Vereinigte Staaten
SanMar- External
Create Music Group
Staff AI Engineer
Vereinigte Staaten
Los Angeles, California, United States
PythonReactNode.jsSQLPostgreSQLDockerKubernetes
Automatische Übersetzung. Prüfe das Original.
Stellenbeschreibung
Diese Staff AI Engineer-Position befindet sich an der Schnittstelle zwischen KI-Systemarchitektur und full-stack-Produktentwicklung innerhalb der AI & ML Engineering-Organisation von CMG. Die Person in dieser Rolle fungiert als technischer Anker für die agentische KI-Ebene von CreateOS und verantwortet das Design, die Bereitstellung sowie die kontinuierliche Zuverlässigkeit der LLM-gestützten Funktionen und der Agenten-Infrastruktur, die auf der Plattform laufen.
Das Tagesgeschäft umfasst drei Bereiche: den Aufbau und die Skalierung der Agenten-Plattform (Orchestrierung, RAG-Pipelines, Speicher, Routing, Guardrails); die Bereitstellung von KI-Produktionsfunktionen von Ende zu Ende, vom Datenmodell bis zum UI; sowie die Rolle als primäre technische Stimme gegenüber Stakeholdern aus den Bereichen Produkt, M&A, A&R und Marketing. Im Gegensatz zu einer Forschungs- oder Prototypenrolle liegt der Fokus hier auf der Produktion – Systeme, die echte Nutzer in großem Maßstab bedienen, mit den Anforderungen an Beobachtbarkeit und Zuverlässigkeit, die für umsatzkritische Software gelten.
Über die individuelle Arbeit hinaus hilft dieser Ingenieur dabei, die Architekturmuster und Entwicklungsstandards festzulegen, an denen sich das breitere KI-Team orientiert – durch Mentoring des ML Engineers, die Gestaltung von Tools und Primitiven sowie die Vertretung des KI-Engineerings in funktionsübergreifenden und Führungsgremien. Es ist eine Position mit hoher Autonomie für jemanden, der sich wohl dabei fühlt, zu entscheiden, was und warum etwas gebaut wird, nicht nur wie.
Der ideale Kandidat bringt 6+ Jahre Erfahrung in der Softwareentwicklung mit, davon mindestens 3 in der praktischen Arbeit mit produktiven agentischen KI- oder LLM-Systemen, sowie fundierte Kenntnisse in RAG-Architekturen, Evaluierungs-Frameworks und modernen KI-nativen Entwicklungspraktiken.
Verantwortlichkeiten
Agenten-Plattform & LLM-Systeme
- Architektur von KI-Agenten sowie der Orchestrierung, Tool-Nutzung, Speicher- und Routing-Muster, die sie teilen – mit dem Ziel einer kohärenten Agenten-Plattform für CreateOS
- Design von RAG-Pipelines, Retrieval-Architekturen und semantischer Suche, basierend auf den strukturierten Daten von CreateOS (Verträge, Tantiemenabrechnungen, Katalog-Metadaten, Vertragsbedingungen)
- Definition von Guardrails, Evaluierung, Beobachtbarkeit und Standards für den Human-in-the-Loop-Ansatz, damit agentische Systeme sicher bereitgestellt werden und messbar bleiben
- Steuerung der Entscheidungen zu Modellen, Prompts und Tool-Nutzung – einschließlich der Abwägung von Kosten und Latenz im Produktionsmaßstab
- Integration führender LLMs (OpenAI, Anthropic) und ausgewählter Open-Source-Modelle in nutzerorientierte Funktionen über alle CreateOS-Module hinweg
Stakeholder-Partnerschaft & Anforderungen
- Zusammenarbeit mit Stakeholdern aus Produkt, M&A, A&R und Marketing, um unklare Geschäftsanforderungen in klar definierte KI-Funktionen zu übersetzen
- Durchführung von Discovery-Gesprächen mit internen Nutzern, um das Problem zu validieren, bevor Engineering-Investitionen getätigt werden
- Übersetzung nicht-technischer Anforderungen in klare technische Spezifikationen; frühzeitige und explizite Aufzeigung von Zielkonflikten (Kosten, Latenz, Genauigkeit, Umfang)
- Verhandlung von Umfang, Zeitplänen und Abnahmekriterien mit funktionsübergreifenden Partnern
- Regelmäßige Demonstration von Arbeitsfortschritten; Iteration basierend auf echtem Nutzerfeedback statt auf angenommenen Anforderungen
- Dokumentation von Entscheidungen und Begründungen, damit Stakeholder bei langfristigen Initiativen stets auf dem gleichen Stand bleiben
Produktions-Engineering
- Bereitstellung von full-stack KI-nativen Funktionen von Ende zu Ende – Chat-Interfaces, Copilot-Tools, Workflow-Automatisierungsoberflächen – vom Datenmodell bis zum UI
- Bereitstellung und Wartung von KI-Produktionsdiensten mit den Anforderungen an Zuverlässigkeit, Beobachtbarkeit und Leistung eines umsatzkritischen Systems
- Pflege von CI/CD, Teststandards und Codequalität für die KI-Anwendungsebene
- Zusammenarbeit mit Data Engineering zur Nutzung interner Pipelines (dbt, Airflow), Drittanbieter-Feeds (DSPs, Distributoren) und ereignisgesteuerten Abläufen in Produktoberflächen
Technische Ausrichtung & Einflussnahme
- Steuerung von Architektur-Entscheidungen für die KI-Anwendungsebene in Zusammenarbeit mit dem VP of AI & ML Engineering
- Mitgestaltung der Muster, Primitiven und Tools, an denen sich das Team orientiert – damit neue Mitarbeiter schnell eingearbeitet werden und sicher liefern können
- Mentoring des ML Engineers und zukünftiger KI-Mitarbeiter; Erhöhung des Standards bei Code-Reviews, Design-Dokumenten und Evaluierungs-Rigor
- Vertretung des KI-Engineerings in funktionsübergreifenden Foren mit Produkt-, Daten- und Führungskräften
- Klare Kommunikation von Zielkonflikten gegenüber Engineering-, Produkt- und Geschäftszielgruppen
Qualifikationen
- 6+ Jahre Erfahrung in der Softwareentwicklung mit nachweislicher Erfolgsbilanz bei der Bereitstellung von Produktionssystemen
- 3+ Jahre praktische Erfahrung im Aufbau von produktiven agentischen KI- oder LLM-gestützten Systemen – keine Prototypen, keine Demos, sondern Systeme, die echte Nutzer bedienen
- Nachgewiesene technische Verantwortung für ein nicht-triviales System oder eine Plattform – Sie waren die Person, die für die Architektur verantwortlich war, nicht nur der Implementierer
- Fundierte Kenntnisse in einer backend-Sprache (Python oder Node.js) und flüssige Beherrschung eines modernen frontend-Frameworks (React, Next.js)
- Starke Erfahrung mit RAG-Systemen, Vektordatenbanken und Embedding-basiertem Retrieval – einschließlich Design-Abwägungen (Chunking, hybride Suche, Reranking, Aktualität)
- Erfahrung im Design von Evaluierungs-Frameworks für LLM-Systeme – Ausgabequalität, Erkennung von Halluzinationen, Regressionstests, Offline- + Online-Evaluierung
- Erfahrung im Design und der Dokumentation von RESTful APIs
- Kenntnisse in relationalen Datenbanken (PostgreSQL); sicher im Schreiben und Optimieren von SQL
- Fundiertes Verständnis von Containerisierung (Docker), Kubernetes und CI/CD
- Kenntnisse in KI-nativen Entwicklungstools (Cursor, Claude Code)
- Fähigkeit, mit hoher Autonomie und in einem Umfeld mit Unklarheiten zu arbeiten – Sie entscheiden, was und warum etwas gebaut wird, nicht nur wie
Gehaltsrahmen
190,000 - 210,000 USD / Jahr
Die endgültige Vergütung innerhalb dieses Rahmens wird basierend auf der Erfahrung, den Fähigkeiten und der allgemeinen Eignung des Kandidaten für die Rolle festgelegt.
Details
- Muss in der Lage sein, 2-3 Mal pro Woche persönlich im Büro in Hollywood anwesend zu sein
- Die Vorstellungsgespräche finden als Kombination aus virtuellen und persönlichen Terminen in unserem Büro in Hollywood statt.
Fair Chance Policy
In Übereinstimmung mit der Los Angeles County Fair Chance Ordinance berücksichtigen wir qualifizierte Bewerber mit Vorstrafen bei der Einstellung. Wir bewerten Kandidaten auf der Grundlage ihrer Qualifikationen und der Art des Vergehens in Bezug auf die Stelle, für die sie sich bewerben.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen