Sr. Staff SDET, Customer Engineering

Wilayah: Amerika Serikat. Sumber lowongan: Jobicy. Lamar melalui halaman sumber.

Hims & Hers adalah platform kesehatan dan kebugaran terkemuka, dengan misi membantu dunia merasa luar biasa melalui kekuatan kesehatan yang lebih baik. Kami mendefinisikan ulang layanan kesehatan dengan mengutamakan pelanggan dan memberikan akses perawatan yang terjangkau, mudah diakses, dan personal, mulai dari diagnosis hingga perawatan dan pengiriman. Tidak ada dua orang yang sama, jadi kami menyediakan akses ke perawatan personal yang dirancang untuk memberikan hasil. Dengan menormalkan tantangan kesehatan & kebugaran serta melakukan inovasi pada solusinya, kami berupaya mempermudah pencapaian hasil kesehatan yang lebih baik.

Hims & Hers adalah perusahaan publik, yang diperdagangkan di NYSE dengan simbol ticker "HIMS." Untuk mempelajari lebih lanjut tentang merek dan penawaran kami, Anda dapat mengunjungi hims.com/about dan hims.com/how-it-works. Untuk informasi mengenai manfaat luar biasa, budaya perusahaan, dan pendekatan kerja fleksibel/jarak jauh yang mengutamakan talenta, lihat di bawah ini dan kunjungi www.hims.com/careers-professionals.

Tentang Peran Ini:

SDET terbaik di industri ini tidak lagi diukur dari seberapa banyak tes yang mereka tulis. Mereka diukur dari sistem yang mereka bangun untuk menentukan apakah perangkat lunak aman untuk dirilis — dan, semakin banyak, dari seberapa baik mereka memanfaatkan AI untuk melakukannya.

Itulah peran yang sedang kami rekrut. Kami mencari Senior Staff SDET untuk memegang kendali atas arsitektur kualitas dan strategi teknik untuk sistem kami yang paling penting, serta memimpin cara kami menerapkan AI di seluruh pipeline pengujian dan rilis kami. Anda akan membangun kerangka kerja, platform, dan alur kerja berbasis agen yang diandalkan oleh tim teknik lainnya, menentukan arti "aman untuk dirilis" di sini, dan tetap terlibat langsung dalam kode saat melakukannya.

Ini adalah peran kepemimpinan teknis senior yang benar-benar langsung turun tangan dengan dampak yang mencakup banyak tim. Jika Anda ingin membangun sistem kualitas native-AI alih-alih sekadar menambahkan alat AI ke dalam rangkaian warisan (legacy suite), inilah pekerjaannya.

Mengapa Peran Ini Berbeda

• AI adalah inti dari pekerjaan ini. Anda akan bertanggung jawab atas cara kami menggunakan LLM dan agen untuk pembuatan tes, triase kegagalan, penyembuhan mandiri (self-healing), dan pengambilan keputusan rilis — serta Anda akan menetapkan batasan yang menjaganya tetap dapat dipercaya.

• Anda akan menguji AI, bukan hanya menguji dengan AI. Kami merilis fitur produk bertenaga AI, yang berarti membangun kerangka evaluasi (eval harnesses), golden dataset, dan asersi probabilistik untuk sistem yang tidak mengembalikan jawaban yang sama dua kali. Ini adalah pekerjaan perintis dengan sedikit panduan yang sudah mapan.

• Otonomi nyata dan ruang lingkup nyata. Anda akan menentukan arah teknis untuk quality engineering, bukan mewarisi strategi orang lain.

Anda Akan:

Bertanggung jawab atas arsitektur dan strategi kualitas

• Memegang kendali atas arsitektur kualitas untuk sistem dan inisiatif kami yang paling penting, menentukan strategi kualitas jangka panjang yang selaras dengan tujuan bisnis dan produk.

• Merancang platform kualitas bersama, kerangka kerja otomatisasi, dan infrastruktur pengujian yang diadopsi di berbagai tim.

• Menetapkan pola kualitas dan batasan yang berskala di seluruh tim, menghilangkan pendekatan pengujian yang duplikat, rapuh, atau bersinyal rendah melalui solusi tingkat platform.

• Mengantisipasi risiko kualitas dan keandalan sistemik serta mendorong solusi arsitektural preventif sebelum risiko tersebut berdampak pada pelanggan.

• Menetapkan standar untuk apa yang disebut "hebat" dalam quality engineering pada skala besar.

Memimpin strategi pengujian berbasis AI kami

• Menentukan dan mendorong strategi kami untuk pengujian yang dibantu AI — pembuatan tes otonom, pemilihan tes cerdas, triase kegagalan berbasis agen, dan otomatisasi penyembuhan mandiri — dengan pandangan yang jernih tentang di mana masing-masing benar-benar memberikan hasil dan di mana hal tersebut hanya menambah kebisingan.

• Membangun batasan yang membuat pengujian berbasis AI dapat dipercaya: mengetahui kapan agen penyembuhan mandiri menutupi regresi nyata versus menyerap pergeseran implementasi yang tidak berbahaya adalah perbedaan antara daya ungkit dan liabilitas.

• Mengorkestrasikan agen AI sebagai bagian dari pipeline keputusan CI/CD, mengubah sinyal pengujian mentah menjadi keyakinan rilis alih-alih sekadar lebih banyak dasbor.

• Bertanggung jawab atas kualitas fitur produk bertenaga AI kami — merancang rangkaian evaluasi (eval suites), golden dataset, pemberi skor LLM-as-judge, dan pendekatan statistik untuk perilaku non-deterministik, ditambah pengujian untuk halusinasi, keamanan, dan stabilitas respons.

• Menetapkan cara kami menguji kode aplikasi yang dihasilkan AI, memvalidasi kebenaran perilaku dan bukan hanya kelayakan sintaksis.

• Mengevaluasi perangkat pengujian AI yang sedang berkembang dengan ketelitian nyata, dan bersikap jujur mengenai apa yang tidak berfungsi.

Meningkatkan standar secara operasional dan di seluruh tim

• Memimpin kematangan operasional sistem dan sinyal kualitas kami — mendefinisikan metrik kualitas, dasbor, dan indikator keyakinan rilis, serta memimpin analisis pasca-insiden yang menginformasikan perbaikan arsitektur dan proses.

• Menghasilkan artifak teknis yang patut dicontoh — dokumen arsitektur kualitas, kerangka kerja otomatisasi, platform pengujian — yang menetapkan standar bagi anggota tim lainnya, sambil tetap terlibat langsung dalam sistem kualitas penting dan jalur kode otomatisasi.