摩根士丹利
Applied AI Engineer, Vice President, Institutional Securities Technology
Applied AI Engineer, Vice President, Institutional Securities Technology
发布于 大约 16 小时前高层管理(VP/总经理/CEO)
全职员工仅现场办公机器学习工程
机器学习工程
Ai Governance
Genai
Llms
Prompt Engineering
Rag
值不值得投
77综合评分
综合评分 77
顶级金融机构的AI核心岗位，技术前沿、薪资优厚，但工作强度和WLB可能一般。
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。
薪资怎么样
90K
比机器学习工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
51 个在招
市场机会
选择不多
香港特别行政区 · 机器学习工程 · 1 个在招
职位详情
关于这个职位
这是摩根士丹利机构证券技术部门的应用AI工程师副总裁职位，负责领导生成式AI用例从概念验证到生产部署的交付，设计并构建基于大语言模型的解决方案，确保技术方案的合规性与可扩展性，并推动AI在业务中的采纳以实现商业价值
最低要求
计算机科学或相关领域的学士或硕士学位
-10年以上软件工程或AI/ML经验
实际使用LLMs、APIs和分布式系统的经验
编程技能（Python、Java或类似）
交付生产级系统的经验
计算机科学或相关领域的学士或硕士学位
工作职责
GenAI用例交付与工业化：与ISG业务和技术团队合作，识别、优先排序并交付高价值GenAI用例
将用例从PoC推进到生产，确保可扩展性、鲁棒性和集成
定义并实施可复用的架构和工程模式
确保解决方案满足性能和可靠性要求
工程与平台集成：设计并构建利用LLMs、代理框架和编排工具的解决方案
将GenAI集成到内部平台和应用程序中
与企业AI/ML平台合作，并贡献可复用组件
负责任的AI、风险与控制：确保符合安全、数据隐私和监管要求
实施护栏（验证、可审计性、监控）
与风险和合规团队合作进行治理
业务价值实现：定义KPI并跟踪业务影响
向高级利益相关者沟通成果
优化解决方案以实现价值交付
工程赋能与变革采纳：通过最佳实践和培训赋能团队
定义AI辅助开发指南
推动AI赋能工作方式的采纳
优先资格
金融或交易技术行业经验（优先但非必需）
熟悉RAG、向量数据库和提示工程
了解AI治理和监管要求
有开发者生产力工具和AI编码解决方案的经验
接触过数据工程管道
AI 洞察
优缺点分析
优点
- 拥有丰富的学习资源和培训机会，能接触到行业最先进的工具和实践
- 公司平台大，团队协作环境优秀，职业发展路径清晰
- 技术复杂性高，需要平衡创新与金融行业的严格合规要求，实现难度大
- 适合拥有丰富AI工程经验、对金融技术充满热情、具备较强跨团队协作和问题解决能力的求职者，希望在高影响力平台中推动技术落地
缺点 / 挑战
- 在顶级金融机构中应用前沿AI技术，项目影响力高，技术挑战性强
- 作为VP职位，需要承担较高的业务价值实现压力，并频繁与高级利益相关者沟通
- 金融行业节奏较快，可能面临较高的工作强度和项目交付压力
角色解读
- 可向AI架构师、技术负责人或业务价值负责人方向发展，主导更复杂的AI战略项目
- 凭借在金融AI领域的深入经验，有机会晋升至技术管理或高级业务领导岗位
- 通过持续学习前沿技术，保持在AI工程领域的专家地位，参与行业创新
- 领导生成式AI用例的端到端交付，从概念验证到生产部署，确保技术方案可扩展和集成
- 设计并构建基于大语言模型和代理框架的解决方案，将其融入企业内部平台
- 负责AI治理和合规性，实施风险控制措施，并与业务团队合作实现商业价值
- 具备5-10年以上软件工程或AI/ML经验，能独立交付生产级系统
- 熟练掌握LLMs、APIs和分布式系统设计，拥有Python或Java编程能力
- 理解金融业务和监管环境，能有效与技术及业务团队协作
申请策略
- 研究摩根士丹利的AI战略和机构证券技术部门的重点方向，在面试中展示针对性见解
- 准备具体的项目案例，用STAR方法阐述你在复杂业务场景中交付AI解决方案的经验
- 突出GenAI或LLM相关项目的实际交付经验，尤其是从PoC到生产的过程
- 强调在分布式系统和生产级系统开发中的技术深度和成果
- 如有金融行业背景或合规经验，应明确展示相关经历
- 深入学习RAG、向量数据库和提示工程等GenAI相关技术，以增强实操能力
- 了解金融行业的AI治理框架和监管要求，提升业务理解力
- 练习跨团队沟通和项目管理技巧，以应对VP级别的协作需求
面试指南
- 使用STAR方法（情境、任务、行动、结果）结构化回答，突出技术决策和业务影响
- 强调跨部门协作和利益相关者管理经验，展示如何平衡技术可行性和业务需求
- 结合具体工具和实践，说明如何实施治理和监控措施以确保AI系统的可靠性
- 请描述一个你将生成式AI从概念验证成功推进到生产环境的项目，遇到了哪些挑战？
- 如何确保AI解决方案在金融环境中符合数据隐私和监管要求？
- 你会如何定义和跟踪一个AI项目的业务价值（KPI）？
- 在推动团队采纳AI新工作方式时，你有哪些经验和方法？
- 准备2-3个详细的GenAI项目案例，涵盖技术架构、实施步骤和成果量化
职位点评
薪资福利80
成长发展90
工作生活55
使命价值75
薪资福利
80较高
该职位在领先金融机构提供具有竞争力的薪资和福利，补偿性动机能得到较好满足。
薪资信号未披露（AI估算：60K-120K/月）
成长发展
90较高
职位涉及前沿GenAI技术，在顶级平台有明确的成长路径和培训机会，发展性动机是核心优势。
技术前沿前沿/新兴技术
技术栈GenAI、LLMs、RAG、vector databases、prompt engineering
成长机会training、best practices
业务类型profit_center
工作生活
55较低
工作模式未明确提及，但金融行业通常现场办公，WLB信号不足，生活化动机满足程度有限。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
75中等
在金融领域推动AI创新具有较高的行业影响力和社会价值，意义感动机得到一定满足。
行业发展高速增长赛道
社会影响中性/一般
使命信号helping them reach their goals
创新程度积极采用新技术
摩根士丹利 的其他在招职位
相似职位推荐
Watch Jobs