Руководитель внедрения AI в продуктовую разработку / LLM SDLC Lead
Описание
Мы развиваем систему дистанционного банковского обслуживания физических лиц и платформу электронной коммерции. В двух продуктовых командах работают около 30 человек, планируем рост до 50.Команды уже используют LLM для разработки и системного анализа, а продакты и дизайнеры экспериментируют с созданием интерфейсов с помощью Claude и Figma. Следующий шаг — сделать эти практики доступными, воспроизводимыми и эффективными для всех участников продуктового процесса. Ищем человека, который возьмёт на себя развитие AI-практик и инструментов на всём жизненном цикле продукта: от исследования потребностей и подготовки требований до разработки, тестирования, выпуска и оценки результатов. Цель роли:Сократить Time to Market, повысить качество выпускаемых изменений и улучшить экономику продуктовой разработки за счёт системного применения LLM.Вместе с продуктовыми и техническими руководителями вы будете определять, где AI приносит наибольший эффект, внедрять рабочие решения и подтверждать результат метриками. Наша технологическая среда:Backend: Java, Spring, Groovy.Frontend: Flutter, Vue.js.Среда разработки и инструменты: OpenCode / OpenChamber, Coder, GitLab.Используемые AI-сервисы и модели: ChatGPT, Kimi, Claude.Дизайн и прототипирование: Figma и инструменты создания интерфейсов на базе LLM.Перспективные направления — поиск по внутренним знаниям о продуктах и системах на базе RAG, а также оркестрация работы AI-агентов с участием человека в контрольных точках — Human in the Loop. Чем предстоит заниматься: Развивать программу внедрения AI. Исследовать работу команд, находить потери времени и качества, формировать и приоритизировать инициативы по ожидаемому эффекту, стоимости и сложности внедрения. Внедрять сценарии на всём SDLC. Помогать продактам проверять гипотезы, аналитикам готовить требования и оценивать влияние изменений, дизайнерам создавать прототипы, разработчикам писать и проверять код, QA — готовить и выполнять проверки. Организовать доступную рабочую среду. Совместно с инфраструктурной командой и ИБ решать вопросы доступа, учётных записей, моделей, лимитов и интеграций. Сделать подключение нового сотрудника к AI-инструментам понятным и быстрым. Выбирать и оценивать инструменты. Сравнивать модели и решения на реальных задачах наших команд: по качеству, полной стоимости выполнения задачи, скорости и ограничениям использования. Создавать повторно используемые практики. Развивать инструкции для агентов, шаблоны контекста, навыки, типовые сценарии и критерии проверки результатов. Обеспечивать их актуальность и версионирование. Обучать команды. Оценивать навыки сотрудников, проводить практические занятия на рабочих задачах, сопровождать внедрение и развивать внутренних экспертов в каждой команде. Развивать работу с внутренними знаниями. Определять источники и владельцев информации для RAG, требования к актуальности, разграничению доступа и качеству ответов со ссылками на первоисточники. Внедрять управляемые агентные процессы. Проектировать последовательности работы агентов и сотрудников: передачу контекста, проверки, согласования, обработку ошибок, журналирование и восстановление после сбоев. Обеспечивать качество и контролируемость. Совместно с техническими руководителями и ИБ определять допустимые данные, права агентов и обязательные проверки перед включением результата в продукт. Измерять эффект. Отслеживать сроки, трудозатраты, доработки, дефекты и затраты на AI. Масштабировать работающие решения и прекращать эксперименты, которые не дают подтверждённой пользы. Что мы ожидаем: Опыт разработки и внедрения программных продуктов, понимание полного SDLC. Опыт работы в роли технического лидера, engineering manager, архитектора или руководителя инженерных изменений. Практический опыт использования LLM и coding agents в реальных проектах: работа с репозиториями, контекстом, инструментами, тестами и проверкой результатов. Способность самостоятельно собрать прототип интеграции, разобраться в коде и CI/CD, воспроизвести проблему и обсудить решение с разработчиками. Понимание архитектуры корпоративных приложений; уверенное знание одного из основных стеков разработки и способность работать с нашей технологической средой. Умение внедрять изменения через обучение, совместную работу и измеримый результат. Навыки оценки эффективности: построение исходных метрик, постановка экспериментов, расчёт затрат и интерпретация результатов. Умение взаимодействовать с продактами, аналитиками, дизайнерами, разработчиками, QA, инфраструктурой и ИБ. Будет преимуществом Опыт в банковских продуктах, финтехе или электронной коммерции.Знакомство с Coder, GitLab, OpenCode / OpenChamber. Практика создания RAG-систем и оценки качества поиска и ответов. Опыт оркестрации агентов и процессов Human in the Loop. Опыт работы с дизайн-системами и переноса AI-прототипов в промышленный frontend. Примеры внедрений с подтверждённым влиянием на сроки, качество или стоимость разработки. Что мы предлагаем: Достойное вознаграждение: Конкурентный оклад + годовая премия по результатам KPI; Развитие: Бесплатное обучение, тренинги, опытные наставники; Комфорт: Удобный график 5/2 (пятница – сокращенный день), корпоративная библиотека, ДМС после испытательного срока; Команда: Дружный коллектив и поддержка опытного руководителя.