1. Общие положения

1.1. Настоящая должностная инструкция определяет должностные обязанности, права, требования к квалификации и ответственность инженера по обработке естественного языка (NLP-инженера / Natural Language Processing Engineer / LLM Engineer) (далее — Работник).

1.2. Должность относится к категории ведущих IT-исследователей и разработчиков систем искусственного интеллекта на основе языковых моделей.

1.3. Прием на работу и увольнение производятся приказом Генерального директора по согласованию с Head of AI / Руководителем направления NLP.

1.4. NLP-инженер непосредственно подчиняется Lead NLP Engineer / Тимлиду группы языкового моделирования.

1.5. В своей служебной деятельности Работник руководствуется:

• Трудовым кодексом РФ, Федеральным законом № 152-ФЗ «О персональных данных»;
• Профессиональным стандартом 06.042 «Специалист по моделированию, сбору и анализу данных с использованием методов машинного обучения»;
• Регламентами обеспечения информационной безопасности, защиты интеллектуальной собственности и этики генеративного ИИ.

2. Квалификационные требования к должности

2.1. Образование: Высшее образование (математическое, лингвистическое, IT) по направлению «Фундаментальная и прикладная лингвистика», «Прикладная математика и информатика», «Компьютерные науки».

2.2. Требования к опыту: Опыт практической работы в сфере NLP и Machine Learning от 2 лет (для Senior NLP/LLM Engineer — от 4 лет с реализованными проектами внедрения LLM/RAG систем).

2.3. NLP-инженер должен знать:

• Теоретические основы лингвистики и NLP: токенизация (BPE, WordPiece), лемматизация, стемминг, синтаксический анализ, части речи (POS-tagging), именованные сущности (NER);
• Архитектуры языковых моделей: RNN/LSTM, Transformers (Encoder, Decoder, Encoder-Decoder: BERT, RoBERTa, T5, LLaMA, Mistral, Qwen, GPT-семейство);
• Методы дообучения и адаптации больших языковых моделей (LLM): Fine-Tuning, LoRA, QLoRA, PEFT, RLHF, DPO, Prompt Engineering, In-Context Learning;
• Технологию генерации с дополненной выборкой (RAG — Retrieval-Augmented Generation): продвинутый чанкинг, переранжирование (Rerankers: ColBERT, BGE-Reranker), гибридный поиск (BM25 + Dense Embeddings);
• Векторные базы данных и хранилища эмбеддингов: Qdrant, Milvus, Chroma, Pgvector, Faiss;
• Фреймворки и библиотеки: Hugging Face Transformers, PyTorch, LangChain, LlamaIndex, vLLM, DeepSpeed;
• Метрики оценки качества текста: BLEU, ROUGE, METEOR, BERTScore, Perplexity, фреймворки оценки RAG (Ragas, TruLens).

Справочные данные классификаторов

3. Должностные и профессиональные обязанности

NLP-инженер осуществляет следующие задачи по разработке и внедрению языковых сервисов:

3.1. Разработка, дообучение и валидация моделей:

• Проводит сбор, очистку от шума, дедупликацию и разметку текстовых корпусов на русском и иностранных языках.
• Разрабатывает и обучает модели для классификации текстов, анализа тональности (Sentiment Analysis), извлечения сущностей (NER), суммаризации и машинного перевода.
• Осуществляет Fine-Tuning открытых LLM (LLaMA, Mistral, Saiga, Vikhr) под специализированные предметные области компании (юриспруденция, финансы, медицина).
• Проектирует и оптимизирует отказоустойчивые корпоративные RAG-пайплайны (поиск по базам знаний, корпоративным регламентам и документам).

3.2. Оптимизация инференса и интеграция:

• Оптимизирует скорость генерации и снижает потребление VRAM языковыми моделями с использованием квантования (AWQ, GPTQ, GGUF) и высокоскоростных движков инференса (vLLM, TGI, TensorRT-LLM).
• Интегрирует NLP-модули и AI-агентов в бизнес-процессы компании через REST/gRPC API.
• Настраивает системы автоматической фильтрации галлюцинаций, защиты от Prompt Injection и утечки конфиденциальной информации через промпты.

4. Права работника

NLP-инженер имеет право:

• Запрашивать GPU-ресурсы для проведения ресурсоемких экспериментов по предобучению и файнтюнингу моделей.
• Определять архитектуру построения семантического поиска и выбирать векторные СУБД.
• Блокировать вывод в промышленную эксплуатацию моделей, склонных к токсичным ответам или критическому уровню фактических ошибок (галлюцинаций).

5. Ответственность

NLP-инженер несет ответственность за:

• Галлюцинации моделей в критических процессах: выдачу ложных юридических или финансовых рекомендаций клиентам бота.
• Утечку данных через LLM: попадание персональных данных сотрудников/клиентов в обучающие датасеты без обезличивания.
• Неэффективный инференс: чрезмерные финансовые затраты на облачные GPU-вычисления из-за неоптимизированного кода.

6. Взаимодействие и KPI

6.1. Связи: взаимодействует с лингвистами-разметчиками данных, бэкенд-разработчиками, Data Engineers, специалистами по ИБ и продакт-менеджерами.

6.2. KPI: метрики качества ответов (RAG Faithfulness & Answer Relevance > 90%), время задержки первого токена (Time to First Token, TTFT < 500ms), генерация без галлюцинаций (Hallucination rate < 3%).