Менеджер продукта AI
Описание
Чем предстоит заниматься Продукт — главное: Вести агентный продукт полного цикла: исследование пользователей, гипотезы, приоритизация, запуск, итерации после запуска. Формировать и защищать roadmap перед руководителем направления: что делаем, что не делаем и почему. Принимать продуктовые решения на уровне фичи: где пользователю нужен агент, а где достаточно простого детерминированного сценария — и уметь обосновать это команде и стейкхолдерам. Писать чёткие продуктовые требования к агентным фичам: сценарии, границы допустимого поведения агента, критерии готовности. Качество как продуктовая метрика: Владеть качеством продукта на уровне eval-ов: вместе с командой определять, что такое «агент справился», собирать golden-сет из реальных пользовательских задач, разбирать failure modes Определять планку качества для релиза: фича не уходит в прод, пока метрики не подтверждают, что она работает. Следить за качеством после релиза: дрейф, жалобы пользователей, разборы инцидентов вместе с командой. Экономика продукта Держать unit-экономику: стоимость успешной задачи, конверсия, retention. Находить баланс качество / латентность / цена и превращать его в продуктовые решения. Считать и защищать бизнес-эффект фич до и после запуска. Команда и стейкхолдеры Работать в паре с техлидом: декомпозировать roadmap на понятные команде задачи, снимать неопределённость до начала разработки. Синхронизироваться с руководителем направления, дизайном и безопасностью; вовремя эскалировать риски и блокеры. Быть голосом пользователя внутри команды: приносить инженерам контекст, а не только тикеты. Требования: 3–6 лет опыта продакт-менеджером, из них заметная часть — на технологических или платформенных продуктах Запущенные в прод LLM-фичи или продукты (не пилоты и не демо): вы понимаете, как устроены агенты, RAG, tool-use — на уровне, достаточном для предметного разговора с инженерами. Опыт работы с качеством ML/LLM-продуктов: метрики, eval-ы, разбор ошибок модели — вы понимаете, почему «агент иногда ошибается» — это продуктовая проблема, а не только инженерная Сильная работа с данными: сами формулируете метрики, считаете эффект, принимаете решения на цифрах Умение говорить с инженерами на их языке и защищать решения перед бизнесом Будет плюсом: Инженерный или аналитический бэкграунд (Python, SQL — на уровне «могу сам посмотреть данные»). Опыт с unit-экономикой инференса: понимание, из чего складывается стоимость LLM-продукта. Опыт discovery в b2b / платформенных продуктах.