Директор по AI

Мы в поиске того, кто сможет построить AI-first operating model, при которой AI и LLM являются обязательным слоем:

– принятия управленческих решений,

– аналитики,

– работы с ИТ и данными.

Все ключевые решения менеджмента (риски, продукты, капитал, бюджеты, стратегия) проходят AI-оценку и сценарное тестирование.

Роль отвечает не за модели, а за качество управленческих решений и устойчивость бизнеса.

Ключевой принцип:

LLM — это не инструмент и не проект.

LLM — это интерфейс к компании и второй контур управления.

Обязанности:

1. AI как слой принятия решений (Decision Intelligence)

Проектирование и внедрение AI Decision Framework:

– стратегические инициативы,

– запуск и закрытие продуктов,

– изменения risk appetite,

– аллокация капитала,

– бюджеты и headcount.

Формализация принципа: No material decision without AI review.

Подготовка AI-меморандумов для CEO, ExCo и Board:

– сценарии,

– downside-риски,

– выявление ошибочных предпосылок.

2. Риски, капитал и устойчивость

Построение целостной AI-модели кредитного бизнеса:

риск → доходность → капитал → ликвидность.

Scenario & stress testing:

– по портфелям,

– по географиям,

– по регуляторным и макро-шокам.

AI-challenge ключевых риск-решений:

– лимиты,

– скоринг,

– pricing,

– collection стратегии.

Участие в risk governance как независимый AI-контур.

3. IT: AI-first архитектура

Формирование AI-first IT architecture совместно с CTO:

– данные,

– API,

– event streams,

– feature stores,

– доступ LLM к системам.

Проектирование LLM Gateway:

– единая точка доступа к моделям,

– контроль cost, latency, security,

– логирование и аудит outputs.

Стандарт: любая новая система должна быть AI-readable.

4. Аналитика: от BI к AI-native analytics

Трансформация аналитики:

– от SQL и дашбордов,

– к LLM-driven аналитике.

LLM как интерфейс к данным:

– natural language → данные,

– on-the-fly сценарии,

– объяснение драйверов.

Внедрение vibe-coding для аналитиков:

– LLM-генерируемый SQL и Python,

– быстрые симуляции вместо отчётов.

Создание AI Analytics Layer (LLM + RAG поверх данных).

Стандарты качества, explainability и воспроизводимости.

5. LLM как операционная система

LLM как интерфейс:

– к P&L,

– к рискам,

– к портфелю,

– к продуктовой экономике.

Замкнутый контур:

Данные → LLM → Решение → Outcome → обратная связь в модель.

Требования:

– 10+ лет опыта на стыке fintech / banking / lending, AI, управленческих решений,

– понимание кредитных портфелей, риск-метрик, P&L, капитала и ликвидности,

– опыт работы с CEO и Board.

Мы предлагаем:

• Гибкий формат работы: удаленно или офис в Москве/Малайзии.
• Участие в развитии международной финтех-группы.
• Прямое взаимодействие с CEO.