Контекст и миссия
Наша организация уже глубоко в AI: десятки команд работают с LLM, несколько платформ, GPU-кластеры, gateway-решения, инструменты для разработчиков. Для нас это не проблема — это сигнал, что организация экспериментирует и строит. Задача этой роли — не остановить это разнообразие. А понять, где общие решения приносят реальную пользу, а где создают только overhead и замедляют команды. Где дублирование дешевле координации — там не трогаем. Где есть дорогой, критичный ресурс — там нужна единая точка владения. Эта граница не очевидна и постоянно смещается.
AI Common Services — внутренний продукт, который решает именно эту задачу. Его пользователи — инженеры, дата-сайентисты и продакты, которые строят AI-решения: ускоряют кредитные решения, автоматизируют поддержку, снижают операционные риски. Все они теряют время, когда сталкиваются с инфраструктурными барьерами. Владелец этого продукта не просто убирает эти барьеры — он меняет то, как команды думают об AI, как выглядит их SDLC, как организация в целом извлекает из AI конкурентное преимущество. В каком-то смысле — строит собственный Anthropic изнутри.
Это классическая продуктовая задача, но в сложном контексте. Есть пользователи с реальными болями, организационные границы, технические и бюджетные ограничения, стейкхолдеры с разными приоритетами, регуляторный контекст, который меняется быстрее дорожных карт. Хороший продакт здесь не борется с этими ограничениями — он работает с ними как с материалом. Постоянно задаёт вопросы: это реальное ограничение или просто так исторически сложилось? Что за этой границей? Где есть пространство для манёвра, которое мы ещё не исследовали?
Это требует постоянной рефлексии о контексте. Команды меняются, рынок меняется, появляются новые инструменты. Часть работы — непрерывно обновлять свой контекст и принимать решения на основе актуальной информации, а не устаревших assumption. Технологии здесь — не самоцель и не главная квалификация. Они контекст, в котором живёт продуктовая задача. Понимать их достаточно, чтобы вести осмысленный диалог с инженерами — нужно. Быть инженером — нет.
Мы вам доверим
Понимать пользователей и контекст — постоянно
- Регулярно разговаривать с командами-потребителями: что тормозит их прямо сейчас, где они тратят время, что обходят самостоятельно — и почему.
- Исследовать ограничения: какие из них реальные, а какие — инерция прошлых решений. Следить за тем, как меняется организация и рынок.
Принимать осознанные стратегические решения
- Формулировать продуктовую стратегию: что строим, в каком порядке и почему.
- Определять, что централизовать, а что оставить командам — через реальный TCO, пользовательский опыт и скорость.
- Оценивать build vs buy vs adopt vs share для каждого компонента и пересматривать эти решения по мере изменения контекста.
Работать с командой над решением
- Формулировать задачи через проблему пользователя, а не через техническое решение. Участвовать в обсуждениях с инженерами как партнёр.
- Расставлять приоритеты в бэклоге, измерять adoption и time-to-value, итерироваться на основе данных.
Двигать организацию к AI-native разработке
- Участвовать в формировании AI-native SDLC: помогать командам менять подход к разработке, а не просто давать им инструменты.
- Делать этот самый AI SDLC в своей команде и быть примером.
Работать со стейкхолдерами
- Выстраивать диалог с CTO, CDO и лидерами AI-команд: согласовывать стратегию, управлять ожиданиями.
- Объяснять приоритеты и trade-off на языке бизнес-ценности: почему одно централизуем, другое — намеренно не трогаем.
Наши ожидания
Для вас любая задача начинается с вопроса «кто пользователь и что ему мешает?», а не «какое техническое решение нам нужно». Вы умеете работать в сложных организационных контекстах, где нет одного очевидного правильного ответа, где у каждого стейкхолдера своя правда, а ограничения нужно сначала понять, прежде чем с ними что-то делать. Вы не избегаете этой сложности — она вас привлекает, потому что именно там и живёт настоящая продуктовая задача. При этом вы достаточно ориентируетесь в AI/ML-технологиях, чтобы разговаривать с инженерами по существу — понимать контекст их решений, задавать осмысленные вопросы, не теряться в техническом обсуждении.
Обязательно
- Опыт в product management от 4+ лет, желательно с platform, infrastructure или B2D-продуктами.
- Умение проводить discovery в технически сложной среде: интервью, анализ паттернов использования, работа с данными.
- Способность принимать приоритизационные решения в условиях неопределённости и объяснять их стейкхолдерам.
- Базовое понимание AI/ML-стека — достаточно для содержательного диалога с инженерами.
- Опыт работы с продуктовыми метриками и доказанный ROI от технологических продуктов.
Будет плюсом
- Понимание LLM-экосистемы: как команды используют модели, где возникают узкие места.
- Опыт построения developer-facing продуктов: внутренних платформ, API, SDK.
- Опыт проведения организации через технологическую трансформацию.
Мы предлагаем
- Настоящая продуктовая задача — без готового ответа. Реальные пользователи, реальные ограничения, реальные компромиссы. Нужно найти путь, который работает именно в этой организации — и пересматривать его по мере того, как всё вокруг меняется.
- Трансформационный масштаб. Возможность изменить то, как организация работает с AI на всех уровнях: задать стандарты, сформировать культуру, создать основу, на которой другие строят то, что раньше казалось невозможным.
- Высокий leverage и стратегический момент. Одно хорошо принятое решение влияет на скорость и стоимость десятков команд одновременно. Организация в начале этой трансформации — и вы будете формировать то, каким станет AI-native банк.
- Культура открытой обратной связи и взаимопомощи.
- Заработная плата в соответствии с рынком, ДМС со стоматологией с первых дней работы, доплаты по больничным листам, различные виды страхования, а также льготные условия на продукты банка и партнеров.
- Бесплатные индивидуальные консультации психологов, юристов, экспертов по личным финансам и консультантов по здоровому образу жизни, карьерные консультации.
- Комфортный гибридный формат работы.
