AI Engineer

Majoo Indonesia adalah perusahaan SaaS tercepat yang berkembang pesat, menyediakan solusi platform bisnis super aplikasi untuk 60 juta UMKM di Indonesia agar dapat berkembang. Dengan lebih dari 300 karyawan yang melayani pelanggan di lebih dari 600 kota seluruh negeri, Majoo menawarkan dukungan 24 jam non-stop untuk UMKM dengan tim penjualan yang khusus berada di lebih dari 60 kota besar. Solusi komprehensif yang ditawarkan mencakup POS Online terintegrasi, Akuntansi, Manajemen Inventaris, Manajemen Karyawan, CRM, Analisis Bisnis, Pesanan Online, dan Aplikasi Pemilik. Majoo juga menghubungkan ekosistem digital terbesar bagi UMKM untuk meningkatkan penjualan melalui Grabfood, Tokopedia, Shopee, Bukalapak, Blibli, dan Telkomsel Poin, serta memfasilitasi pembayaran digital dengan BCA, Ovo, GoPay, ShopePay, Linkaja, dan Dana. Selain itu, Majoo memberikan modal kerja melalui Investree, Koinworks, Modalku, Commbank, dan membantu UMKM mencapai lebih banyak pelanggan dengan bantuan WhatsApp dan Telkomsel DigiAds. Majoo berkomitmen untuk memperkuat 60 juta UMKM Indonesia, menciptakan lebih banyak wirausaha, mempercepat ekonomi digital, membantu bisnis dalam menciptakan lapangan kerja, mengurangi masalah sosial, dan mendukung perekonomian negara.

Majoo Indonesia sedang mencari seorang AI Engineer yang berpengalaman dan bersemangat untuk bergabung dengan tim teknologi kami. Posisi ini sangat penting dalam mengembangkan solusi inovatif yang akan memperkuat platform kami dan memberdayakan UMKM di seluruh Indonesia. Jika Anda memiliki minat pada teknologi kecerdasan buatan dan ingin berkontribusi pada proyek-proyek yang berdampak nyata, maka kesempatan ini cocok untuk Anda. Kami menawarkan lingkungan kerja yang dinamis, fleksibel, dan penuh tantangan, serta kesempatan untuk berkembang bersama perusahaan yang sedang berkembang pesat.

Posisi AI Engineer tersedia secara remote. Kandidat harus memiliki gelar S1 dan memiliki pengalaman antara 1 hingga 3 tahun. Kami mencari seseorang yang mampu bekerja secara mandiri maupun dalam tim, memiliki ketertarikan pada inovasi teknologi, serta siap berkontribusi pada pengembangan solusi yang berdampak luas. Jika Anda memiliki latar belakang yang sesuai dan semangat untuk berkembang bersama kami, kami sangat menantikan partisipasi Anda.

Tentang Peran

Membangun dan memimpin eksekusi teknis sistem agentic AI. Bekerja dengan LLM dari provider publik (OpenAI, Anthropic, Google) maupun model open source (LLaMA, Mistral, Qwen, dst.) yang di-host secara mandiri. Bertanggung jawab atas LLM pipeline, n8n workflow, RAG, prompt engineering, fine-tuning model open source, dan menjadi acuan teknis AI di tim.

Tanggung Jawab

• Memimpin desain dan implementasi agentic AI workflow menggunakan n8n (multi-step, multi-agent)
• Merancang arsitektur agent memory (working memory, procedural, semantic, episodic) dan strategi konsolidasi/summarization
• Membangun dan mengoptimalkan RAG pipeline end-to-end: chunking, embedding, retrieval, reranking
• Merancang dan mengelola strategi prompt: system prompt, versioning, A/B testing, dan prompt governance
• Mengevaluasi, mengadaptasi, dan men-deploy model LLM open source (LLaMA, Mistral, Qwen, dst.) sesuai kebutuhan use case
• Melakukan fine-tuning atau parameter-efficient training (LoRA, QLoRA) pada model open source bila diperlukan
• Mengimplementasikan tracing per-run dan evaluasi output LLM: relevance, accuracy, hallucination detection, dan cost tracking
• Menjalankan proses diagnose-fix-reeval saat eval gagal, serta menetapkan gate sebelum release ke production
• Menerapkan AI safety dan guardrails: content filtering, output validation, fallback logic antar LLM provider
• Mengoptimalkan strategi pemilihan model (public vs open source) berdasarkan kebutuhan performa, biaya, dan privasi data
• Menjadi acuan teknis (go-to person) untuk keputusan LLM engineering di tim
• Berkolaborasi dengan Platform Architect untuk memastikan sistem AI selaras dengan arsitektur platform

Tech Stack & Skills

• LLM Services: OpenAI API, Anthropic Claude API, Gemini API — function calling, streaming, multi-provider
• Open Source LLM: LLaMA, Mistral, Qwen, Gemma — deployment & inference (vLLM, Ollama, llama.cpp)
• Fine-tuning: LoRA, QLoRA, instruction tuning — parameter-efficient training pada model open source
• Agentic Workflow: n8n, Langchain, Langgraph, Pydantic, API integration, multi-step agent design
• Memory & Data Layer: vector store, SQL DB, file-based skill instructions untuk agent memory
• RAG & Vector Search: pgvector, Weaviate, Pinecone — chunking strategy, embedding, reranking
• Prompt Engineering: system prompt design, few-shot, chain-of-thought, structured output
• LLM Observability: Langfuse, LangSmith, Helicone — tracing, eval, token cost monitoring
• AI Safety: guardrails, content filtering, output validation, hallucination mitigation
• Back-end: Python / Node.js, REST API, microservices
• Cloud & Infra: GCP, PostgreSQL, Redis, Docker, GPU instance management