Over de functie
In deze rol als uurlijkse, remote contractor werk je als Mechanical Engineering Quality Assurance Lead (QAL) om kwaliteit, consistentie en de prestaties van trainers te bewaken binnen AI-trainingsprojecten voor werktuigbouwkunde. Je beoordeelt door AI gegenereerde werktuigbouwkundige content en het werk van trainers/QA, evalueert de kwaliteit van output aan de hand van projectrichtlijnen, geeft precieze schriftelijke feedback en zorgt ervoor dat alle bijdragers de verwachte kwaliteitsnormen volgen.
Je beoordeelt werk op technische nauwkeurigheid, engineeringredenering, correctheid van berekeningen, kennis van normen, duidelijkheid, veiligheidsoverwegingen, consistentie van eenheden, formatting, het volgen van instructies en naleving van projectspecifieke rubrics. Je signaleert terugkerende kwaliteitsproblemen, communiceert updates naar trainers en QA's, ondersteunt onboarding, onderhoudt documentatie en helpt bijdragers die niet consistent werken te activeren. Deze rol vereist sterke werktuigbouwkundige expertise, sterke Engelse communicatieve vaardigheden, uitstekende aandacht voor detail, gestructureerde communicatie en het vermogen om kwaliteitsworkflows aan te sturen binnen remote technische teams.
Deze rol is bij SME Careers, een snelgroeiend AI Data Services-bedrijf en dochteronderneming van SuperAnnotate, dat trainingsdata levert aan veel van 's werelds grootste AI-bedrijven en foundation-model-labs. Jouw leiderschap op het gebied van werktuigbouwkundige kwaliteit helpt direct de toonaangevende AI-modellen van de wereld te verbeteren door ervoor te zorgen dat technische trainingsdata nauwkeurig, logisch consistent, duidelijk uitgelegd, goed gedocumenteerd en afgestemd op de verwachtingen van de klant zijn.
Het selectieproces omvat een AI-interview, een domeinspecifieke taak en een interview met een recruiter.
Belangrijk: Er is geen onmiddellijk project voor deze rol; als je echter gekwalificeerd bent, behoor je tot de eerste experts die we benaderen wanneer zich relevante mogelijkheden voordoen. Dit geeft je ook toegang tot toekomstige projecten die beschikbaar komen via ons expertnetwerk.
Wat je gaat doen
- Kwaliteitsmonitoring: steekproefsgewijs werktuigbouwkundige items controleren, kwaliteitsproblemen identificeren, doorlopende feedback geven via DM's en terugkerende of kritieke problemen escaleren.
- Technische review: door AI gegenereerde engineeringuitleg, berekeningen, ontwerpaanbevelingen, diagrammen/beschrijvingen en probleemoplossingsstappen beoordelen op correctheid en duidelijkheid.
- Communicatie met trainers en QA: trainers en QA's op Discord bijpraten over nieuwe itemrichtlijnen, projectwijzigingen, workflowupdates, kwaliteitsverwachtingen en engineerspecifieke reviewstandaarden.
- Vragen afhandelen: vragen van trainers/QA's duidelijk en tijdig beantwoorden, vooral over engineeringaannames, eenheden, formules, berekeningen, veiligheidszorgen, normreferenties en rubricinterpretatie.
- Activeringsbeheer van trainers/QA's: bijdragers die inactief zijn of niet werken een DM sturen, activering aanmoedigen, follow-ups bijhouden en beschikbaarheidsproblemen melden wanneer nodig.
- Documentatie: werktuigbouwkundige projectdocumentatie maken en onderhouden, waaronder stijlgidsen, trackers, FAQ's, kwaliteitsnotities, voorbeelden, honeypots, kalibratietaken en onboardingsmateriaal.
- Onboarding en training: onboardings-/trainingscalls plannen en uitvoeren met trainers en QA's om projectverwachtingen, workflows, rubrics, kwaliteitsnormen en engineerspecifieke reviewvereisten uit te leggen.
- Kwaliteitsafstemming: ervoor zorgen dat alle trainers en QA's engineeringrichtlijnen consistent toepassen en updates begrijpen naarmate projecten zich ontwikkelen.
- Risico- en veiligheidsreview: onveilige, misleidende of overmatig zelfverzekerde engineeringaanbevelingen signaleren, vooral wanneer ontwerp, productie, apparatuur, structurele integriteit of operationele veiligheid kunnen worden beïnvloed.
- Procesverbetering: terugkerende kwaliteitshiaten identificeren, workflowverbeteringen voorstellen en helpen bij het opbouwen van schaalbare QA-processen voor AI-trainingsprojecten in de werktuigbouwkunde.
Wat we zoeken
- Bachelor- of masterdiploma in Werktuigbouwkunde, Lucht- en Ruimtevaarttechniek, Mechatronica, Productietechniek of een nauw verwant technisch vakgebied.
- Sterke beheersing van de Engelse taal om projectrichtlijnen te volgen, met teams te communiceren en duidelijke technische feedback in het Engels te geven.
- 3+ jaar professionele ervaring in werktuigbouwkunde, productontwerp, productie, R&D, systeemtechniek, CAD, simulatie, technische review, engineeringonderwijs of verwante workflows.
- Sterk begrip van kernthema's binnen de werktuigbouwkunde, zoals mechanica, thermodynamica, vloeistofmechanica, warmteoverdracht, machineontwerp, materialen, productieprocessen, dynamica, statica en het interpreteren van technische tekeningen.
- Vermogen om technische content te beoordelen aan de hand van gedetailleerde rubrics en problemen te identificeren zoals onjuiste aannames, gebrekkige berekeningen, ontbrekende eenheden, onveilige aanbevelingen, zwakke redeneringen, verzonnen normen of onvolledige uitleg.
- Bekendheid met gangbare technische tools of workflows zoals CAD, FEA/CAE, MATLAB, Python, SolidWorks, AutoCAD, ANSYS, Fusion 360 of vergelijkbare tools is een pluspunt.
- Ervaring met het leiden of ondersteunen van remote teams van trainers, annotators, reviewers, engineers, technisch schrijvers of QA's is sterk gewenst.
- Je voelt je prettig in snel veranderende remote omgevingen met tools zoals Discord, Google Sheets, Google Docs, trackers, dashboards en projectmanagementsystemen.
- Sterk detailgericht en georganiseerd, met het vermogen om stijlgidsen, FAQ's, trackers, onboardingsmateriaal, honeypots, kalibratietaken en andere kwaliteitsdocumentatie te onderhouden.
- Ervaring met AI-training, data-annotatie, large language models, prompt/response-evaluatie, QA van technische content of rubricgebaseerde LLM-evaluatie is een sterk pluspunt.