تفاصيل الوظيفة
تعلن شركة جودين (JODAYN) عن توفر وظيفة مهندس ذكاء اصطناعي (AI Architect) في الرياض، السعودية. تشمل المسؤولية تحديد وهندسة بنية الذكاء الاصطناعي المؤسسية لتمكين اعتماد آمن وقابل للتوسع وقابل لإعادة الاستخدام ومتوافق مع الأعمال لقدرات الذكاء الاصطناعي والتعلم الآلي والذكاء الاصطناعي التوليدي.
المهام والمسؤوليات
- تطوير وصيانة بنية الذكاء الاصطناعي المؤسسية وفقاً لاستراتيجية الأعمال وهندسة المؤسسة واستراتيجية البيانات وأهداف التحول الرقمي.
- تقييم المشهد الحالي للذكاء الاصطناعي والتحليلات، بما في ذلك النماذج والمنصات ومصادر البيانات والأدوات وحالات الاستخدام والتكاملات والقدرات التشغيلية.
- تحديد بنية الذكاء الاصطناعي المستهدفة وخرائط الطريق الانتقالية لاعتماد الذكاء الاصطناعي المؤسسي.
- تطوير مبادئ ومعايير وأنماط ومراجع معمارية وضوابط حوكمة لبنية الذكاء الاصطناعي.
- تصميم بنيات للتعلم الآلي والتعلم العميق والذكاء الاصطناعي التوليدي ونماذج اللغة الكبيرة والأتمتة الذكية والتطبيقات الممكنة بالذكاء الاصطناعي.
- تحديد بنية منصة الذكاء الاصطناعي المؤسسية التي تغطي التطوير والتدريب والنشر والاستدلال والمراقبة وإدارة دورة الحياة.
- تصميم بنيات GenAI بما في ذلك تكامل LLM والاسترجاع المعزز (RAG) وقواعد البيانات المتجهة وتنسيق المطالبات والضوابط وتكامل المعرفة.
- تحديد متطلبات بنية بيانات الذكاء الاصطناعي بما في ذلك إعداد البيانات وهندسة الميزات ومخازن الميزات وبيانات تدريب النموذج والبيانات الوصفية والنسب.
- تحديد بنية MLOps وLLMOps لإصدار النماذج والنشر والمراقبة وإعادة التدريب والتقييم والحوكمة.
- تصميم أنماط تكامل آمنة بين خدمات الذكاء الاصطناعي وتطبيقات المؤسسة وواجهات برمجة التطبيقات ومنصات البيانات وخدمات الذكاء الاصطناعي الخارجية.
- دمج متطلبات الذكاء الاصطناعي المسؤول والخصوصية والأمان وقابلية التفسير والشفافية والعدالة والإشراف البشري في التصاميم المعمارية.
- تحديد متطلبات البنية لمراقبة النموذج والأداء والانحراف والملاحظة وقابلية التدقيق والمرونة التشغيلية.
- تقييم منصات الذكاء الاصطناعي والنماذج الأساسية وخدمات الذكاء الاصطناعي السحابية والتقنيات مفتوحة المصدر وحلول البائعين.
- التعاون مع مهندسي المؤسسة والبيانات والتطبيقات والتكامل والسحابة والأمن والحلول لضمان بنيات متكاملة متماسكة من البداية إلى النهاية.
- دعم تقييم حالات استخدام الذكاء الاصطناعي من خلال تقييم الجدوى والتعقيد المعماري وجاهزية البيانات والمخاطر وقابلية التوسع ومتطلبات التكامل.
- المشاركة في حوكمة البنية وحوكمة الذكاء الاصطناعي ومراجعات التصميم الفني ومجالس مراجعة البنية.
- تحديد مخاطر بنية الذكاء الاصطناعي والتبعيات والقيود والاعتبارات الأخلاقية وإجراءات التخفيف.
الشروط والمتطلبات
- خبرة لا تقل عن 8-10 سنوات في مجال التكنولوجيا أو البيانات أو هندسة البرمجيات أو التحليلات أو التعلم الآلي أو هندسة الحلول أو التخصصات ذات الصلة.
- خبرة عملية لا تقل عن 3-5 سنوات في بنية الذكاء الاصطناعي/التعلم الآلي أو هندسة الذكاء الاصطناعي أو منصات علوم البيانات أو دور كبير مماثل.
- خبرة مثبتة في تصميم حلول ذكاء اصطناعي أو تعلم آلي أو ذكاء اصطناعي توليدي على مستوى المؤسسات.
- خبرة في منصات الذكاء الاصطناعي وخدمات الذكاء الاصطناعي السحابية ونشر النماذج وخطوط أنابيب البيانات وواجهات برمجة التطبيقات والتكامل المؤسسي.
- خبرة في بنيات الذكاء الاصطناعي التوليدي ونماذج اللغة الكبيرة (يفضل كثيراً).
- خبرة في دعم برامج التحول المؤسسي أو الابتكار أو التحليلات أو اعتماد الذكاء الاصطناعي.
- خبرة في العمل مع أصحاب المصلحة رفيعي المستوى وفرق البيانات وفرق الهندسة وفرق الأمن السيبراني والبائعين ووظائف الحوكمة.
- درجة البكالوريوس في علوم الحاسب أو الذكاء الاصطناعي أو علوم البيانات أو هندسة البرمجيات أو هندسة الحاسب أو تخصص ذي صلة.
- شهادة احترافية في الذكاء الاصطناعي أو التعلم الآلي أو البيانات أو بنية السحابة (يفضل كثيراً).
- شهادة TOGAF (يفضل).
- شهادات ذات صلة في الذكاء الاصطناعي التوليدي أو الذكاء الاصطناعي السحابي أو هندسة البيانات أو MLOps أو الذكاء الاصطناعي المسؤول (ميزة إضافية).
المهارات المطلوبة
الكفاءات الأساسية: • بنية الذكاء الاصطناعي المؤسسية • بنية التعلم الآلي • بنية الذكاء الاصطناعي التوليدي ونماذج اللغة الكبيرة • بنية منصة الذكاء الاصطناعي • MLOps وLLMOps • الاسترجاع المعزز (RAG) • بنية قواعد البيانات المتجهة والبحث الدلالي • بنية خطوط أنابيب بيانات الذكاء الاصطناعي وهندسة الميزات • بنية تكامل الذكاء الاصطناعي وواجهات برمجة التطبيقات • الذكاء الاصطناعي المسؤول وحوكمة الذكاء الاصطناعي • أمان وخصوصية الذكاء الاصطناعي • مراقبة النماذج والملاحظة • بنية الذكاء الاصطناعي السحابية • حوكمة البنية وضمان الجودة الأطر والمعايير والأساليب المفضلة: • TOGAF • ArchiMate • مبادئ البنية السحابية والهندسة المعمارية الجيدة للذكاء الاصطناعي • مبادئ الذكاء الاصطناعي المسؤول وممارسات الحوكمة • ممارسات MLOps وإدارة دورة حياة النموذج • ممارسات حوكمة البيانات وإدارة البيانات الوصفية • أنماط التكامل القائمة على واجهات برمجة التطبيقات والأحداث • مبادئ الثقة الصفرية والتصميم الآمن لبيئات الذكاء الاصطناعي الأدوات والتقنيات المفضلة: • خدمات الذكاء الاصطناعي والتعلم الآلي في Microsoft Azure أو AWS أو Google Cloud أو ما يعادلها • منصات الذكاء الاصطناعي التوليدي والنماذج الأساسية بما في ذلك خدمات LLM المؤسسية وتقنيات تنسيق النماذج • أطر التعلم الآلي مثل PyTorch وTensorFlow وscikit-learn أو ما يعادلها • منصات MLOps وأدوات إدارة دورة حياة النموذج • قواعد البيانات المتجهة والبحث الدلالي والاسترجاع المعزز • منصات البيانات وبحيرات البيانات وبيوت البحيرات والبث والتحليلات • تقنيات الحاويات والتنسيق مثل Docker وKubernetes • أدوات هندسة المؤسسة مثل Bizzdesign وSparx Enterprise Architect وOrbus/iServer وARIS أو ما يماثلها الصفات الشخصية: • قدرة تحليلية وابتكارية قوية مع تفكير أنظمة شامل • القدرة على ترجمة الفرص التجارية إلى بنية ذكاء اصطناعي عملية وقابلة للحوكمة • مهارات تواصل وتيسير وإدارة أصحاب مصلحة قوية • القدرة على شرح مفاهيم الذكاء الاصطناعي المعقدة بوضوح لأصحاب المصلحة التقنيين وغير التقنيين • تركيز قوي على الأمان والذكاء الاصطناعي المسؤول وجودة البيانات وقابلية التوسع وجودة البنية • عقلية استشارية مع القدرة على تقييم التقنيات الناشئة بموضوعية ودعم اتخاذ القرارات المؤسسية
عرض النص الأصلي للإعلان
The AI Architect is responsible for defining and governing enterprise artificial intelligence architecture to enable secure, scalable, reusable, and business-aligned adoption of AI, machine learning, and generative AI capabilities. The role covers AI strategy alignment, AI platforms, model and data architecture, integration patterns, MLOps, GenAI and LLM solutions, responsible AI controls, security, and architecture governance across enterprise transformation initiatives
Requirements
Develop and maintain the enterprise AI architecture in alignment with business strategy, enterprise architecture, data strategy, and digital transformation objectives.
Requirements
Develop and maintain the enterprise AI architecture in alignment with business strategy, enterprise architecture, data strategy, and digital transformation objectives.
- Assess the current AI and analytics landscape, including models, platforms, data sources, tools, use cases, integrations, and operational capabilities
- Define target-state AI architecture and transition roadmaps for enterprise AI adoption
- Develop AI architecture principles, standards, patterns, reference architectures, and governance guardrails
- Design architectures for machine learning, deep learning, generative AI, large language models, intelligent automation, and AI-enabled applications
- Define enterprise AI platform architecture covering development, training, deployment, inference, monitoring, and lifecycle management
- Design GenAI architectures including LLM integration, retrieval-augmented generation, vector databases, prompt orchestration, guardrails, and knowledge integration
- Define AI data architecture requirements including data preparation, feature engineering, feature stores, model training data, metadata, and lineage
- Define MLOps and LLMOps architecture for model versioning, deployment, monitoring, retraining, evaluation, and governance
- Design secure integration patterns between AI services, enterprise applications, APIs, data platforms, and external AI services
- Embed responsible AI, privacy, security, explainability, transparency, fairness, and human oversight requirements into architecture designs
- Define architecture requirements for model monitoring, performance, drift, observability, auditability, and operational resilience
- Evaluate AI platforms, foundation models, cloud AI services, open-source technologies, and vendor solutions
- Collaborate with enterprise, data, application, integration, cloud, security, and solution architects to ensure coherent end-to-end architectures
- Support AI use-case assessment by evaluating feasibility, architecture complexity, data readiness, risk, scalability, and integration requirements
- Participate in architecture governance, AI governance, technical design reviews, and Architecture Review Boards
- Identify AI architecture risks, dependencies, constraints, ethical considerations, and mitigation actions
- Minimum 8-10 years of experience in technology, data, software engineering, analytics, machine learning, solution architecture, or related disciplines
- At least 3-5 years of hands-on experience in AI/ML architecture, AI engineering, data science platforms, or a comparable senior role
- Demonstrated experience designing enterprise-scale AI, machine learning, or generative AI solutions
- Experience with AI platforms, cloud AI services, model deployment, data pipelines, APIs, and enterprise integration
- Experience with generative AI and large language model architectures is highly desirable
- Experience supporting enterprise transformation, innovation, analytics, or AI adoption programs
- Experience working with senior stakeholders, data teams, engineering teams, cybersecurity teams, vendors, and governance functions
- Enterprise AI Architecture
- Machine Learning Architecture
- Generative AI and LLM Architecture
- AI platform architecture
- MLOps and LLMOps
- Retrieval-Augmented Generation (RAG)
- Vector database and semantic search architecture
- AI data pipelines and feature engineering architecture
- AI integration and API architecture
- Responsible AI and AI governance
- AI security and privacy
- Model monitoring and observability
- Cloud AI architecture
- Architecture governance and assurance
- TOGAF
- ArchiMate
- Cloud architecture and AI well-architected principles
- Responsible AI principles and governance practices
- MLOps and model lifecycle management practices
- Data governance and metadata management practices
- API-first and event-driven integration patterns
- Zero Trust and secure-by-design principles for AI environments
- AI and machine learning services across Microsoft Azure, AWS, Google Cloud, or equivalent platforms
- Generative AI and foundation model platforms, including enterprise LLM services and model orchestration technologies
- Machine learning frameworks such as PyTorch, TensorFlow, scikit-learn, or equivalent
- MLOps platforms and model lifecycle management tools
- Vector databases, semantic search, embeddings, and Retrieval-Augmented Generation technologies
- Data platforms, data lakes, lakehouses, streaming, and analytics technologies
- Containerization and orchestration technologies such as Docker and Kubernetes
- Enterprise architecture tools such as Bizzdesign, Sparx Enterprise Architect, Orbus/iServer, ARIS, or similar platforms
- Bachelor's degree in Computer Science, Artificial Intelligence, Data Science, Software Engineering, Computer Engineering, or a related discipline
- Professional AI, machine learning, data, or cloud architecture certification is highly desirable
- TOGAF certification is desirable
- Relevant certifications in generative AI, cloud AI, data engineering, MLOps, or responsible AI are advantageous
- Strong analytical, innovative, and systems-thinking capability
- Ability to translate business opportunities into practical and governable AI architecture
- Strong communication, facilitation, and stakeholder management skills
- Ability to explain complex AI concepts clearly to both technical and non-technical stakeholders
- Strong focus on security, responsible AI, data quality, scalability, and architecture quality
- Consulting mindset with the ability to evaluate emerging technologies objectively and support enterprise decision-making
المصدر: LinkedIn - أُضيفت للموقع في 30 سبتمبر 2026
رقم الإعلان لدى المصدر: 4472132813
رقم الإعلان لدى المصدر: 4472132813
