1. Аудит и формирование гипотез:
-Проводить аудит бизнес-процессов компании для выявления точек роста за счёт внедрения ИИ.
-Формировать и приоритизировать портфель AI-инициатив, оценивать потенциальный экономический эффект.
-Переводить бизнес-задачи на язык данных: формулировать гипотезы, определять метрики успеха.
2. Управление внедрением:
-Координировать пилотные проекты и кросс-функциональные команды (бизнес-заказчики, data-инженеры, разработчики, подрядчики).
-Управлять полным циклом внедрения AI-решений: от пилота до промышленной эксплуатации и масштабирования.
-Выстраивать процесс интеграции моделей/сервисов в существующие ИТ-системы компании (ERP и пр.) совместно с Управлением ИТ.
3. Работа с изменениями и людьми:
-Готовить и проводить обучение конечных пользователей, демонстрировать ценность новых инструментов.
-Управлять сопротивлением изменениям, формировать культуру data-driven принятия решений.
-Разрабатывать внутреннюю документацию, регламенты и инструкции по использованию AI-решений.
4. Мониторинг и развитие:
-Контролировать эффективность внедрённых AI-сервисов, организовывать мониторинг качества работы моделей.
-Анализировать рынок AI-продуктов и вендоров, готовить рекомендации по технологическому стеку.
-Обеспечивать соблюдение требований информационной безопасности и защиты данных.
Требования к кандидату:
Профессиональные компетенции:
-Опыт внедрения: успешный опыт реализации не менее 2–3 проектов по внедрению AI/ML-решений в бизнес-среду (или смежных ИТ-проектов трансформации).
-Понимание технологий: знание жизненного цикла ML-моделей, базовых принципов работы NLP, Computer Vision, предиктивной аналитики; понимание, какие задачи решаются классическим ML, а какие — генеративным ИИ (LLM, RAG).
-Аналитика: умение работать с данными: продвинутый Excel, знание SQL, опыт работы с BI-инструментами.
-Владеть языками программирования (Python).
-Интегрировать решения: работать с API, использовать инструменты автоматизации.
-Иметь опыт DevOps (будет плюсом): знать Docker, Git, базовые принципы CI/CD для развертывания и поддержки решений.
-Базовые знания в области информационной безопасности (конфиденциальность данных, 152-ФЗ в контексте ML-моделей)
Личные качества:
-Системное мышление и способность видеть картину целиком, связывая технологии и бизнес-результат.
-Навыки эффективной коммуникации: умение объяснять сложные концепции ИИ простым языком для руководства и конечных пользователей.
-Проактивность и готовность брать на себя ответственность за результат внедрения, а не только за сервис.
-Устойчивость к неопределённости: готовность работать в условиях меняющихся требований и быстро осваивать новые технологии.