AI Engineer

Tanggung Jawab Utama Tanggung jawab terbagi ke empat area, dengan porsi terbesar pada aplikasi Generative AI dan analitik bisnis.

1. Generative AI & LLM (±40%)

• Membangun chatbot dan asisten internal berbasis LLM, misalnya untuk menjawab pertanyaan spesifikasi produk, harga, atau stok.
• Merancang pipeline RAG (Retrieval-Augmented Generation) dari katalog, manual, dan dokumen internal.
• Membuat AI agent untuk otomasi tugas berulang: ringkasan penawaran, draf email sales, ekstraksi data dari PO atau invoice.
• Melakukan prompt engineering, evaluasi kualitas jawaban, dan mitigasi halusinasi.

1. Machine learning untuk data bisnis (±30%)

• Membangun model forecasting penjualan dan kebutuhan suku cadang.
• Mengembangkan lead scoring, segmentasi pelanggan, dan analisis churn.
• Bekerja sama dengan tim data/IT untuk menyiapkan, membersihkan, dan mendokumentasikan data dari CRM/ERP.

1. Deployment & operasional (±20%)

• Men-deploy model dan aplikasi AI sebagai API atau layanan internal (container, cloud).
• Memantau performa, biaya API, latensi, dan drift model; melakukan perbaikan berkala.
• Menerapkan praktik keamanan data, kontrol akses, dan kepatuhan terhadap UU Pelindungan Data Pribadi.

1. Kolaborasi & edukasi (±10%)

• Menerjemahkan kebutuhan user bisnis menjadi spesifikasi teknis dan prioritas.
• Menyusun dokumentasi, demo, dan pelatihan singkat agar tim non-teknis bisa memakai alat AI.
• Mengevaluasi vendor dan tools AI baru, lalu memberi rekomendasi beli atau bangun sendiri.

Kualifikasi Wajib Kandidat harus memenuhi seluruh poin berikut untuk lolos tahap screening.

• S1 Teknik Informatika, Ilmu Komputer, Statistika, Matematika, Teknik Elektro, atau bidang terkait.
• 2–5 tahun pengalaman sebagai AI/ML Engineer, Data Scientist, atau Software Engineer dengan fokus AI.
• Mahir Python dan library utama ML/data: pandas, NumPy, scikit-learn, serta PyTorch atau TensorFlow.
• Pernah membangun minimal satu aplikasi berbasis LLM yang dipakai user nyata (bukan hanya tutorial), termasuk RAG atau integrasi API LLM.
• Pernah men-deploy model atau aplikasi AI ke produksi: REST API (FastAPI/Flask), Docker, dan setidaknya satu cloud (AWS, GCP, atau Azure).
• Menguasai SQL dan terbiasa bekerja dengan data bisnis yang tidak rapi.
• Terbiasa dengan Git dan alur kerja kolaboratif (code review, branching).
• Mampu berkomunikasi dalam Bahasa Indonesia dan membaca dokumentasi teknis berbahasa Inggris.

Skills: Data Engineering, Neural Network, Data Mining, Computer Vision, Machine Learning, Natural Language Processing (NLP), Deep Learning, Pattern Recognition, Artificial Intelligence, Redis