Forward Deployed Solution Engineer - Applied AI FDE

Description du poste

Présentation de l'équipe

L'équipe Applied AI Forward Deployed Engineering (FDE) de ServiceNow est l'endroit où les idées audacieuses se transforment en actions concrètes. Nous collaborons avec nos clients les plus stratégiques pour façonner l'avenir de l'IA en entreprise. Ensemble, nous identifions les opportunités à forte valeur ajoutée, accélérons les résultats commerciaux et construisons des solutions IA natives réutilisables qui font progresser la plateforme Now AI.

Notre mission : Nous collaborons étroitement avec nos clients pour créer des solutions IA intelligentes et évolutives qui répondent à leurs enjeux les plus critiques. En nous immergeant dans la complexité du terrain, nous livrons rapidement, itérons avec méthode et transformons chaque succès en modèles réutilisables qui accélèrent la transformation à travers la plateforme Now et l'entreprise au sens large.

Pourquoi ce poste est important

Les Forward Deployed Engineers travaillent aux côtés de nos clients et transforment des problèmes commerciaux ambigus en systèmes d'IA fonctionnels. En tant qu'ingénieur GenAI/ML au sein de l'équipe FDE, vous serez amené à :

• Collaborer directement avec les clients pour découvrir des problématiques et cadrer des cas d'usage IA à fort impact.
• Concevoir et construire des systèmes GenAI/ML de bout en bout — pipelines RAG, workflows agentiques, évaluation et garde-fous — et les déployer en production.
• Prototyper rapidement, itérer avec des utilisateurs réels et consolider les projets pilotes en services fiables et surveillés.
• Assumer la relation technique, en assurant la traduction entre les parties prenantes métier et l'ingénierie.
• Élever le niveau de rigueur en ML et la qualité d'ingénierie au sein de l'équipe.

Qui vous êtes

Des bâtisseurs avant tout. Nous ne privilégions pas le pedigree — nous recherchons des ingénieurs obsédés par le client, avec une véritable profondeur en ML et l'étendue technique nécessaire pour livrer de bout en bout, capables de passer rapidement de l'idée au logiciel fonctionnel.

Vous êtes une personne dynamique et innovante, capable de résoudre des problèmes, qui s'épanouit dans des environnements complexes et en constante évolution. Doté(e) d'un esprit analytique solide et d'une passion pour l'IA, vous excellez à transformer l'ambiguïté en clarté. Votre capacité à synthétiser les données, les workflows et les motivations des utilisateurs vous permet d'identifier des solutions à fort impact, alignées sur les besoins des clients et les objectifs commerciaux.

Vous incarnez les valeurs de ServiceNow :

• Le client avant tout : Vous privilégiez la création de valeur par les résultats commerciaux.
• Innovation audacieuse : Vous remettez en question les conventions et recherchez la simplicité par la conception.
• Une seule équipe : Vous collaborez en profondeur entre les fonctions et construisez à travers une responsabilité partagée.
• Intégrité et appartenance : Vous établissez la confiance, favorisez l'inclusion et dirigez avec empathie.

Ce que vous ferez

• Piloter la découverte stratégique : Identifier les opportunités d'IA à fort impact en animant des ateliers pratiques et en alignant les parties prenantes.
• Architecturer des solutions IA natives : Concevoir des systèmes utilisant les LLM, les pipelines RAG, la logique de récupération et l'orchestration des workflows.
• Accélérer la livraison avec les ingénieurs : Collaborer étroitement avec les FDSE pour construire, tester et itérer des solutions fonctionnelles rapidement.
• Codifier les meilleures pratiques : Créer des cadres reproductibles, des modèles réutilisables et des composants modulaires.
• Favoriser l'adhésion : Influencer l'adhésion des clients et des dirigeants grâce à une narration claire et un cadrage précis des solutions.
• Faire valoir les enseignements du terrain : Recueillir les retours des déploiements pour orienter la stratégie produit et prioriser les besoins de la plateforme.
• Permettre la mise à l'échelle : Outiller les équipes internes et les clients pour étendre les succès grâce à la documentation et aux ressources d'intégration technique.

À quoi ressemble le succès

• Livraison d'une solution prête à l'emploi : Vous livrez une solution IA validée et prête à l'emploi dans un délai de 8 à 12 semaines, répondant directement à un problème commercial critique.
• Réutilisation à grande échelle : Vos livrables — des prompts à la logique d'orchestration — sont exploités par d'autres équipes et codifiés pour être mis à l'échelle.
• Évolution de la plateforme : Votre travail contribue à façonner la plateforme Now grâce à des retours produit structurés et une influence architecturale.
• Transformation commerciale : La solution IA que vous avez menée se traduit par des gains mesurables en efficacité, automatisation, adoption ou satisfaction.
• Trajectoire vers la production : La solution que vous livrez devient le fondement d'un déploiement en production à grande échelle dans les environnements clients.
• Partenaire de confiance sur le terrain : Les clients et les parties prenantes internes vous perçoivent comme un partenaire stratégique, fiable et techniquement crédible.

#####

Team Bio

ServiceNow’s Applied AI Forward Deployed Engineering (FDE) team is where bold ideas meet transformative action. We partner with our most strategic customers to shape the future of enterprise AI. Together, we identify high-value opportunities, accelerate business outcomes, and build reusable AI-native solutions that advance the Now AI Platform. 

Our mission: We partner deeply with our customers to build intelligent, scalable AI solutions that solve their most mission-critical challenges. By embedding in real-world complexity, we deliver fast, iterate with purpose, and transform every success into reusable patterns that accelerate transformation across the Now Platform and the broader enterprise. 

Why This Role Matters

Forward Deployed Engineers sit alongside our customers and turn ambiguous business problems into working AI systems. As a GenAI/ML Engineer on the FDE team, you will:  

• Partner directly with customers to discover problems and frame high-impact AI use cases.  
• Design and build end-to-end GenAI/ML systems — RAG pipelines, agentic workflows, evaluation, and guardrails — and ship them to production.  
• Prototype quickly, iterate with real users, and harden pilots into reliable, monitored services.  
• Own the technical relationship, translating between business stakeholders and engineering.  
• Raise the bar for ML depth and engineering quality across the team.  

Who You Are: 

Builders first. We do not weigh pedigree — we want customer-obsessed engineers with genuine ML depth and the engineering breadth to ship end to end, who move fast from idea to working software.  

You are a dynamic and innovative problem-solver who thrives in complex, fast-paced environments. With a strong analytical mindset and a passion for AI, you excel at transforming ambiguity into clarity. Your ability to synthesize data, workflows, and user motivations allows you to identify impactful solutions that align with customer needs and business objectives.  

You embody ServiceNow’s values:

• Customer First: You prioritize delivering value through business outcomes.
• Bold Innovation: You challenge convention and seek simplicity through design.
• One Team: You collaborate deeply across functions and build through shared ownership.
• Integrity and Belonging: You build trust, foster inclusion, and lead with empathy.  

What You’ll Do:  

• Lead Strategic Discovery: Identify high-impact AI opportunities by running hands-on workshops and aligning stakeholders.  
• Architect AI-Native Solutions: Design systems using LLMs, RAG pipelines, retrieval logic, and workflow orchestration.  
• Accelerate Delivery with Engineers: Collaborate closely with FDSEs to build, test, and iterate functional solutions quickly.  
• Codify Best Practices: Create repeatable frameworks, reusable templates, and modular components.  
• Drive Alignment: Influence customer and executive buy-in through clear storytelling and solution framing.  
• Advocate Field Insights: Capture feedback from deployments to shape product strategy and prioritize platform needs.  
• Enable Scale: Equip internal teams and customers to expand success through documentation and technical onboarding assets.  

What Success Looks Like: 

• Solution-Ready Build Delivered: You deliver a validated AI solution-ready build within 8–12 weeks that directly addresses a business-critical problem.  
• Widespread Reuse: Your assets—from prompts to orchestration logic—are leveraged by other teams and codified for scale.  
• Platform Evolution: Your work contributes to shaping the Now Platform through structured product feedback and architectural influence.  
• Business Transformation: The AI solution you’ve led results in measurable gains in efficiency, automation, adoption, or satisfaction.  
• Production Trajectory: Your delivered solution becomes the foundation for scaled production deployment across customer environments.  
• Trusted Field Partner: Customers and internal stakeholders see you as a strategic, dependable, and technically credible partner.  

Qualifications

• Maîtrise de l'IA — Expérience démontrée dans l'utilisation ou la réflexion critique sur l'intégration de l'IA dans les processus de travail, la prise de décision et la résolution de problèmes. Cela peut inclure l'utilisation d'outils basés sur l'IA, l'automatisation de workflows, l'analyse d'insights générés par l'IA, ou l'évaluation de l'impact potentiel de l'IA sur la fonction ou l'industrie.
• Expérience pertinente — 8+ années d'ingénierie logicielle, incluant 2+ années à construire et déployer des systèmes dans des rôles orientés client ou intégrés.
• Expérience appliquée en ML/IA — 3+ années à construire des systèmes ML ou IA en production de bout en bout : de la préparation des données au déploiement, à la surveillance et à l'itération. Capable de raisonner sur le choix des modèles et les compromis entre le prompting, le RAG et le fine-tuning — y compris savoir quand ne pas utiliser un modèle.
• Développement d'applications LLM — Expérience pratique avec la génération augmentée par récupération (RAG), les embeddings et les bases de données vectorielles (pgvector, Pinecone, Weaviate, FAISS), l'ingénierie et le chaînage de prompts, les sorties structurées et l'appel de fonctions/outils, la gestion du contexte, et les workflows agentiques ou multi-étapes.
• Rigueur d'évaluation — Capacité à définir des métriques de succès et à construire des harnais d'évaluation pour des systèmes non déterministes : jeux de données de référence (golden datasets), évaluations hors ligne, LLM-as-judge, tests A/B et rétroaction avec supervision humaine (human-in-the-loop). Capable de diagnostiquer les hallucinations, la régression de qualité et la dérive des modèles en production.
• Fondements du ML — Connaissance pratique des concepts fondamentaux du ML et de l'apprentissage profond (apprentissage supervisé, embeddings, transformers, attention, tokenisation, fenêtres de contexte, quantification) suffisante pour prendre des décisions d'architecture judicieuses et collaborer de manière crédible avec les partenaires en science des données.
• Frameworks et plateformes — LangChain/LangGraph, LlamaIndex, Semantic Kernel, ou équivalent; PyTorch, TensorFlow ou scikit-learn; l'écosystème Hugging Face; ainsi que les principales API et plateformes de modèles (Anthropic, OpenAI, Amazon Bedrock, Azure AI Foundry, Vertex AI).
• Architecture système — Capacité avérée à concevoir et implémenter des logiciels IA natifs dans des environnements de production.
• Profondeur en ingénierie — Solide en back-end (Python, Node.js, Java), front-end (React, Angular), et API (REST/GraphQL).
• Performance et observabilité — Compétent dans le débogage de systèmes distribués, l'optimisation de la latence et du débit, et la mise en œuvre de la surveillance. Spécifiquement pour les systèmes IA : suivi des tokens et des coûts, traçage et débogage au niveau des spans (LangSmith, Arize, Weights & Biases, OpenTelemetry), et télémétrie de la qualité.
• Maîtrise MLOps et DevOps — Expérience de déploiement sur AWS, Azure ou GCP avec CI/CD, conteneurs et infrastructure-as-code. Familiarité avec le versionnement des modèles, le versionnement des prompts/configurations, les portes d'évaluation automatisées en CI, et les schémas de déploiement sécurisé (canary, shadow, avec drapeaux de fonctionnalités).
• IA responsable — Expérience pratique de la mise en œuvre de garde-fous, de la gestion et de la rédaction des données à caractère personnel (PII), de l'atténuation des injections de prompt et des tentatives de jailbreak, de la validation des sorties, et de la gouvernance des données dans les environnements clients.
• Mentalité plateforme — Capable de contribuer à des SDK et outils partagés, augmentant la vélocité d'ingénierie pour l'ensemble de l'organisation.
• Sensibilité produit — Priorise la valeur utilisateur, l'itération MVP et l'échelle à long terme.
• Disponibilité terrain — Capable de voyager jusqu'à 30 % du temps pour s'intégrer sur site et livrer là où cela compte.

Qualifications préférées

• Expérience dans l'intégration de l'IA dans des plateformes SaaS comme ServiceNow ou Salesforce.
• Techniques de fine-tuning et d'adaptation (LoRA/PEFT, distillation, quantification) et savoir quand elles surpassent le prompting ou la récupération.
• Optimisation de l'inférence et hébergement autonome (self-hosted serving) (vLLM, TensorRT-LLM, Triton), incluant l'optimisation du coût/performance des GPU.
• Ingénierie des données pour le ML — pipelines, magasins de caractéristiques (feature stores), ingestion en streaming, et traitement de documents à grande échelle.
• Expérience dans la livraison de systèmes IA dans des environnements réglementés ou sensibles aux données (services financiers, santé, secteur public).
• Aisance à diriger des ateliers techniques, des sessions de découverte et des revues d'architecture avec les parties prenantes clientes.

#####

• AI fluency — Demonstrated experience leveraging or critically thinking about how to integrate AI into work processes, decision-making, and problem-solving. This may include using AI-powered tools, automating workflows, analyzing AI-driven insights, or assessing AI's potential impact on the function or industry.
• Relevant experience — 8+ years of software engineering, including 2+ years building and shipping systems in customer-facing or embedded roles.
• Applied ML/AI experience — 3+ years building production ML or AI systems end to end: data preparation through deployment, monitoring, and iteration. Can reason about model selection and the tradeoffs between prompting, RAG, and fine-tuning — including when not to use a model.
• LLM application development — Hands-on experience with retrieval-augmented generation, embeddings and vector databases (pgvector, Pinecone, Weaviate, FAISS), prompt engineering and chaining, structured outputs and function/tool calling, context management, and agentic or multi-step workflows.
• Evaluation rigor — Ability to define success metrics and build eval harnesses for non-deterministic systems: golden datasets, offline evals, LLM-as-judge, A/B testing, and human-in-the-loop feedback. Can diagnose hallucination, quality regression, and model drift in production.
• ML foundations — Working knowledge of core ML and deep learning concepts (supervised learning, embeddings, transformers, attention, tokenization, context windows, quantization) sufficient to make sound architecture decisions and collaborate credibly with data science partners.
• Frameworks and platforms — LangChain/LangGraph, LlamaIndex, Semantic Kernel, or equivalent; PyTorch, TensorFlow, or scikit-learn; the Hugging Face ecosystem; and major model APIs and platforms (Anthropic, OpenAI, Amazon Bedrock, Azure AI Foundry, Vertex AI).
• System architecture — Proven ability to design and implement AI-native software in production environments.
• Engineering depth — Strength in backend (Python, Node.js, Java), frontend (React, Angular), and APIs (REST/GraphQL).
• Performance & observability — Skilled in debugging distributed systems, tuning for latency and throughput, and implementing monitoring. For AI systems specifically: token and cost tracking, tracing and span-level debugging (LangSmith, Arize, Weights & Biases, OpenTelemetry), and quality telemetry.
• MLOps & DevOps fluency — Experience deploying in AWS, Azure, or GCP with CI/CD, containers, and infrastructure-as-code. Familiarity with model versioning, prompt/config versioning, automated eval gates in CI, and safe rollout patterns (canary, shadow, feature-flagged).
• Responsible AI — Practical experience implementing guardrails, PII handling and redaction, prompt injection and jailbreak mitigation, output validation, and data governance in customer environments.
• Platform mindset — Can contribute to shared SDKs and tools, raising engineering velocity for the whole org.
• Product sensibility — Prioritizes for user value, MVP iteration, and long-term scale.
• Field readiness — Able to travel up to 30% to embed onsite and deliver where it matters.

Preferred Qualifications

• Experience integrating AI into SaaS platforms like ServiceNow or Salesforce.
• Fine-tuning and adaptation techniques (LoRA/PEFT, distillation, quantization) and knowing when they beat prompting or retrieval.
• Inference optimization and self-hosted serving (vLLM, TensorRT-LLM, Triton), including GPU cost/performance tuning.
• Data engineering for ML — pipelines, feature stores, streaming ingestion, and document processing at scale.
• Experience delivering AI systems in regulated or data-sensitive environments (financial services, healthcare, public sector).
• Comfort leading technical workshops, discovery sessions, and architecture reviews with customer stakeholders.

Informations complémentaires

Work Personas 

Nous abordons notre monde du travail distribué avec flexibilité et confiance. Les profils de travail (flexible, à distance ou requis au bureau) sont des catégories attribuées aux employés de ServiceNow en fonction de la nature de leur travail et de leur lieu de travail assigné. Pour en savoir plus, cliquez ici. Pour déterminer l'éligibilité à un profil de travail, ServiceNow peut confirmer la distance entre votre résidence principale et le bureau ServiceNow le plus proche à l'aide d'un service tiers. 

Equal Opportunity Employer 

ServiceNow est un employeur qui souscrit au principe de l'égalité d’accès à l’emploi. Tous les candidats qualifiés recevront une considération pour l’emploi sans égard à la race, la couleur, la croyance, la religion, le sexe, l’orientation sexuelle, l’origine nationale ou la nationalité, l’ascendance, l’âge, le handicap, l’identité ou l’expression de genre, l’état matrimonial, le statut d’ancien combattant ou toute autre catégorie protégée par la loi. De plus, tous les candidats qualifiés ayant des antécédents d’arrestation ou de condamnation seront pris en considération pour un emploi conformément aux exigences légales. 

Accommodations 

Nous mettons tout en œuvre offrir une expérience accessible et inclusive pour tous les candidats. Si vous avez besoin d’une mesure d’adaptation raisonnable pour compléter une partie du processus de candidature ou si vous n’êtes pas en mesure d’utiliser cette candidature en ligne et que vous avez besoin d’une autre méthode pour postuler, veuillez communiquer avec [email protected] pour obtenir de l’aide. 

Export Control Regulations 

Pour les postes nécessitant l’accès à une technologie contrôlée assujettie aux règlements sur les contrôles à l’exportation, y compris les U.S. Export Administration Regulations (EAR), ServiceNow peut être tenu d’obtenir l’approbation des autorités gouvernementales en matière de contrôle des exportations pour certaines personnes. Tout emploi est subordonné à l’obtention par ServiceNow d’une licence d’exportation ou d’une autre approbation qui pourrait être requise par les autorités de contrôle des exportations compétentes. 

Extrait de Fortune. ©2025 Fortune Media IP Limited. Tous droits réservés. Utilisé sous licence. 

######

Work Personas

We approach our distributed world of work with flexibility and trust. Work personas (flexible, remote, or required in office) are categories that are assigned to ServiceNow employees depending on the nature of their work and their assigned work location. Learn more here. To determine eligibility for a work persona, ServiceNow may confirm the distance between your primary residence and the closest ServiceNow office using a third-party service.

Equal Opportunity Employer

ServiceNow is an equal opportunity employer. All qualified applicants will receive consideration for employment without regard to race, color, religion, sex, sexual orientation, national origin, age, disability, gender identity,  veteran status, or any other category protected by law. In addition, all qualified applicants with arrest or conviction records will be considered for employment in accordance with legal requirements.  

Accommodations

We strive to create an accessible and inclusive experience for all candidates. If you require a reasonable accommodation to complete any part of the application process, or are unable to use this online application and need an alternative method to apply, please contact [email protected] for assistance. 

Export Control Regulations

For positions requiring access to controlled technology subject to export control regulations, including the U.S. Export Administration Regulations (EAR), ServiceNow may be required to obtain export control approval from government authorities for certain individuals. All employment is contingent upon ServiceNow obtaining any export license or other approval that may be required by relevant export control authorities. 

From Fortune. ©2026 Fortune Media IP Limited. All rights reserved. Used under license.