Watch Jobs
HSBC logo
汇丰
Associate Director, Software Engineering
立即应聘

Associate Director, Software Engineering

发布于 大约 17 小时前

中层管理(经理/总监)

广州市
高级经验
全职员工
混合式弹性办公
学历未注明
软件工程
Agile
CI/CD
Cloud
Devsecops
Genai
Leadership
Rag
Software Engineering
Sre

AI 估算 · 30k–50k

汇丰银行中高层技术管理职位，广州薪资水平，结合金融行业及AI技能溢价，预估月薪30-50K。

职位详情

关于这个职位

汇丰银行正在招聘软件工程副总监，负责领导渠道工程团队的AI转型

你将制定并执行AI采用计划，推动安全、负责任的AI实践，同时管理多个团队的交付，提升工程效率
这个职位适合有8年以上经验、熟悉AI在软件工程中应用的技术领导者

最低要求

–12+ years in software engineering, with proven experience leading engineering teams (people management and delivery ownership).

Strong experience delivering digital/channel platforms (web/api) and associated backend services/APIs in a regulated environment.
Demonstrated success improving engineering productivity and quality through modern practices, standards, and developer tooling.
Hands-on understanding of AI/GenAI applications in software engineering (e.g., copilots, RAG/knowledge search, test generation, incident support, SDLC automation).
Strong knowledge of secure SDLC, privacy-by-design, and operational excellence (observability, incident management, SRE practices).
Excellent communication, coaching, and stakeholder management skills.

工作职责

Define and execute an AI adoption plan for Staff Channels engineering (aligned to enterprise guardrails), covering use cases such as: AI coding assistance and secure prompt patterns; Test generation and test maintenance automation; Documentation automation and knowledge search (e.g., RAG over internal docs/runbooks); Incident triage support, root-cause analysis assistance, and operational runbooks; SDLC automation (PR reviews, quality gates, release notes, change summaries).

Identify high-value opportunities, prioritise with measurable outcomes, and drive delivery from pilot to scaled rollout.
Establish repeatable playbooks, templates, and “golden paths” so teams adopt AI consistently and safely.
Track adoption and impact (e.g., cycle time reduction, defect reduction, improved MTTR, developer satisfaction).
Ensure AI usage complies with data privacy, IP protection, secure SDLC, and model risk requirements.
Partner with Cyber Security, Risk, Compliance and Legal to define approved usage patterns, tooling, and controls.
Implement governance for prompts, datasets, outputs, and human-in-the-loop review where required.
Drive team training on safe AI usage, limitations, and evaluation practices.
Own delivery outcomes across multiple squads: planning, execution, dependencies, and release readiness.
Drive predictable delivery through strong engineering management practices (prioritisation, estimation, risk management, and transparent reporting).
Remove blockers and manage cross-team dependencies across channels, platform, and shared services.
Ensure solutions meet non-functional requirements (performance, resilience, security, scalability).
Champion modern engineering practices and show how AI amplifies them: DevSecOps, CI/CD, automated testing, trunk-based development, SRE, and platform engineering.
Improve quality and reliability via automation, quality gates, and observability.
Define and track metrics such as lead time, change failure rate, MTTR, defect escape rate, test coverage, and operational stability.
Lead, coach and develop engineers and tech leads; build career pathways and succession plans.
Foster a culture of accountability, learning, and continuous improvement—encouraging responsible experimentation with AI.
Build a strong talent pipeline through hiring, onboarding, performance management, and engagement.
Run enablement sessions (workshops, office hours) and build communities of practice around AI in engineering.
Partner with Product Owners, Architecture, Security, Risk/Compliance, and Operations to align priorities and delivery plans.
Communicate clearly to technical and non-technical audiences; influence without authority across teams and regions.
Balance pace of delivery with safety, governance, quality, and long-term maintainability.

AI 洞察

优缺点分析

优点

  • 加入全球顶级金融机构，平台大、资源丰富，技术影响力广
  • 聚焦AI前沿技术在工程中的实际应用，积累稀缺的AI工程化经验
  • 混合办公模式，工作灵活性高，福利完善
  • 明确的职业发展路径和持续学习机会，适合长期发展
  • 在受监管的金融行业推动AI创新，需平衡速度与合规，流程繁琐
  • 作为中层管理者，需要应对多个利益相关方的期望，沟通协调要求高
  • 技术迭代快，需要持续学习AI和工程新工具，保持竞争力
  • 适合有丰富软件工程管理经验、对AI应用充满热情、希望在大型组织中推动技术变革的资深技术领导者

缺点 / 挑战

暂无明显挑战项

角色解读

  • 技术方向：向首席工程师或架构师发展，成为AI工程化领域的专家
  • 管理方向：晋升为总监或更高管理职位，负责更大范围的工程组织
  • 跨领域：结合金融科技和AI，成为业务与技术融合的领军人物
  • 制定并执行AI在工程团队中的采用计划，推动自动化工具和最佳实践落地
  • 带领多个技术团队交付数字渠道平台，确保项目按时、高质量完成
  • 与安全、风险、合规等部门协作，确保AI使用符合监管和数据隐私要求
  • 通过培训和社区建设，提升整个组织的AI应用能力和工程文化
  • 精通软件工程和现代开发实践，如DevOps、CI/CD、自动化测试
  • 深入理解AI/GenAI在软件工程中的应用，如代码辅助、测试生成、RAG等
  • 丰富的人员管理经验，能够带领、辅导并发展技术团队
  • 出色的跨部门沟通和影响力，能够在合规环境中推动变革

申请策略

  • 深入了解HSBC的技术战略和AI转型方向，在面试中展现你如何与公司目标对齐
  • 准备一个你推动技术变革的完整故事，从识别机会到规模化落地的全过程
  • 突出你领导团队交付数字平台或渠道项目的具体成果，包括规模、质量、效率提升
  • 强调你应用AI提升工程效率的案例，例如实施AI编码助手或自动化测试的量化收益
  • 展示你在合规环境下的工程管理经验，特别是安全、隐私和风险把控能力
  • 提及你培养团队、建立工程文化的经历，如导师制、社区建设等
  • 补充AI在软件工程中的最新实践，如RAG、LLM应用、安全提示工程等
  • 学习金融行业监管要求，如数据隐私、模型风险管理

面试指南

  • STAR框架：情境、任务、行动、结果，用于描述具体经历和成果
  • CAR框架：挑战、行动、结果，适合突出解决问题能力
  • 结构化表达：先总述观点，再分点说明，最后总结
  • 请描述你如何在大型组织中推动AI在工程中的采用？遇到了哪些挑战？
  • 你如何在安全性和创新之间取得平衡？请举例说明
  • 你是如何带领和管理多个技术团队的？如何处理跨团队依赖？
  • 你对AI在软件工程中的未来趋势有什么看法？
  • 请分享一个你提升工程生产力和质量的具体案例，量化结果

职位点评

73
综合评分

汇丰银行中高层技术管理岗，AI前沿技术，混合办公，薪资优厚，但挑战在于合规与创新平衡。

从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。

更适合这类人
该职位最适合发展性动机强的求职者，即重视技术成长、职业晋升和前沿技能积累的人才。
表现最好
成长发展
相对薄弱
使命价值
薪资福利70
成长发展85
工作生活70
使命价值60

薪资福利

70中等

该职位薪资水平较高，但未明确具体数字，福利完善（如灵活办公），整体补偿性中等偏上。

薪资信号未披露（AI估算：30K-50K/月）
福利待遇flexible working

成长发展

85较高

职位聚焦AI前沿技术，提供明确的职业发展路径（career pathways）、持续学习机会，发展性很强。

技术前沿前沿/新兴技术
技术栈AI、GenAI、RAG、DevSecOps、CI/CD、SRE
成长机会career pathways、succession plans、continuous professional development
业务类型ambiguous

工作生活

70中等

混合办公模式提供灵活性，但Director级别工作压力较大，可能需要应对多地协作和紧迫交付。

工作模式混合式弹性办公
办公地点市区核心地段
加班情况未提及（无法判断）
工作生活平衡flexible working

使命价值

60中等

银行业属于稳定成熟行业，社会影响力中性，创新在于技术应用而非开创性领域，意义感一般。

行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术

汇丰 的其他在招职位

相似职位推荐

Watch Jobs