Product Owner (ML/AI) — NLP, LLM, AI-агенты

Описание

**Наш продукт** AI для клиентского опыта (Customer Interaction Intelligence) **О продукте:** Мы строим экосистему **умных AI-агентов и аналитических сервисов**, которые извлекают инсайты из взаимодействий с клиентами Банка на разных поверхностях. У нас уже есть рабочий пилот (доказал ценность на одном из каналов). **Сейчас — фаза масштабирования:** выходим на новые поверхности (AI-помощники, голосовые каналы, мобильное приложение). _Это не R&D-песочница. Это продуктовое развитие с реальным бизнес-эффектом._

Обязанности

**Стратегия и приоритеты** * формировать **продуктовую стратегию и roadmaps** — выбирать, какие гипотезы (дообучение классических NLP-моделей, fine-tune LLM, сценарии AI-агентов) дадут максимальный ROI * управлять **бэклогом продукта**, балансируя между экспериментами, интеграциями и улучшением **Бизнес и рост** * находить **новых бизнес-заказчиков** внутри Банка и Экосистемы — там, где есть клиентские диалоги и неиспользованные данные. * запускать **пилоты**, собирать обратную связь и принимать data-driven решение о масштабировании **Команда и метрики** * переводить бизнес-задачи на язык ML-задач (классификация, NER, суммаризация, генерация), декомпозировать их для команды * формировать **продуктовые метрики успеха** (NPS от бизнеса, рост конверсии, снижение времени реакции, cost saving), а не только accuracy моделей * настраивать мониторинг продукта — от качества модели до бизнес-результатов **Коммуникация** * презентовать инсайты и планы руководству для получения ресурсов * ставить задачи смежным командам (DPO, CDO, разметка данных) — управлять зависимостями.

Требования

* опыт работы с ML/AI-продуктами в роли Product Owner или Product Manager — от 3 года (продукт выходил в прод или успешно масштабировался) * понимание полного жизненного цикла ML-решения: от гипотезы → data discovery → прототип → A/B-тест → production → post-launch поддержка * базовое знакомство с NLP и LLM (чем отличается fine-tune от few-shot, что такое эмбеддинги, токенизация, RAG) — чтобы говорить с ML-инженерами на одном языке * умение приоритезировать задачи по бизнес-ценности, а не по сложности реализации (ICE, RICE или аналог) * опыт запуска пилотов с бизнес-заказчиками (сбор требований, согласование метрик, handling scope creep) * навык презентации результатов и дорожных карт топ-менеджменту _Будет сильным плюсом_ * опыт работы с AI-агентами в клиентских сервисах (support automation, AI-co-pilot для оператора, автономное решение проблем) * понимание базовых практик MLOps (CI/CD для моделей, мониторинг дрейфа, feature store) — чтобы оценивать технические риски и не дать команде обещать невозможное * опыт работы в банке / финтехе / крупной экосистеме (высокие требования к качеству данных и безопасности).

Условия

* комфортный современный офис рядом с м. Кутузовская * формат работы - гибрид * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.