AI全栈工程师（高级经理）

该职位来源于猎聘 （一）AI 建设与部署计划 1. 跟踪并熟悉前沿 AI 技术与医药行业应用趋势，提供管理层AI建设、部署及落地建议，根据相关最终决策制订年度计划并执行； 2. 深度对接各业务部门，主动识别、评估高价值 AI 应用场景，明确落地优先级与投入产出预期； 3. 基于数据敏感度分级，制定"私有化部署 + 合规大模型 API"的混合路线方案，统筹模型选型评估、算力采购/租用论证与成本管控（基础设施落地由 IT 部门支撑配合）。 （二）AI 业务应用落地（核心职责） 1. 深度对接各业务部门，以提升业务部门成本/速度/质量等目的，推行敏捷交付模式，确保每1-2周交付自主设计的AI智能体/应用/平台，并持续优化及迭代。核心方向比如： AI Agent 自动化工作流，研发文献智能问答（基于RAG技术）、IND申报文档智能检索与辅助撰写等等、临床试验方案智能对比、竞品情报自动汇总、医学内容智能生成等等；（初期主要任务） 2. 负责人工智能工具、平台、第三方服务商的调研、测试、选型、引进及全生命周期使用管理； 3. 收集用户反馈，建立 AI 项目效果评价机制，对应用效率、质量、成本、使用情况及风险进行量化评估与定期复盘，持续优化及迭代； 4. 定期介绍内外部优秀AI案例，组织AI内部培训，赋能业务团队自主开发AI简单应用的能力。 (三) AI 场景数据安全与合规（协同职责） 1. 盘点 AI 场景所需数据资产，建立并维护艾力斯数据资产目录，明确 AI 应用的数据供给边界； 2. 协同 IT 与业务部门，推动 AI 相关业务数据的标准统一、规范使用与必要整合。 3. 制订AI 场景下的数据安全方案（数据分类分级、权限矩阵、访问审计与外发管控），会同 IT、法务、合规部门落地执行； 4. 对 AI 工具、外部数据平台及第三方服务商开展数据安全评估与持续监督； 5. 会同 QA 及合规部门，推动 GxP 数据完整性、计算机化系统验证（CSV）等监管要求在 AI 应用中的合规落地； 6. 建立 AI 场景数据安全事件的报告与应急处置机制，配合公司内外部审计、监管检查及合作项目的数据安全审查； 7. 组织数据安全及 AI 合规使用培训 教育水平：

本科及以上学历（硕士以上优先），计算机、软件工程、数据科学、生物信息学、计算生物学、医药信息、信息安全等相关专业；具备丰富的一线落地经验（佳） 经验： 3年以上软件工程或数据 /Ai开发经验，其中至少一年大模型/Agent实际落地经验 有医药 / 生命科学行业 AI 落地经验者优先；具备医药行业 GxP、CSV 相关项目经验者优先 技能技巧： 扎实的人工智能基础知识，包括算法原理、数据结构和分布式计算能力。 熟练掌握 Python，具备全栈开发能力（如 FastAPI/Flask 后端，配合现代前端或快速原型工具 Streamlit/Next.js 等）；熟悉容器化与轻量部署（Docker）。 大模型与工程栈：熟练掌握主流 LLM/Agent 编排框架（如 LangChain、LlamaIndex、LangGraph、Dify 等）；深入理解 RAG 全链路工程（文本切分、Embedding 模型、向量检索优化、重排 Re-rank、召回效果评测）。 个人素质： 1. 工程落地能力：具备独立编码实现能力，可亲力亲为参与一线开发工作，拒绝纯方案咨询型工作模式；

• 沟通协作能力：优秀的跨部门沟通与协同能力，愿意下沉业务一线，可高效对接药学、临床、注册等非技术业务团队； 3. 快速学习能力：愿意深入业务部门一线，听得懂非技术人员的需求，能把技术方案用"人话"讲清楚，不堆砌术语 4. 数据安全能力：具备企业数据安全管理或数据治理实践经验，熟悉 DSMM、ISO 27001 等主流数据安全治理框架，能够独立设计并推动数据安全策略在 AI 项目中落地； 5. 合规风险意识：具备极强的数据安全、合规与风险管控意识，对医药行业数据敏感性、监管要求有深刻认知。