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

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.

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.

• 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).

• 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.