Senior AI Developer

Key Responsibilities

• Agentic AI Development 
• Design, build, and deploy production-grade AI agents using Azure AI Foundry, 
• Copilot Studio, and multi-model orchestration frameworks. 
• Architect multi-agent systems with clearly defined roles, handoffs, memory 
• strategies, and tool-use patterns. 
• Select models appropriate to each task — balancing capability, latency, cost, and 
• compliance requirements. 
• Integrate agents with enterprise systems via REST APIs, MCP servers, 
• SharePoint, Dataverse, and D365. 
• Apply sound architectural principles to agentic solutions, managing complexity 
• and ensuring maintainability at scale. 
• AI-Assisted Development 
• Work within a spec-first, AI-assisted development methodology — producing 
• the technical specification artefacts that enable AI tooling to generate 
• reliable, reviewable output. 
• Apply consistent engineering standards to AI-generated code: reviewing, 
• refactoring, and taking full ownership of everything that ships. 
• Remain current with the AI developer tooling landscape, understanding that the 
• methodology and judgement matter more than any specific tool. 
• Contribute to internal standards and practices for AI-assisted 
• engineering. 

Solution Delivery 

• Own end-to-end technical delivery within the squad — from technical discovery 
• through to production deployment and handover. 
• Manage environment transitions, CI/CD pipelines, and Azure deployment 
• processes. 
• Deliver against sprint milestones with the accountability that client 
• engagements require. 
• Adapt technical approach efficiently when scope or direction shifts, maintaining 
• delivery momentum and engineering quality. 
• Raise technical concerns early with a considered alternative. 

Client Engagement 

• Present technical approaches and demonstrate working solutions to client 
• stakeholders. 
• Participate in client workshops, technical discovery sessions, and delivery 
• governance reviews. 
• Translate technical constraints into accessible language for non-technical 
• audiences. 
• Represent with professionalism and technical credibility across all client 
• interactions. 

Quality & Engineering 

Standards 

• Write clean, well-structured, documented code — maintaining this standard 
• consistently regardless of delivery pressure or generation method. 
• Embed responsible AI practices into every build: prompt injection defence, PII 
• handling, content filtering, auditability, and security-by-design. 
• Produce technical documentation, architectural decision records, and runbooks 
• that support transition and ongoing operation. 
• Conduct code reviews within the squad and contribute to broader 
• engineering standards. 
• Practice & Innovation 
• Stay current with developments across AI engineering — models, frameworks, 
• orchestration patterns, and tooling. 
• Evaluate and share findings on emerging capabilities with practical application 
• to client engagements. 
• Contribute reusable components to AI IP library: agent templates, 
• prompt libraries, integration patterns, and accelerator tooling. 

Key Behavioural Competencies 

Competency description

• Engineering at Scale 
• Understands what becomes possible when deep software expertise meets AI-
• assisted development, and pursues that combination deliberately. Applies 
• engineering knowledge to set the conditions for AI tooling to produce 
• reliable output at pace — and reviews that output with the same rigour as 
• hand-written code. 

Software Craft 

• Holds well-formed views on how code should be structured — clean interfaces, 
• separation of concerns, testability, maintainability — and applies them 
• consistently. Identifies structural problems before they compound, 
• including in AI-generated output. 

Principled Adaptability 

• Knows when an engineering standard is non-negotiable and when a considered 
• compromise is appropriate. Holds that position clearly when it matters, 
• adjusts efficiently when circumstances warrant it, and can articulate the 
• reasoning behind either. 
• Technical Candour 
• Raises structural or technical concerns early with a well-formed alternative. 
• Engages constructively rather than deferring. When client direction 
• changes, adapts the solution without losing sight of what makes it sound. 
• Delivery Accountability 
• Accountable for technical commitments. Finds the path that delivers against 
• firm client deadlines without compromising engineering quality. 

Curiosity & Learning 

• Follows developments in the AI engineering landscape with genuine interest. 
• Forms views on what is practically useful, shares those views with the team, 
• and is straightforward about the limits of current knowledge. 
• Professional 
• Effectiveness 
• Communicates technical ideas clearly to mixed audiences. Represents

credibly in client settings. Contributes positively to squad delivery and team 

• environment. 
• Dealing with Ambiguity 
• Decides and acts without requiring a complete picture. Reprioritises promptly 
• when circumstances change. Handles uncertainty and incomplete 
• information without disruption to delivery. 

Integrity & Trust 

• Widely trusted. Presents the unvarnished truth in an appropriate and 
• constructive manner. Admits mistakes and takes accountability for 
• outcomes. 

• Qualifications and Experience 
• Skills 
• Strong Python and / or TypeScript development capability. 
• Hands-on experience with LLM APIs including prompt engineering, tool use, 
• function calling, and structured outputs. 
• Experience with agentic orchestration frameworks (Semantic Kernel, AutoGen, 
• LangChain / LangGraph, or equivalent). 
• Familiarity with RAG pipeline design, vector search, and enterprise data retrieval 
• patterns. 
• Azure platform proficiency: Azure AI Foundry, Azure OpenAI Service, AI Search, 
• Functions, Container Apps, API Management. 
• Familiarity with MCP (Model Context Protocol) or equivalent tool-integration 
• approaches. 
• Experience with AI-assisted, spec-driven development methodology. 
• Knowledge of secure data handling, responsible AI practices, and compliance 
• considerations in AI solution development. 
• Proficiency with Git, CI/CD (Azure DevOps or GitHub Actions), and agile delivery 
• practices. 

• Experience 
• 5+ years in a software development role, with at least 2 years delivering AI or 
• agentic solutions in a commercial context. 
• Demonstrated delivery of production-grade systems end-to-end in a client or 
• enterprise environment. 
• Experience working directly with clients or end-users as part of a delivery team. 
• Experience integrating AI solutions with enterprise platforms (D365, SharePoint, 
• Power Platform, or equivalent) desirable. 
• Qualification 
• Tertiary qualification in Computer Science, Software Engineering, or a related 
• discipline preferred. 
• Demonstrated equivalent experience will be considered. 
• Microsoft certifications (AI-102, AZ-204, DP-203, or Power Platform equivalents) 
• desirable.