Обо мне
Сначала бизнес-задача,
потом модель.
ИИ-инженер и консультант по автоматизации, создающий LLM-агентов, RAG-конвейеры и голосовые системы, которые выдерживают продакшен, а не только демонстрацию. Каждая система начинается с операционной задачи и идёт назад к минимальной архитектуре, которая её снимает.
Что я думаю об этой работе
Демо сделать легко. Работа начинается в продакшене.
Большинство ИИ-проектов умирает между ноутбуком и деплоем. Я строю ту часть, которая выживает: оценку качества, запасные пути, наблюдаемость и устойчивые системы, которые ведут себя предсказуемо, когда приходят настоящие пользователи.
Сначала бизнес-задача, потом модель.
Каждая система, которую я выпускаю, начинается с операционной боли: лиды гниют в почте, очередь поддержки горит, знания заперты в PDF. Оттуда я иду назад к минимальной архитектуре, которая эту боль убирает.
Full stack, от начала до конца.
Оркестрация агентов в LangGraph, поиск на гибридной выдаче, бэкенды на FastAPI и фронтенды на React. Одна голова отвечает за всю систему, поэтому ничего не теряется при передаче.
Один и тот же цикл,
в каждой системе.
Будь то работа по найму, клиентский проект или что-то сделанное в одиночку. Шаги не меняются, меняется только длительность каждого.
Я отвечаю за архитектуру и разработку. Когда работе нужно больше рук, чем есть у одного человека, я привлекаю небольшую команду инженеров и специалистов по автоматизации, с которой уже работал, и остаюсь ответственным за результат.
- 01
Понять
Настоящую задачу и её ограничения, до того как трогать модель или фреймворк. Результат: ясная картина того, чего на самом деле требует продакшен.
- 02
Спроектировать
Архитектура системы, выбор моделей и потоки данных, продуманные и записанные до появления кода.
- 03
Построить
Реализация, нацеленная на продакшен, короткими итерациями, с ранней проверкой на реальных, а не синтетических входных данных.
- 04
Выпустить
Развёрнуто, под наблюдением и с документацией. Никаких чёрных ящиков и никаких дыр при передаче.
- 05
Улучшать
Оценивается и донастраивается после запуска. Системы в продакшене становятся лучше, а не хуже.
Опыт
От корпорации,к продукту, к ИИ.
Пять ролей, каждая своя часть одного движения: понять, как строятся корпоративные системы, научиться мыслить продуктами, а затем строить сами ИИ-системы.
Строит промышленные системы генеративного и агентного ИИ для корпоративного применения, с упором на системы, остающиеся надёжными под реальной нагрузкой, а не на экспериментальные прототипы.
О компании In Time TecGlobal AI & software partner
A global technology partner trusted by enterprise clients across the US, built on a rare promise: ROI, or they don't get paid.
- Строит промышленные агентные ИИ- и LLM-приложения на LangGraph и FastAPI
- Проектирует RAG-архитектуры на LlamaIndex и Qdrant с гибридным поиском и генерацией с опорой на источники
- Разрабатывает масштабируемых ИИ-агентов на Python, Azure AI и Redis с оркестрацией процессов с состоянием
- Внедряет механизмы безопасности и надёжности ИИ: маскирование персональных данных, контроль контента и обнаружение обхода ограничений
- Улучшает продакшен-системы через наблюдаемость и параллельное выполнение
Образование
B.Tech, информатика
JK Lakshmipat University, Jaipur
Аттестат о среднем образовании, физика, химия, математика
Delhi Public School, India
Основная школа
St. Anselm's Pink City Sr. Sec. School
Как я работаю с командами
Работает удалённо с командами в любом часовом поясе, европейские и британские рабочие часы покрываются по умолчанию. Эти системы работают для пользователей более чем в 10 странах.
Берёт постоянные инженерные роли, а также отдельные контрактные и проектные работы, удалённо и в любом часовом поясе. Большая часть этой работы идёт с командами в Европе, Великобритании, Северной Америке и Австралии. Когда компания нанимает из-за рубежа, проектная работа оформляется как консультационная, а не как трудоустройство, поэтому местное разрешение на работу не требуется ни одной из сторон.
Как устроена работа
Большинство проектов начинается с аудита, потому что фиксированный и ограниченный первый шаг это то, что делает больший второй шаг решаемым. Ничего ниже не является пакетом: этапы существуют, чтобы вы представляли форму, а объём записывается до того, как любая из сторон возьмёт на себя обязательства.
- 01
Аудит
1 до 2 недель · Обычная точка входа
Взгляд с фиксированными границами на процесс, который вы хотите автоматизировать, или на ИИ-функцию, которую хотите построить: как на самом деле выглядят данные, каким частям действительно нужна модель, каким лучше остаться детерминированными и во что обойдётся эксплуатация.
Вы получаете
Записанная архитектура и план разработки, которые принадлежат вам, независимо от того, будет ли разработка идти со мной. - 02
Разработка
4 до 12 недель
Реализация короткими итерациями на реальных, а не синтетических входных данных. Вы каждую неделю видите работающий софт, и строится именно та архитектура, что из аудита, поэтому споры об объёме идут на бумаге, а не в коде.
Вы получаете
Развёрнутая система, её набор проверок качества и документация, с которой сможет продолжить кто-то другой в вашей команде. - 03
Эксплуатация
Помесячно, отказ в любой момент
Та часть, которую большинство ИИ-проектов пропускает. Модели дрейфуют, промпты устаревают, вышестоящие API меняют форму выдачи, и конвейер, точный в первый месяц, к четвёртому тихо ошибается, если никто не измеряет.
Вы получаете
Мониторинг, прогоны оценки качества и ежемесячная записка о том, что изменилось и во что это обошлось.
За что я не берусь
Четыре вещи, которые всплывают достаточно часто, чтобы сказать о них вслух. Ни одна из них не оценка самой работы; это места, где кто-то другой справится лучше меня.
- Обучение моделей с нуля
- Дообучение там, где оно оправдано, да. Предобучение фундаментальной модели это другая дисциплина с другим бюджетом, и тот, кто говорит вам, что это ответ на бизнес-задачу, обычно продаёт сам прогон обучения.
- Чат-бот без системы за ним
- Обернуть API в окно чата это работа на полдня, которая не решает ничего долговременного. Платить стоит за поиск, оценку качества и эксплуатацию вокруг, и именно там ломаются демо, которые никогда не доходят до продакшена.
- Только дизайн или брендинг
- Интерфейсы здесь сделаны, чтобы система читалась, а не чтобы получить премию по дизайну. Если результат это бренд-система или визуальная айдентика, вам нужна студия, и разработка от этого только выиграет.
- Почасовое усиление команды
- Работы ограничиваются результатом, за которым стоит записанная архитектура. Открытое место в бэклоге это настоящая услуга и разумная покупка; просто не эта.