AI Platform Engineer

Your mission Building the foundation for trusted AI This is a senior individual contributor role with real production responsibility. While the Platform Tech Lead sets the overall technical direction, you will be responsible for ensuring that our AI platform runs reliably, securely, and predictably in production. You will own platform components end to end, with a strong focus on Kubernetes infrastructure, deployment, operations, troubleshooting, and continuous improvement. Our platform runs on a Talos Linux Kubernetes cluster with GPU-enabled nodes, where NVIDIA NIM and vLLM are used to serve and execute LLM workloads. You are comfortable operating Kubernetes at a deep, practical level. When a node becomes unavailable, a pod hangs, an operator stops reconciling, or a CRD-backed component behaves unexpectedly, you know how to investigate the problem, restore service, and prevent it from recurring. You will also plan and carry out safe rolling upgrades of the cluster and its platform components. Your goal is to make the platform stable and easy for product teams use: high reliability, clear interfaces, reusable patterns, and shorter time-to-market—without compromising data residency, security, or operational constraints. We are a Stockholm-based AI team working from our Liljeholmen office. While Advania’s corporate language is Swedish, our day-to-day collaboration in this team is conducted in English. We are therefore looking for someone based in the Stockholm region who wants to be part of our on-site/hybrid rhythm in Liljeholmen and collaborate closely with engineers, tech leads, infrastructure teams, and business stakeholders. Fluent spoken and written English is required. Swedish is strongly meriting, as is a willingness to develop your Swedish over time. Read on if you would like to learn more. Det du ansvarar för i produktion I rollen ansvarar du för att bygga, drifta och vidareutveckla vår AI-plattform med hög tillgänglighet och tydliga tillförlitlighetskrav. Plattformen körs på ett Kubernetes-kluster baserat på Talos Linux, med GPU-noder och inferenslösningar som NVIDIA NIM och vLLM. Du ansvarar för den löpande driften av klustret och dess plattformskomponenter. Det innebär bland annat att: • Felsöka och åtgärda problem med noder, poddar, nätverk, lagring och schemaläggning • Hantera situationer där workloads eller poddar fastnar, kraschar eller inte kan schemaläggas • Planera och genomföra säkra rullande uppgraderingar av Talos Linux, Kubernetes och plattformens komponenter • Felsöka operators, controllers och CRD-baserade resurser när reconciliation eller beroenden inte fungerar som förväntat • Drifta och optimera GPU-resurser samt model serving för LLM-workloads med NVIDIA NIM och vLLM • Utveckla monitorering, loggning, metrics, tracing och alerting så att problem upptäcks tidigt och kan hanteras effektivt • Följa upp incidenter och omsätta lärdomar i automation, dokumentation och långsiktiga förbättringar Du säkerställer data residency inom svensk infrastruktur, definierar och följer upp SLO:er och arbetar systematiskt med kapacitet, stabilitet, prestanda och observability. Arbetet omfattar även deployment pipelines, infrastrukturautomation och nätverkslösningar som proxies, API gateways och network policies. Du bidrar till den långsiktiga plattformsarkitekturen och tar ansvar för tydlig API-dokumentation, gränssnittsspecifikationer och arkitekturbeslut. Förändringar, versionsuppgraderingar och deprecations hanteras strukturerat och med hänsyn till de team som är beroende av plattformen. En viktig del av uppdraget är också att skapa self-service-lösningar, återanvändbara deploymentsmönster och interna verktyg som förbättrar developer experience och gör det enklare för produktteam att driftsätta och förvalta AI-tjänster. Teknisk tyngd och arkitekturmandat i samma roll Ditt mandat kring plattformen Vi söker dig som tar ägarskap för operativa plattformsbeslut i en AI-produktmiljö. Du ansvarar för att plattformen är levererbar, driftbar, observerbar och tydlig att integrera mot. Du arbetar nära Platform Tech Lead kring teknisk riktning och arkitektur, men har ett tydligt eget mandat i den dagliga driften. Du prioriterar förbättringar, hanterar produktionsproblem och driver plattformsarbete från behov till stabil lösning. Erfarenhet du kommer med Du kan visa att du har byggt och driftat produktionssystem som andra team är beroen