (np. Qdrant, Weaviate, FAISS).

• Wiedza i praktyka z zakresu MLOps: versioning, deployment, monitoring modeli, CI/CD dla ML.

• Biegły angielski (cała komunikacja zespołu inżynierskiego prowadzona jest w języku angielskim).

Mile widziane:

• Znajomość rynku LegalTech lub wcześniejsza praca z dokumentami prawnymi.

• Publikacje naukowe lub kontrybucje do projektów open source.

• Doświadczenie z LLM orchestration frameworks (LangChain, LlamaIndex) lub budowaniem własnych rozwiązań.

• Znajomość narzędzi: Airflow, Spark, Docker, Terraform, DVC, MLflow itp.

Dlaczego warto z nami pracować:

• Umowa B2B, stałe miesięczne wynagrodzenie: 35–50k PLN netto + VAT

• Udziały w firmie (ESOP) – dostosowane do Twojej roli, wkładu oraz poziomu wynagrodzenia bazowego

• Realny wpływ na produkt – widzisz efekt swojej pracy od pierwszych dni.

• 100% zdalnie – elastyczne godziny, zero mikrozarządzania.

• Budżet rozwojowy (szkolenia, książki, konferencje), opieka zdrowotna Luxmed, dofinansowanie do siłowni lub czego tylko potrzebujesz, by dobrze Ci się pracowało.

• W przyszłości: możliwość pracy w biurze w Warszawie (opcjonalnie).

Proces rekrutacyjny:

1. Rozmowa techniczna (rozmowa o Twoich projektach, decyzjach architektonicznych)

2. Live coding/case study

3. Możliwość rozmowy z dowolną osobą z zespołu (chcemy, żebyś wiedział_a, z kim pracujesz)

4. Przedstawienie referencji od poprzednich współpracowników/managerów

Kilka słów o nas:

Jesteśmy małym, multidyscyplinarnym zespołem, łączymy kompetencje z zakresu ML, backend, DevOps, UX oraz szeroko pojętego prawa.

Cenimy odpowiedzialność, jasną komunikację, nastawienie na wartość dla użytkownika. Pracujemy szybko, ale zwracamy uwagę żeby nasza praca miała sens i żebyśmy nie robili nie potrzebnych rzeczy. Nie boimy się eksperymentować, ale wszystko co tworzymy ma sens biznesowy. Tworzymy środowisko, w którym możesz się rozwijać, wychodzić poza swoją rolę i mieć wpływ na kierunek produktu.