Consip S.p.a.

Cerchiamo Persone che portino competenza nelle sfide di ogni giorno, mettendo passione in ciò che fanno e scegliendo la trasparenza come stile di lavoro e di relazione, nei processi e nel dialogo con gli stakeholder. Persone che guardino al futuro con curiosità, concretezza e spirito di innovazione, per contribuire alla crescita dell’Azienda e del Sistema Paese. L’AI Prompt Engineer ha il compito di garantire che le interazioni uomo‑macchina mediate da sistemi di intelligenza artificiale generativa siano affidabili, eque, sicure e conformi al quadro legislativo attraverso un approccio ingegneristico sistematico.

Principali attività / responsabilità

• Analizzare use‑case e rischi
• Progettare prompt/pattern
• Integrare grounding (RAG/tools) e prompt routing
• Definire metriche e golden set con soglie di qualità
• Eseguire test e audit etico‑funzionali (robustezza, fairness/bias, sicurezza)
• Automatizzare pipeline di evaluation e reportistica (offline/online)
• Implementare guardrail (policy, filtri, classificatori) e HITL, allineati ad legislazione vigente e UNI CEI ISO/IEC 42001
• Osservabilità e PromptOps: versioning, canary/rollback, telemetria costi/latency
• Co‑design con PM/UX e documentazione (prompt cards, playbook)
• Formazione utenti e continuous improvement dei pattern

Requisiti obbligatori

• Laurea magistrale in Informatica, Ingegneria, Matematica, Fisica o altre discipline STEM
• Esperienza lavorativa pregressa di almeno 1 anno, anche in ambito accademico, in almeno uno dei seguenti ambiti:
  • A) pattern e tattiche di prompting, finalizzati a guidare il comportamento dei modelli linguistici per compiti di analisi, generazione o supporto operativo
  • B) tecniche di grounding, utilizzate per ancorare gli output dei modelli a fonti informative affidabili (per esempio tramite RAG o tool calling)
  • C) metriche di qualità generativa, applicate per valutare e migliorare accuratezza, affidabilità e utilità degli output
  • D) dataset e metodi di valutazione strutturata, impiegati per testare e confrontare il comportamento dei modelli tramite golden set o approcci analoghi
  • E) tecniche di sicurezza e mitigazione del rischio per GenAI, orientate alla prevenzione di prompt injection, leakage o utilizzi impropri
  • F) principi di UX conversazionale, applicati alla progettazione di interazioni chiare, controllabili e comprensibili per l’utente

Requisiti preferenziali

• Conoscenza di policy e filtri (classificatori, regex/AST, allow/deny list) per controlli pre e post generazione (Guardrail)
• Conoscenza delle metriche di fairness computazionale: definizioni, soglie e test (demographic parity, equalized odds, counterfactual fairness)
• Buona conoscenza della lingua inglese in ambito professionale