Job Title

Job Requisition ID #25WD94061, Software Architect, Applied AI Position Overview If you love building real systems that real customers useand you get genuinely excited about LLMs, RAG, MCP, and agentic architecturesthis role is for you. The Applied AI team in Autodesks Data and Process Management (DPM) organization ships CloudNative AI agents that make our Product Data Management (PDM) and Product Lifecycle Management (PLM) workflows smarter and easier. This is a handson architecture role where youll design core platform patterns and also write code that lands in production. French translation to follow! Traduction franaise suivre! Si vous aimez crer des systmes rels utiliss par de vrais clients et que vous tes passionn par les LLM, les RAG, les MCP et les architectures agentiques, ce poste est fait pour vous. Lquipe Applied AI de lorganisation Data and Process Management (DPM) dAutodesk fournit des agents IA natifs du cloud qui rendent nos workflows de gestion des donnes produit (PDM) et de gestion du cycle de vie des produits (PLM) plus intelligents et plus faciles. Il sagit dun poste darchitecte pratique dans lequel vous concevriez des modles de plateforme de base et cririez galement du code utilis en production. Responsibilities Architect and build scalable, secure cloudnative services and agentic AI workflows that run in production. Own the GenAI/ML architecture for production agentic systems: tooluse, orchestration, state/memory, routing, and multistep workflows. Define model strategy across prompting, retrieval (RAG), and finetuningbalancing measurable quality, latency, safety, and cost. Standardize tool/context integrations across internal systems using MCPbased patterns (or equivalent approaches), enabling teams to ship faster on a shared foundation. Establish evaluation and observability standards (regression tests, monitoring, feedback loops). Set technical direction via reference architectures, best practices, and handson guidance across teams. Partner closely with Product, Security/Privacy, and Engineering leaders to deliver highimpact features. Responsabilits Concevoir et construire des services cloud natifs volutifs et scuriss ainsi que des workflows dIA agentique qui fonctionnent en production. Matriser larchitecture GenAI/ML pour les systmes agentics de production : utilisation des outils, orchestration, tat/mmoire, routage et workflows en plusieurs tapes. Dfinir la stratgie du modle en matire de prompting, de rcupration (RAG) et de rglage fin, en faisant des compromis sur la base de critres mesurables tels que la qualit, la latence, la scurit et le cot. Standardiser les intgrations doutils/de contextes dans les systmes internes laide de modles bass sur MCP (ou dapproches quivalentes), afin de permettre aux quipes de livrer plus rapidement sur une base commune. tablir des normes dvaluation et dobservabilit (tests de rgression, surveillance, boucles de rtroaction). Dfinir lorientation technique via des architectures de rfrence, des bonnes pratiques et des conseils techniques pratiques pour toutes les quipes. Travailler en troite collaboration avec les responsables des produits, de la scurit/confidentialit et de lingnierie afin de fournir des fonctionnalits fort impact. Minimum Qualifications Bachelors or Masters degree in Computer Science, Machine Learning, Data Science, or equivalent practical experience. 8+ years building cloudnative software in production (distributed systems, APIs, dataintensive services, reliability and operations). 4+ years delivering AI/MLpowered systems in production. Experience with traditional ML cloud applications (training pipelines, deployment, monitoring, iteration). Experience with LLMbased systems (RAG, MCP, agent workflows, finetuned models). Experience with MCP or similar standardized patterns for connecting models to tools and context. Experience deploying and maintaining AI applications in production reliably, monitoring performance, and improving over time. Proficiency in Python/TypeScript/Java with strong engineering fundamentals (testing, code quality, performance, security). Strong communication skills: able to explain tradeoffs clearly and influence decisions without relying on authority. Qualifications minimales Licence ou master en informatique, apprentissage automatique, science des donnes ou exprience pratique quivalente. Plus de 8 ans dexprience dans le dveloppement de logiciels cloud natifs en production (systmes distribus, API, services forte intensit de donnes, fiabilit et oprations). Plus de 4 ans dexprience dans la mise en production de systmes bass sur lIA/l''''apprentissage automatique. Applications cloud traditionnelles dapprentissage automatique (pipelines de formation, dploiement, surveillance, itration). Systmes bass sur le LLM (RAG, MCP, workflows dagents, modles affins). Exprience avec MCP ou des modles standardiss similaires pour connecter des modles des outils et un contexte. Exprience dans le dploiement et la maintenance fiables dapplications dIA en production, la surveillance des performances et lamlioration au fil du temps. Matrise de Python/TypeScript/Java avec de solides connaissances fondamentales en ingnierie (tests, qualit du code, performances, scurit). Solides comptences en communication : capable dexpliquer clairement les compromis et dinfluencer les dcisions sans sappuyer sur son autorit. Preferred Qualifications Deep experience designing AI evaluation pipelines and production release strategies for AI applications. Experience with AWS/Azure/GCP and modern platform practices (containers, Kubernetes, CI/CD, observability). Experience in PLM/PDM, manufacturing, CAD, or enterprise workflow software. Opensource contributions, publications, or talks related to distributed systems, ML or GenAI systems. Qualifications souhaites Exprience approfondie dans la conception de pipelines dvaluation de lIA et de stratgies de mise en production pour les applications dIA. Exprience avec AWS/Azure/GCP et les pratiques modernes en matire de plateformes (conteneurs, Kubernetes, CI/CD, observabilit). Exprience dans les logiciels PLM/PDM, de fabrication, de CAO ou de workflow dentreprise. Contributions open source, publications ou confrences lies aux systmes distribus, aux systmes ML ou GenAI. #J-18808-Ljbffr