ServiceNow: Staff Applied Research Scientist — Montreal, QUEBEC, Canada

About ServiceNow

ServiceNow develops an enterprise software platform bringing together data, workflows and AI for business operations. Its employer introduction traces the business to automating a repetitive workplace task and describes a continuing focus on freeing people from routine work. The platform is intended to connect technology with how organisations carry out their processes. This makes workflow automation and the use of information in everyday business activity central themes, rather than a product aimed at only one industry.

The position and its setting

ServiceNow lists Staff Applied Research Scientist in Montreal, QUEBEC, Canada, under reference JB0075887. The details below separate the work described by the employer from essential conditions, preferred experience and practical preparation advice.

• Department: Product
• Employment type: Full-time
• Employer listing date: 21 October 2026
• Brands: ServiceNow

Responsibilities and work described

• Dans le rôle de scientifique de recherche appliquée principal(e), vous travaillerez sur des problèmes vaguement définis, pour lesquels aucune méthode éprouvée n’existe encore
• ServiceNow AI Research observe le comportement des agents d’IA dans des environnements d’entreprise complexes et à grande échelle
• Votre mission consiste à transformer les défis ambigus de ce portrait en orientations concrètes et testables
• Vous déciderez quelles questions valent la peine d’être explorées, proposerez les modèles et les techniques pour y répondre, puis construirez, entraînerez et évaluerez vous-même les agents afin de déterminer s’ils fonctionnent
• Vous validerez les nouveaux concepts avant que le reste de l’organisation ne s’y engage
• Cela implique de réaliser des prototypes rapidement, de mettre à l’épreuve les hypothèses et de collaborer étroitement avec l’équipe d’ingénierie en déploiement client (Forward Deployed Engineering) pour valider les idées dans des flux de travail réels
• Lorsqu’un prototype échoue sur le terrain, c’est vous qui comprendrez pourquoi et qui déterminerez la suite à donner
• Vos conclusions orienteront le programme de recherche, la feuille de route produit et les pratiques d’évaluation sur lesquelles l’équipe s’appuie
• #######
• As a Staff Applied Research Scientist, you will work on problems that are vaguely defined and have no playbook yet
• ServiceNow AI Research sees how AI agents behave in complex enterprise environments at scale, and your job is to turn ambiguous challenges in that picture into concrete, testable directions
• Decide which questions are worth pursuing, propose the models and techniques to answer them, and then build, train, and evaluate the agents yourself to find out whether they work
• Derisk new concepts before the rest of the organization commits to them
• That means prototyping quickly, stress-testing assumptions, and working side by side with the Forward Deployed Engineering team to validate ideas against real customer workflows
• When a prototype fails in the field, you will be the one who understands why and what to do next
• Your findings will shape the research agenda, the product roadmap, and the evaluation practices that the team relies on

Essential requirements and candidate background

• Doctorat en informatique, en apprentissage automatique ou dans un domaine connexe, ou expérience équivalente en recherche ou en application
• Au moins trois ans d’expérience après le doctorat, incluant du travail sur des systèmes en production ou utilisés par des usagers réels
• Capacité à décomposer un problème mal défini en ses composantes, à formuler des hypothèses et à concevoir des expériences pour les tester
• Expérience pratique de l’implémentation, de l’entraînement et de l’évaluation de systèmes basés sur les LLM et d’architectures d’agents, incluant l’utilisation d’outils, la planification et les flux de travail en plusieurs étapes
• Expérience dans la conception d’évaluations: définition de métriques, création de jeux de tests et analyse des modes de défaillance
• Connaissances pratiques des enjeux de sécurité et de sûreté des systèmes d’IA, comme l’injection de requêtes ( prompt injection ), la fuite de données ou les usages malveillants
• Solides compétences en développement logiciel en Python et dans les principaux frameworks d’apprentissage automatique, avec du code reproductible et maintenable
• Aisance à travailler directement avec des ingénieurs et des équipes en contact avec la clientèle, et capacité à traduire les résultats en recommandations claires pour des audiences produit et de direction
• Expérience d’encadrement de chercheurs, d’ingénieurs ou de stagiaires
• Usage avancé des outils agentiques dans votre propre travail
• Atouts
• Publications ou contributions open source en évaluation d’agents, en sécurité de l’IA ou en fiabilité des agents
• Expérience des systèmes d’IA en environnement d’entreprise, incluant la conformité, la gouvernance et les contraintes d’échelle
• Expérience dans la création de benchmarks, de pipelines de red-teaming ou de surveillance de modèles déployés
• Formation dans une discipline qui enseigne une décomposition rigoureuse, comme l’ingénierie des systèmes, la recherche en sécurité ou les méthodes formelles
• PhD in computer science, machine learning, or a related field, or equivalent research or applied experience
• Three or more years of post-PhD experience, including work on systems that run in production or close to real users
• Break down an ill-defined problem into its components, form hypotheses, and design experiments that test them
• Hands-on experience implementing, training, and evaluating LLM-based systems and agent architectures, including tool use, planning, and multi-step workflows
• Experience designing evaluations: defining metrics, building test sets, and analyzing failure modes

Preferred experience and additional strengths

• Publications or open-source contributions in agent evaluation, AI security, or agent reliability
• Experience: AI systems in enterprise environments, including compliance, governance, and scale constraints
• Experience building benchmarks, red-teaming pipelines, or monitoring for deployed models
• Background in a discipline that trains careful decomposition, such as systems engineering, security research, or formal methods

Location, schedule and contract conditions

For this overseas or regional listing, confirm work authorisation and any location restrictions with the employer. The location does not establish visa sponsorship or permission to work remotely from India.

• Work arrangement: Hybrid
• Advertised location: Montreal, QUEBEC, Canada

Conditions requiring the complete notice

Some passages contain complex or combined conditions that have not been reduced to short eligibility statements here. Read the complete linked notice for those passages, including any alternatives, exceptions or restrictions. The concise facts above should not be treated as the full wording of every condition.

Pay and application dates

A verified salary figure is not established in this article. An online estimate for another Staff Applied Research Scientist vacancy is not an offer for reference JB0075887; use the employer’s own pay disclosure and recruitment communication.

A closing date is not confirmed in this article. Check the current employer page before submitting: an undated posting can change or be withdrawn.

How to apply to ServiceNow

Applications follow the official employer page linked below.

Open the official ServiceNow posting below and match the title and reference JB0075887.

Compare your qualifications and experience with the essential conditions for the Montreal, QUEBEC, Canada position, then read the preferred criteria separately.

Prepare an accurate CV and the supporting items requested in that employer’s application. Provide only information and documents you are authorised to share.

Use the employer’s application option, complete the required fields and review the submission. Retain the acknowledgement when one is provided. Job Alerts World does not receive the application.

Practical preparation: Python

Python work is easier to assess through a concrete example than a list of libraries. Explain the problem, the input data, the parts you implemented and how you checked the output. Include a repository or a short technical note when you can share it.

Relevant skills

• Python
• REST APIs
• AI/ML
• LLMs
• ServiceNow
• AI
• machine learning
• compliance
• training
• security operations