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 budowę aplikacji głosowych, systemów rozpoznawania mowy, analizę danych w czasie rzeczywistym oraz integrację rozwiązań uczenia maszynowego z istniejącymi systemami biznesowymi.

• Minimum 4 lata doświadczenia jako Product Owner / Product Manager.
• Minimum 1 rok praktycznego doświadczenia z produktami Generative AI / LLM.
• Doświadczenie w Discovery, walidacji hipotez, priorytetyzacji backlogu i pracy z metrykami produktu.
• 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 aspektów prawnych takich jak AI Act, RODO, transparentność i audytowalność 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 oraz kwestionowania założeń.

• 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 rekomenduje, a które wymagają zatwierdzenia przez człowieka.
• Zarządzanie jakością produktu oraz 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 wykorzystanie 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 oraz 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.