Staff DevOps & Platform Engineer
⚲ Warszawa
30 240 - 36 960 PLN netto (B2B)
Wymagania
- min. 8 lat doświadczenia w platform i DevOps engineering
- min. 6 lat administracji Kubernetes w skali enterprise
- biegłość w Go i Python
- doświadczenie produkcyjne w projektowaniu topologii OpenTelemetry collector
- udokumentowane doświadczenie w tworzeniu cross-team RFC i ustalaniu SLO/SLI
- doświadczenie w integracji LLM tool-calling, agentic triage lub RAG w procesach incident response
- doświadczenie w budowaniu deterministycznych, idempotentnych workflow z użyciem state-machine frameworks
Opis stanowiska
Praca przy budowie i skalowaniu Internal Developer Platform (IDP) oraz wieloklastrowych środowisk Kubernetes dla klienta z branży energii odnawialnej. Będziesz odpowiadać za architekturę GitOps, samoobsługowe portale deweloperskie, obserwowalność rozproszoną oraz systemy self-healing oparte na OpenTelemetry i AIOps. To rola dla doświadczonego inżyniera platformowego, który lubi wyznaczać standardy i pracować na poziomie architektonicznym. Uwaga: rola wiąże się z realną presją — będziesz podejmować kluczowe decyzje techniczne dla całej organizacji, egzekwować rygorystyczne zasady bezpieczeństwa (co może rodzić konflikty z zespołami chcącymi szybciej wdrażać) i negocjować z różnymi zespołami w celu usuwania blokad deweloperskich.
🔍 Dekoder Ogłoszenia
🔴
act as a technical authority across the engineering organization
Będziesz odpowiedzialny za podejmowanie kluczowych decyzji technicznych i wywieranie wpływu na całą organizację inżynierską, co może oznaczać dużą odpowiedzialność i presję.
🔴
eliminating developer friction
Oznacza to, że będziesz musiał rozwiązywać problemy i usprawniać procesy, które spowalniają lub frustrują programistów, co może być czasochłonne i wymagać negocjacji z różnymi zespołami.
🔴
enforcing automated zero-trust security guardrails
Wymaga to nie tylko implementacji, ale także ciągłego egzekwowania rygorystycznych zasad bezpieczeństwa, co może prowadzić do konfliktów z zespołami, które chcą szybszego wdrażania.
🟡
scaling multi-cluster Kubernetes systems
Praca z wieloma klastrami Kubernetes w różnych regionach jest złożona i wymaga głębokiej wiedzy technicznej oraz umiejętności zarządzania skomplikowaną infrastrukturą.
🟡
building closed-loop AIOps pipelines
Tworzenie samonaprawiających się systemów opartych na AI jest ambitnym celem, który może wymagać eksperymentowania i ciągłego dostrajania algorytmów.