Kiss My Apps — компанія-платформа, що об’єднує 7 продуктових вертикалей та 30+ AI-first продуктів, 100+ мільйонів користувачів, власну екосистему аналітичних, пеймент та маркетингових розробок.

Продукти KMA це світові лідери в нішах utilities, lifestyle, health&fitness — AI Remodel, Printer, Botan, Calorie Counter і не тільки. Це продукти, що займають топ-1 місця App Store й вирішують потреби комʼюніті з сотень мільйонів людей.

Наш темп — це наш competitive advantage. KMA зростає мінімум х3 рік до року — і ми шукаємо Head of AI, того/ту, хто допоможе масштабуватись ще швидше.

Коротко про роль

Шукаємо Head of AI, який закладе технічний фундамент KMA: побудує AI OS, внутрішню AI-операційну систему компанії, і перетворить AI з розрізнених інструментів на керовану, вимірювану й безпечну платформу для продуктових команд та сервісних відділів (Ops/HR/Finance).

У нас уже працює власний MCP Gateway з tiered permissions — наступний крок за тобою. Ця роль для hands-on інженерного лідера, який будував і запускав LLM-системи в production (gateway/routing, RAG, agents, evals) на кількох провайдерах, мислить unit-економікою та хоче не лише побудувати AI-платформу, а й масштабувати її на всю компанію — працювати з різними департаментами, знаходити можливості для AI-автоматизації та переводити їх у реальні зміни процесів і способу роботи.

Твої задачі

AI OS: побудувати внутрішню AI-операційну систему KMA. Це production LLM-архітектура (model gateway/router, fallbacks, кешування, cost caps), agent orchestration і skill/agent registry. Також розвивати MCP Gateway та закрити його гепи.

Evals та observability: налаштувати offline/online evals, LLM-as-a-judge, порівняння моделей і контроль упередженості оцінки. Класифікувати типові помилки AI та відстежувати деградацію якості. Налаштувати tracing LLM-викликів (токени, latency, cache hits, routing) і пов'язати його з якістю: hallucinations, groundedness, task success.

AI Security & Governance: контролювати дії та доступи моделей і агентів. Це захист від prompt injection і витоку даних, рівні доступу, блокування небезпечних комбінацій permissions, захист PII і секретів, human-in-the-loop для критичних дій.

AI-фікація сервісних відділів і нова парадигма розробки: автоматизувати процеси Ops, HR і Finance та збільшувати частку задач, які AI виконує без дівелоперів, у партнерстві з VP of Engineering.

Cost engineering та impact: обирати модель і підхід під кожну задачу, балансуючи якість і вартість (model routing, build vs buy vs fine-tune). Вимірювати ROMI та вплив на LTV через контрольні групи, бейзлайни й impact ledger. Сформувати й розвивати команду AI Integration.

Що очікуємо від тебе

2–3+ роки hands-on досвіду з AI/LLM у production і від 1 року управління технічною командою.

End-to-end AI Engineering. Досвід запуску AI/LLM-систем у production повним циклом, від problem framing до вимірювання impact. Знання production LLM-архітектури: gateway/router, fallbacks, caching, rate limiting, observability, RAG, agents. Досвід роботи з кількома LLM-провайдерами й розуміння trade-offs між API, managed inference і self-hosted.

Evals, Data & Security. Досвід побудови offline/online evals, LLM-as-judge, error analysis, failure taxonomies і drift detection. Розуміння data pipelines, PII, data quality та lineage. Знання AI security (prompt injection, jailbreaks, data exfiltration, permissions, secrets, human-in-the-loop) та governance, зокрема EU AI Act і GDPR.

Cost & Business Impact. Unit-економіка як частина технічного мислення: token costs, cost efficiency, automation impact. Вміння робити model routing і вибір build vs buy vs fine-tune за cost/quality. Досвід визначення бізнес-метрик і baseline та вимірювання impact і ROMI.

Leadership. Hands-on підхід і готовність самостійно робити технічні задачі, доки їх не можна якісно делегувати. Вміння впливати без формальних повноважень і працювати зі стейкхолдерами поза прямим підпорядкуванням. Сильна executive communication, business judgment і data-driven мислення. Досвід побудови невеликої технічної команди.