найти ценный процесс → разобраться в потребностях пользователей → сформулировать гипотезу → быстро собрать прототип → проверить эффект → организовать промышленное внедрение → обеспечить использование и масштабирование решения.

В первые 6–9 месяцев основной фокус роли — автоматизация внутренних процессов и повышение эффективности команд MANGO OFFICE.

Развитие клиентских AI-возможностей также входит в контур роли, но будет вестись совместно с владельцами соответствующих продуктов.

Какие возможности и ресурсы будут на старте

Это не роль, в которой нужно в одиночку ходить по подразделениям, собирать идеи и ждать свободных разработчиков.

У AI Product Lead будут:

• выделенная команда разработки для реализации AI-инициатив;
• возможность привлекать специалистов четырёх команд внутреннего продуктового поезда;
• доступ к командам 1С, CRM, биллинга и внутренних веб-продуктов для интеграций и промышленного внедрения;
• прямое взаимодействие с продуктовыми и функциональными руководителями;
• участие в определении приоритетов AI-направления;
• поддержка аналитиков, архитекторов, инфраструктуры и информационной безопасности;
• возможность использовать готовые AI-инструменты, внешние платформы и партнёрские решения;
• возможность сформировать ядро AI-команды и определить модель её дальнейшего развития;
• доступ к реальным процессам компании из более чем 1000 сотрудников;
• возможность развивать AI-сценарии как внутри MANGO OFFICE, так и в продуктах для корпоративных клиентов.

У роли будет достаточно ресурсов, чтобы не ограничиваться исследованиями и презентациями, а быстро переходить к прототипам и внедрениям.

Чем предстоит заниматься

Искать сильные AI-сценарии

• Изучать процессы бизнес- и продуктовых подразделений.
• Находить ручной труд, потери времени, ошибки, узкие места и возможности роста.
• Проводить интервью и наблюдать за работой пользователей.
• Анализировать процессы, данные и экономику операций.
• Помогать внутренним заказчикам превращать неструктурированные запросы в понятную продуктовую постановку:
  • проблема;
  • пользователь;
  • текущий процесс и исходные показатели;
  • гипотеза;
  • первая рабочая версия решения;
  • ожидаемый эффект;
  • критерии успеха.
• Отделять задачи, где действительно нужен AI, от задач, которые разумнее решить обычной автоматизацией.

Быстро проверять гипотезы

• Лично участвовать в создании первых прототипов наиболее перспективных решений.
• Использовать LLM API, Cursor, Copilot, Claude, OpenAI, GigaChat, YandexGPT, n8n, Make и аналогичные инструменты.
• Самостоятельно или вместе с командой собирать простых AI-агентов, RAG-сценарии, помощников, интеграции и цепочки автоматизации.
• Проверять не только техническую работоспособность, но и реальную ценность решения для пользователя.
• Оценивать качество, устойчивость, стоимость, время ответа, риски ошибок и требования к эксплуатации.

Мы не ожидаем, что AI Product Lead будет каждый день писать промышленный код. Но важно уметь самостоятельно пройти путь от гипотезы до работающего прототипа и предметно обсуждать решение с разработчиками, аналитиками и архитекторами.

Доводить решения до внедрения

• Управлять полным жизненным циклом AI-решений: от идеи до промышленной эксплуатации.
• Запускать пилоты с заранее определёнными исходными показателями, целевыми метриками и критериями масштабирования.
• Вместе с командами определять архитектуру, интеграции, требования к данным, наблюдаемости, информационной безопасности и сопровождению.
• Встраивать решения в реальные системы и рабочие процессы.
• Отвечать не только за запуск, но и за фактическое использование решения сотрудниками или клиентами.
• Останавливать инициативы, которые не подтверждают ценность.
• Масштабировать решения, которые доказали эффект.

Считать бизнес-эффект

• Оценивать влияние AI-инициатив на:
  • выручку и финансовый результат;
  • трудозатраты;
  • скорость выполнения процессов;
  • стоимость одной операции;
  • качество обслуживания;
  • количество ошибок;
  • конверсию;
  • клиентский опыт;
  • производительность команд.
• При оценке учитывать не только потенциальную пользу, но и полную стоимость владения: использование моделей, инфраструктуру, интеграции, сопровождение и контроль качества.

Управлять портфелем AI-инициатив

• Создать понятный процесс приёма, критической оценки и приоритизации AI-запросов.
• Формировать прозрачный перечень инициатив, в котором для каждой задачи указаны:
  • проблема;
  • владелец;
  • приоритет;
  • состояние;
  • ожидаемый эффект;
  • стоимость;
  • риски;
  • зависимости;
  • следующий шаг.
• Формировать и приоритизировать список задач AI-направления.
• Согласовывать работу бизнеса, продукта, разработки, аналитики, информационной безопасности, архитектуры и инфраструктуры.
• Готовить для руководства понятную картину: ход работ, полученный эффект, риски, препятствия и необходимые решения.

Развивать AI-возможности продуктов

• Совместно с продуктовыми командами искать и проверять AI-сценарии в направлениях:
  • контакт-центр;
  • продажи;
  • клиентская поддержка;
  • речевая аналитика;
  • контроль качества коммуникаций;
  • подсказки операторам и менеджерам;
  • AI-помощники и AI-агенты;
  • автоматизация обработки обращений;
  • самостоятельное обслуживание клиентов;
  • поиск закономерностей и точек роста в коммуникациях.
• AI Product Lead не заменяет владельцев продуктов, а помогает им быстрее находить, проверять и масштабировать сильные AI-возможности.

Развивать культуру практического применения AI

• Сформировать ядро AI-команды.
• Создать сообщество сотрудников, которые будут продвигать практическое использование AI внутри продуктовых и бизнес-подразделений.
• Помогать командам применять AI-инструменты в ежедневной работе.
• Создать понятные правила:
  • как искать AI-сценарии;
  • как описывать гипотезы;
  • как собирать прототипы;
  • как запускать пилоты;
  • как считать эффект;
  • как безопасно работать с корпоративными данными.
• Проводить внутренние демонстрации, разборы практических примеров и рабочие встречи с командами.

Наша цель — развивать культуру практического применения AI через реальные результаты, а не через общие лекции о возможностях искусственного интеллекта.

Кого мы ищем

• Опыт от трёх лет в роли Product Manager, Product Owner, Product Lead, руководителя цифровых продуктов или руководителя аналитики с ответственностью за запуск решений.
• Практический опыт работы с AI-продуктами, ML/LLM-решениями или автоматизацией бизнес-процессов.
• Опыт прохождения полного цикла: от проблемы и гипотезы до внедрения и измерения результата.
• Умение разбираться в сложных и неструктурированных бизнес-процессах.
• Умение проводить интервью, исследовать потребности пользователей и проверять продуктовые гипотезы.
• Способность превращать запрос бизнеса в первую рабочую версию решения, требования, список задач и измеримый результат.
• Умение считать и защищать бизнес-эффект.
• Опыт работы с разработчиками, аналитиками, ML/AI-специалистами, архитекторами, информационной безопасностью и бизнес-заказчиками.
• Готовность лично погружаться в процессы, данные и прототипы.
• Самостоятельность, системное мышление и ориентация на внедрение.

Нам будет сложнее сработаться, если основной опыт кандидата связан только с подготовкой AI-стратегий, управлением исследованиями или запуском пилотов без дальнейшего промышленного внедрения.

Техническая экспертиза

Важно понимать:

• принципы работы LLM;
• устройство AI-агентов и агентных сценариев;
• RAG;
• векторные представления данных и векторный поиск;
• проектирование запросов к языковым моделям;
• подключение внешних инструментов и вызов функций;
• API-интеграции;
• REST API, вебхуки и JSON;
• базовую архитектуру AI-решений;
• способы оценки качества и устойчивости результата;
• причины возникновения фактических ошибок и выдуманных ответов модели, а также способы их ограничения;
• время ответа и стоимость обработки;
• требования к данным, информационной безопасности и персональным данным;
• отличие прототипа от устойчивого промышленного решения.

Будет плюсом

• Опыт в B2B SaaS, корпоративных продуктах или решениях для крупного бизнеса.
• Опыт запуска нового продуктового или технологического направления с нуля.
• Опыт автоматизации внутренних процессов.
• Опыт работы с телефонией, контакт-центрами, CRM, речевая аналитика, продажами или поддержкой.
• Опыт создания RAG-систем, корпоративных баз знаний, AI-помощников или AI-агентов.
• Практический опыт с агентской разработкой (наличие реального кейса)
• Базовое знание Python, SQL или опыт работы с API.
• Опыт подготовки материалов для стратегических комитетов и управленческих обзоров.

Ожидаемые результаты за первые 6 месяцев

• Проведён анализ существующих AI-инициатив, процессов, инструментов и компетенций.
• Сформирована карта возможностей применения AI в MANGO OFFICE.
• Определены и оценены 10–15 наиболее ценных AI-сценариев.
• Запущен прозрачный процесс приёма и приоритизации инициатив.
• От четырёх до шести инициатив дошли до работающего прототипа или пилотного запуска.
• От двух до трёх решений запущены в регулярное использование.
• Минимум по одному решению подтверждён измеримый финансовый или операционный эффект.
• Для внедрённых решений измерены исходные показатели, фактическое использование, качество и стоимость эксплуатации.
• Сформировано ядро AI-команды и модель взаимодействия с бизнес- и продуктовыми подразделениями.

Как мы будем оценивать успех

• Количество инициатив, перешедших от идеи к прототипу.
• Количество пилотов, дошедших до промышленного использования.
• Доля решений с подтверждённым бизнес-эффектом.
• Влияние на финансовый результат, производительность, скорость процессов, качество и клиентский опыт.
• Фактическое использование внедрённых решений.
• Скорость проверки гипотез.
• Устойчивость и стоимость эксплуатации AI-систем.
• Прозрачность портфеля AI-инициатив.
• Способность команды регулярно находить и запускать новые AI-сценарии.

Почему это интересная роль

• Можно построить AI-направление в крупной и зрелой российской ИТ-компании.
• Есть выделенная команда разработки — не придётся ограничиваться исследованиями и презентациями.
• Есть доступ к специалистам четырёх продуктовых команд для интеграций и масштабирования решений.
• Можно работать одновременно с внутренними процессами и клиентскими B2B-продуктами.
• MANGO OFFICE работает с голосом, текстовыми коммуникациями, продажами, поддержкой и контакт-центрами — это широкий набор прикладных AI-сценариев.
• Есть возможность быстро проверять гипотезы и видеть результат в реальных бизнес-показателях.
• У роли высокая самостоятельность и прямое взаимодействие с продуктовыми, функциональными и техническими руководителями.
• По мере развития направления AI Product Lead сможет расширять команду, контур ответственности и влияние внутри компании.

Формат работы

• Полная занятость.
• Формат работы обсуждается индивидуально.
• Регулярное взаимодействие с продуктовыми командами, бизнес-подразделениями, разработкой, аналитики, архитектурой, инфраструктурой, информационной безопасностью и руководством компании.

Этапы отбора

• Отклик и короткое сопроводительное письмо.
• Первичное интервью.
• Встреча с продуктовым руководителем.
• Экспертная встреча по AI-сценариям и подходу к внедрению.
• Финальная встреча.
• Предложение о работе.

Что важно указать в сопроводительном письме

Коротко опишите один или два примера запуска AI-продукта, AI-сервиса или автоматизации:

• какой бизнес или процесс вы меняли;
• какую проблему решали;
• как выглядел исходный процесс;
• какое решение было запущено;
• какие инструменты использовались;
• как решение было встроено в регулярную работу;
• какой измеримый эффект был получен;
• сколько пользователей применяли решение;
• что именно вы сделали лично;
• дошло ли решение до промышленной эксплуатации.

Отклики с конкретными и проверяемыми примерами будем рассматривать в первую очередь.

Ждем откликов в tg @AlinaKharchenkoHR