Менеджер продукта AI

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.