ИТ лидер кластера Мотивация

01 октября 2026 • г Москва • ПАО Сбербанк • Высший и средний менеджмент:Технический директор (CTO)

В кластере несколько продуктов для расчетов результативности сотрудников банка:

Сервисы расчета результативности (от расчета показателей в КПЭ до учета этих данных в премии сотрудника)
AI-Ассистент для консультации сотрудников продающих ролей по статусу учета продаж сотрудника в результативности
Сервисы ведения и рекомендаций финансовых целей для руководителей ТОП-600
Расчета стоимости встреч в Jazz
Сервисы ведения продуктовых атрибутов B2C, B2B для ведения расчетов финансовых показателей на единой модели данных платформы FinAl

По тех теку решения делятся на:

Greenplum, Hadoop - ежедневный учет продаж физической сети банка (соблюдений критериев мотивации)
PHP и Java - расчет сводных коэффициентов результативности для целей премирования
собственная платформа ЕРМ - конструктор методик премирования, связи с моделями планирования (бизнеса, численности).

Команда кластера 50 человек, распределена на 3 города: Москва, Нижний Новгород и Воронеж.

определение целевой архитектуры решений кластера, как части ЕРМ платформы, обеспечивающей автономные бизнес процессы на базе AI
контроль соответствия, разрабатываемого ПО архитектурным требованиям, технический и архитектурный контроль процессов разработки систем
разработка и исполнение ИТ стратегии развития продукта
формирование дорожных карт инициатив
подбор, развитие компетенции сотрудников, управление их мотивацией и карьерными треками;
выстраивание взаимодействия с кросс-командами, выявление и устранение проектных и кросс-проектных ИТ рисков
управление бюджетами проектов.

опыт разработки ПО от 5 лет в роли архитектора или руководителя команды разработки
опыт подбора, управления, развития и удержания IT-команд от 30 человек
опыт управления сложными высоконагруженными или критичными для бизнеса информационными системами, желательно в банковском или финансовом секторе
опыт формирования целевой архитектуры продукта и управления ее реализацией практический опыт построения AI-native решений: понимание того, как перестраивать архитектуру и процессы разработки с учетом применения AI, а не просто добавлять AI-функциональность в существующий продукт
понимание современных подходов к использованию генеративного AI, LLM, AI-агентов, RAG, ML/AI-пайплайнов, MLOps/LLMOps и принципов интеграции AI в корпоративные системы.

Будет плюсом

опыт работы с классическими BI-системами (Tableau, QlikView, SAP BW) или open-source решениями (Superset) или российскими BI-решениями
опыт проектирования, построения и внедрения информационно-аналитических систем, ETL, DWH и BI решений
опыт разработки систем бюджетирования, планирования или бизнес-анализа.