AI Product Owner

Dla naszego Klienta z branży retail poszukujemy doświadczonego Product Ownera, który będzie odpowiedzialny za rozwój produktów wykorzystujących Generative AI, LLM oraz rozwiązania agentowe.

Projekty realizowane są w środowisku technologicznym opartym m.in. o Pythona oraz technologie AI/ML i obejmują między innymi budowę aplikacji głosowych, systemów rozpoznawania mowy, analizę danych w czasie rzeczywistym oraz integrację rozwiązań uczenia maszynowego z istniejącymi systemami biznesowymi.

Nasze oczekiwania:

Minimum 4 lata doświadczenia jako Product Owner / Product Manager.

Minimum 1 rok praktycznego doświadczenia z produktami GenAI/LLM.

Doświadczenie w Discovery, walidacji hipotez, priorytetyzacji backlogu i pracy z metrykami produktu, a także w eksperymentowaniu i podejmowaniu decyzji na podstawie danych.

Dobra znajomość możliwości i ograniczeń LLM oraz rozwiązań agentowych – m.in. RAG, pamięci, orkiestracji, human-in-the-loop, ewaluacji modeli oraz zależności między jakością, kosztem i latencją.

Świadomość najważniejszych aspektów AI Act, RODO, transparentności i audytowalności rozwiązań AI.

Umiejętność definiowania jasnych i mierzalnych kryteriów jakości dla rozwiązań niedeterministycznych oraz podejmowania decyzji dotyczących poziomu autonomii produktu.

Bardzo dobre kompetencje komunikacyjne i decyzyjne – umiejętność pracy przy niepełnych danych, zarządzania oczekiwaniami interesariuszy, kwestionowania założeń i świadomego reagowania na AI hype.

Ownership za produkt end-to-end – od identyfikacji problemu i potrzeb użytkownika, przez roadmapę i rozwój, po ocenę wartości biznesowej oraz decyzje o dalszym kierunku produktu.

Kluczowe odpowiedzialności:

Budowanie wizji i roadmapy produktu oraz priorytetyzacja backlogu z uwzględnieniem możliwości technologicznych, kosztów i ryzyka.

Prowadzenie Discovery, identyfikowanie rzeczywistych problemów użytkowników i walidowanie hipotez przed rozpoczęciem developmentu.

Definiowanie kryteriów akceptacji dla funkcji opartych na rozwiązaniach niedeterministycznych – z wykorzystaniem progów jakości, akceptowalnego poziomu błędu i scenariuszy obsługi niepowodzeń agenta.

Projektowanie zakresu autonomii rozwiązania – określanie, które działania agent wykonuje samodzielnie, które jedynie rekomenduje, a które wymagają zatwierdzenia przez człowieka.

Zarządzanie jakością produktu oraz jego kluczowymi metrykami, takimi jak adopcja, retencja, skuteczność realizacji zadań, poziom interwencji człowieka, zaufanie i satysfakcja użytkownika.

Projektowanie i prowadzenie eksperymentów, w tym A/B testów, stopniowych rolloutów i wykorzystania feature flag.

Zarządzanie ekonomią produktu – analizowanie kosztu realizacji pojedynczego zadania/użytkownika oraz wpływu wyboru lub zmiany modelu na jakość, koszt i latencję.

Podejmowanie decyzji go/no-go, a także świadome zamykanie funkcji lub kierunków rozwoju, które nie przynoszą oczekiwanej wartości.

Ścisła współpraca z analitykami GenAI, inżynierami, UX, Legal/Compliance oraz Security.

Zarządzanie oczekiwaniami interesariuszy i świadome komunikowanie ograniczeń oraz poziomu niepewności związanej z rozwiązaniami AI.