Ledigt jobb: Mjukvaruutvecklare

Uppdragsbeskrivning:

Vi söker en Senior AI agentingenjör som är entusiastisk över att skapa verklig affärspåverkan med AI-agenter inom autonom transport. Vi har identifierat och validerat fyra användningsfall att implementera 2026. Alla användningsfall har utvecklats med tydligt teamansvar och engagemang från ledningen. Användningsfallen 2026 fokuserar på väldefinierade arbetsflöden inom mjukvaruutveckling, kundservice och operativt stöd och kommer att inkludera intern data och systemintegration via MCP och en OpenAI-baserad plattform för LLM-funktioner.

Den ideala kandidaten har en bevisad förmåga att implementera agentiska AI-lösningar och har en passion för att föra de senaste teknologierna till marknaden. Dessutom har kandidaten starka kommunikations- och förändringsledningsförmågor och vet hur man leder tvärfunktionella AI-initiativ med fokus på konkreta affärsresultat.

Dina ansvarsområden

• Driva implementeringen av Agentic AI inom ATS offboard-systemdomänen genom att undersöka och experimentera med relevanta användningsfall i relation till processautomation och arbetsflödesorkestrering.
• Coacha och bidra som tankeledare inom AI-ingenjörskap genom tvärfunktionellt samarbete och kunskapsdelning.
• Driva utvecklingsscenarier inom autonoma transportsystem med avancerade datadrivna metoder.
• Utveckla mjukvara och tjänster samt designa algoritmer för dataanalys inom den autonoma transportsystemdomänen.
• Utveckla och integrera AI-lösningar som förbättrar effekten av våra operativa dataprodukter.
• Hjälpa teamet att designa och utveckla lämpliga datapipelines i Kafka och Databricks.

Krav:

• Master- eller kandidatexamen i Dataanalys, Datavetenskap, Informationsteknologi eller ett annat relaterat område.
• 2-5 års bevisad arbetslivserfarenhet av att arbeta med Agentic AI.
• 5 års bevisad arbetslivserfarenhet som mjukvaruutvecklare.

Kompetensprofil

Huvud:

• Solid erfarenhet av att bygga AI-agenter och förståelse för plattformar som OpenAI Agent builder.

• Solid teoretisk bakgrund inom Maskininlärning, Big Data-analys och Statistik.

• Kunskap och erfarenhet av verktyg för Maskininlärning och Dataanalys såsom Databricks, Apache Spark, TensorFlow etc. Kan designa, utveckla och underhålla skalbara datapipelines och lösningar med hjälp av Databricks, integrerat med AWS, för att bearbeta och analysera stora datamängder för affärsinsikter.

• Solid erfarenhet av Python (med fokus på Maskininlärning och Dataanalys).

Stödjande:

• Solid erfarenhet av AWS (Amazon Web Services) Cloud Computing-plattform. Erfarenhet av andra molnplattformar (t.ex. Microsoft Azure) är ett plus.

• God erfarenhet av Apache Kafka (Stream Processing Platform) och Event-Driven Systems.

• Visad erfarenhet av Alarming, Monitoring och Logging för Event-driven Systems.

• Kunskap och erfarenhet av Terraform (Infrastructure as Code-verktyg för moln).

• Kunskap och erfarenhet av CI/CD och GitLab.

Användningsfall som kandidaten kommer att utveckla:

1. Driftstöd – Tiered Support Automation

Detta användningsfall stöder Tier 1/2 operations-teamet genom att hjälpa till med biljetttriage. Idén är enkel: när en ny biljett kommer in klassificerar systemet den, hämtar relevant kontext (loggar, mätvärden, liknande tidigare biljetter, kända lösningar) och presenterar en "redo-att-handla"-vy så att människor kan lösa eller eskalera snabbare.

2. Väg säkerhet – Remote Assistance Triage

Remote Assistance Triage riktar sig till vägincidenter, där övervakare mycket snabbt måste förstå vad som händer och besluta om nästa steg. Idén är att systemet tar emot fordons-/telemetrilogg och relaterad data, hämtar liknande tidigare nedgraderingar och lösningar, och föreslår sannolika orsaker och nästa åtgärder, tillsammans med länkar till den underliggande bevisningen.

3. Stöd för testrapport – Autogen & Live Status

Detta användningsfall handlar om att automatisera rapportering av testkampanjer. Istället för att ingenjörer manuellt drar siffror och skärmdumpar från flera verktyg till Excel eller presentationer, skulle ett arbetsflöde sammanställa rapporten direkt från källsystem och hålla den uppdaterad, med spårbara referenser till underliggande resultat och problem.

4. Stöd för testanalys – Coverage Intelligence

Här är målet att stödja testingenjörer och säkerhetsgranskare i att förstå vad som faktiskt har testats och var luckorna finns. Systemet skulle koppla krav, planerade tester och genomförda tester, och sedan markera saknad täckning, redundanta tester och svag spårbarhet.