مهندس اختبار الذكاء الاصطناعي - مدير أول

حول مختبرات فيالتو (VLabs)

تتولى مختبرات فيالتو (VLabs) مسؤولية إعادة تصميم كيفية تقديم العمل في خدمات الضرائب والهجرة، بالإضافة إلى تعزيز الكفاءة التشغيلية عبر المجالات الوظيفية لـفيالتو باستخدام الذكاء الاصطناعي. يقوم الفريق ببناء ونشر حلول جديدة مدعومة بالذكاء الاصطناعي تعمل على تحسين الإنتاجية وزيادة جودة التسليم لعملائنا.تتحملVLabs مسؤولية تحويل التجارب المبتكرة بسرعة إلى تسليمات جاهزة للإنتاج على نطاق واسع ودمجها في العمليات اليومية. يركز هذا الفريق على سير العمل ذو التأثير الأعلى، مما يخلق قدرات موحدة وقابلة للتكرار يمكن نشرها عالميًا. تعملVLabs وفقًا لولاية السرعة والنتائج القابلة للقياس، وتعمل جنبًا إلى جنب مع خط الخدمة، والمنتج، وقادة المنصات.

حول الدور

مدير أول، اختبار الذكاء الاصطناعي هو دور عملي داخلVLabs للهندسة الجودة، مسؤول عن التحقق من أداء وموثوقية وسلامة حلول الذكاء الاصطناعي في بيئات الإنتاج. يعمل هذا الدور عند تقاطع هندسة الذكاء الاصطناعي وضمان الجودة، مما يضمن أن المخرجات من نماذج اللغة الكبيرة، وخطوط أنابيب التعرف الضوئي على الأحرف، ونماذج تصنيف الوثائق، وسير العمل الوكيلة تعمل كما هو متوقع على نطاق واسع وتفي بالمعايير المحددة لأداء الأعمال. من خلال العمل عن كثب مع مدير اختبار البرنامج والتعاون مع فرق الهندسة والمنتجات والتسليم، يقوم هذا الدور بترجمة استراتيجية اختبار الذكاء الاصطناعي إلى أطر تنفيذية، وخطوط تقييم، وأصول قابلة لإعادة الاستخدام مدمجة في دورة حياة التسليم.

يتطلب النجاح تنفيذًا مستقلًا، وعمقًا تقنيًا قويًا، والقدرة على تحديد المخاطر، والأنماط، والفجوات في الأداء بشكل استباقي بينما يمكّن من نشر قدرات الذكاء الاصطناعي بسرعة وبجودة إنتاجية.

المسؤوليات الرئيسية

تقييم الذكاء الاصطناعي وتصميم الاختبارات

• ترجمة استراتيجية اختبار الذكاء الاصطناعي إلى سيناريوهات اختبار قابلة للتنفيذ عبر مخرجات نماذج اللغة الكبيرة، وتصنيف الوثائق، ودقة الاستخراج، وسير العمل الوكيل، والحالات الحدودية.

  
  
  

• تصميم مدخلات اختبار عدائية وحدودية لكشف الهلوسة، وسوء التصنيف، وأنماط الفشل.

  
  
  

• التحقق من مخرجات الذكاء الاصطناعي من حيث الهيكل، والتناسق، والدقة، وجاهزية الإنتاج مقابل المعايير المحددة للأداء.

  
  
  

هندسة التقييم والأتمتة

• بناء أطر تقييم قابلة لإعادة الاستخدام تعتمد على بايثون، بما في ذلك التحقق من المخرجات، وكشف الهلوسة، وآليات التسجيل.

  
  
  

• تطوير نصوص اختبار معلمة قابلة لإعادة الاستخدام عبر الميزات، والنماذج، والإصدارات.

  
  
  

• تنفيذ أطر الذكاء الاصطناعي كقاضي، بما في ذلك تصميم المطالبات، ومنطق التسجيل، ومعايرة موثوقية التقييم.

  
  
  

• دمج أطر التقييم في خطوط أنابيب CI/CD لدعم الاختبار المستمر والنشر.

  
  
  

كشف الانحراف ومراقبة الجودة

• تصميم وتشغيل أطر كشف الانحراف باستخدام مجموعات بيانات أساسية ثابتة وإعادة تقييم مجدولة.

  
  
  

• تحديد المعايير لتمييز التباين المقبول عن تدهور الأداء.

  
  
  

• تمكين إغلاق الإصدار من خلال تحديد التراجعات قبل نشر الإنتاج.

  
  
  

الحقيقة الأساسية وجودة البيانات

• بناء وصيانة مجموعات بيانات الحقيقة الأساسية بالتعاون مع خبراء الموضوع.

  
  
  

• تحديد المعايير للتصنيف، ودقة الاستخراج، وخصائص المخرجات المقبولة.

  
  
  

• تحديث مجموعات البيانات باستمرار لتعكس متطلبات الأعمال المتطورة وحالات الاستخدام.

  
  
  

اختبار سير العمل والتكامل

• اختبار سير العمل الوكيل من البداية إلى النهاية، والتحقق من سلامة البيانات، وانتشار الأخطاء، وسلوك التراجع.

  
  
  

• إجراء اختبارات على مستوى API لنقاط نهاية خطوط أنابيب الذكاء الاصطناعي باستخدام بايثون وPostman/Newman.

  
  
  

• التحقق من استمرارية البيانات وسلامتها عبر طبقات النظام باستخدام SQL.

  
  
  

• التعاون مع فرق الهندسة لضمان قابلية الاختبار، والمراقبة، وموثوقية النظام.

  
  
  

التوحيد والتوسع

• تحديد وتوسيع أنماط تقييم الذكاء الاصطناعي الموحدة وأطر الجودة القابلة لإعادة الاستخدام عبرVLabs

  
  
  

• المساهمة في معايير جودة الذكاء الاصطناعي المؤسسية والهياكل المرجعية.

  
  
  

الحوكمة والذكاء الاصطناعي المسؤول

• ضمان الالتزام بمتطلبات الذكاء الاصطناعي المسؤول، وخصوصية البيانات، والحوكمة.

  
  
  

• دعم القابلية للتدقيق، والتتبع، والشفافية لمخرجات الذكاء الاصطناعي وعمليات التقييم.

  
  
  

تمكين أصحاب المصلحة

• ترجمة نتائج التقييم إلى رؤى قابلة للتنفيذ لأصحاب المصلحة في الهندسة والمنتجات والأعمال.

  
  
  

• دعم اتخاذ القرار بشأن جاهزية النموذج، ومخاطر الإصدار، وتوازن الأداء.

  
  
  

• تحديد المخاطر، والأنماط، والقضايا النظامية بشكل استباقي وتصعيدها بشكل مناسب.

  
  
  

المؤهلات والخبرة

الخبرة المهنية

• 7+ سنوات في اختبار البرمجيات، بما في ذلك 2-3 سنوات تركز على أنظمة الذكاء الاصطناعي/التعلم الآلي في بيئات الإنتاج.

  
  
  

• خبرة مثبتة في تصميم وتنفيذ أطر تقييم الذكاء الاصطناعي واستراتيجيات الجودة.

  
  
  

• سجل قوي في بناء مجموعات بيانات الحقيقة الأساسية، وأنظمة كشف الانحراف، وخطوط تقييم قابلة للتوسع.

  
  
  

• خبرة في اختبار سير العمل الوكيل متعدد الخطوات وأنظمة الأتمتة المدفوعة بالذكاء الاصطناعي.

  
  
  

• خبرة في العمل في بيئات تسليم سريعة الخطى وتكرارية.

  
  
  

• يفضل وجود خلفية في بيئات منظمة أو مدفوعة بالامتثال.

  
  
  

الخبرة التقنية

• برمجة بايثون متقدمة لأطر التقييم، والمعالجة الدفعة، وتحليل البيانات.

  
  
  

• خبرة في أدوات تقييم نماذج اللغة الكبيرة مثلdeepeval، RAGAS،promptfoo، أو ما شابه.

  
  
  

• قدرات قوية في:

  
  
  

• التحقق من مخرجات الذكاء الاصطناعي، وكشف الهلوسة، وفحوصات التأسيس.

  
  
  

• أطر كشف الانحراف وطرق التقييم الإحصائية.

  
  
  

• اختبار OCR، VLM، والذكاء الاصطناعي للوثائق (التصنيف، الاستخراج، الحالات الحدودية).

  
  
  

• اختبار API باستخدام بايثون (requests/httpx) وPostman/Newman.

  
  
  

• SQL للتحقق من البيانات وفحوصات سلامة خطوط الأنابيب.

  
  
  

• الإلمام بـLangChain،LlamaIndex، أو أطر مشابهة.

  
  
  

• يفضل وجود خبرة في منصات الذكاء الاصطناعي السحابية مثل Azure AI Foundry أو AWS Bedrock.

  
  
  

قدرات التشغيل

• القدرة على العمل بشكل مستقل في بيئات سريعة الحركة وغير واضحة.

  
  
  

• عقلية تحليلية قوية مع اهتمام بالتفاصيل وصرامة الجودة.

  
  
  

• القدرة على تحقيق التوازن بين السرعة والصرامة في تقييم الذكاء الاصطناعي ودورات التسليم.

  
  
  

• متواصل استباقي يحدد المخاطر ويدفع نحو الحل.

  
  
  

• القدرة على ترجمة النتائج التقنية إلى رؤى ذات صلة بالأعمال.

  
  
  

التعليم

• درجة البكالوريوس مطلوبة.

  
  
  

• يفضل وجود درجة متقدمة في علوم الكمبيوتر، أو علوم البيانات، أو مجال ذي صلة.

  
  
  

معلومات إضافية:

• تستند هذه الوظيفة إلى مكتبنا في بنغالور مع إمكانية العمل الهجين.

  
  
  

• نحن صاحب عمل يتيح الفرص المتساوية ولا نميز على أساس أي حالة محمية قانونيًا.

  
  
  

• يرجى ملاحظة أنه يتم استخدام الذكاء الاصطناعي كجزء من عملية التقديم.