Менеджер продукта в проекте RecEngine

Команда отвечает за повышение качества персонализированных рекомендаций по развитию бизнеса корпоративных клиентов. Ищем эксперта, который умеет выявлять недостатки в ответах агентов, докапываться до деталей, видеть закономерности в кейсах и переводить бизнес-специфику в чёткие правила работы агентов.

• качество и разбор кейсов: выявлять дефекты ответов (логика, арифметика, сопоставимость периодов, структурные ошибки JSON, неверный выбор инструмента), группировать их в паттерны причин, формировать гипотезы улучшений
• правила и стандарты: определять формат межагентных сообщений, политику «когда считаем в модели/через инструмент/в Python», описывать «как выглядит хороший ответ» для разных зон внимания и отраслей, формулировать критерии приёмки
• эксперименты: планировать и проводить эксперименты «до/после» (промпты, параметры, инструменты), фиксировать эффект по качеству, стоимости и задержке
• взаимодействие: работать в связке с Python-разработчиками и промт-инженерами: постановка задач, проверка результатов, упаковка решений «в пакет на внедрение».

• сильная экспертиза в анализе данных (уровень Middle+): умение формулировать гипотезы, выбирать корректные метрики, строить и проверять расчёты, обеспечивать сопоставимость периодов и баз сравнения, фиксировать выводы и ограничения
• профессиональное понимание бизнес-анализа: финансы компании (выручка, себестоимость, прибыль, денежные потоки), маржинальность и структура затрат, драйверы P&L, экономика продукта/услуги, логика ценообразования, цепочка создания стоимости и каналы продаж; умение связывать управленческие решения с доходами и затратами
• наличие реализованных кейсов (рабочих): агент/валидатор/прототип с измеримым приростом качества и наглядным «до/после»
• навыки python + аналитика данных: Jupyter, pandas, numpy, scipy, базовые методы scikit-learn, визуализация (matplotlib/plotly)
• LLM-грамотность: понимание промптов и контекста, строгого JSON/схем, function calling на уровне концепции, ключевых параметров инференса (temperature, top_p) и их влияния на поведение
• понимание экосистемы агентов: GigaChat SDK, LangGraph, GigaChain, LangChain, LlamaIndex
• умение пользоваться инструментами для агента: RAG, GraphRAG, KAG, MCP; опыт вызова инструментов через function calling.

• комфортный современный офис рядом с м. Кутузовская (офисный формат работы)
• расширенный ДМС с первого дня и льготное страхование для близких
• подписка Прайм с возможностью совместного использования на трёх близких
• корпоративная пенсионная программа
• гибкий дисконт по ипотечному кредиту 1/3 ключевой ставки ЦБ
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• вознаграждение за рекомендацию друзей в команду Сбера.