Product Manager, AI Analytics

Основные требования: — Образование: высшее техническое, математическое, экономическое, финансовое или в области информационных технологий / анализа данных — желательно. Профильное образование не является обязательным при наличии релевантного опыта в Product Management, data/BI или GovTech. — 4+ года продакт-менеджмента в B2B или GovTech, из них хотя бы 2 — с аналитическими или data-продуктами: BI, дашборды, отчётность, data-платформы. — Умение читать данные самостоятельно: SQL на уровне «написать запрос к витрине и проверить цифру», понимание того, как устроены витрины, справочники и права доступа к строкам. — Опыт вывода продукта в продуктив у нескольких клиентов с разными требованиями — и умение сказать «нет» кастомизации, которая ломает продукт. — Опыт работы с LLM-продуктами или сильное желание в них разобраться: что такое семантический слой для text-to-SQL, зачем нужен eval, где границы автономии агента. — Русский — свободно, письменно и устно; казахский — плюс; английский — читать документацию и общаться с вендорами. — Работа с Claude Code или аналогами в ежедневной практике либо готовность освоить за первый месяц. — Большим плюсом будет опыт в архитектуре. — Опыт проектирования data-платформ, хранилищ, витрин, интеграций между системами или переход с BI-инструмента на собственный портал. — Понимание, как разложить данные по контурам, опыт с Airflow или аналогами, опыт с PostgreSQL как аналитической базой. — Плюсом будет опыт в госсекторе Казахстана или с бюджетным процессом, опыт продаж или пилотов с государственными заказчиками, опыт построения продуктов с подпиской. Чем предстоит заниматься: — Вести аналитическое направление как единую продуктовую линейку: ИИ-аналитика по бюджетным данным, перенос отчётности на портал, новые разделы Цифрового паспорта, сводная аналитика для государственных заказчиков. — Держать границу продукта: что входит в платформу, а что продаётся отдельно — ваше предложение и аргументация перед руководством. — Владеть семантическим слоем как продуктом: какие витрины нужны, как они описаны и в каком порядке появляются. — Одна модель данных кормит и дашборды, и ИИ-агента. — Задавать планку качества ИИ-продуктов: eval-набор по каждому домену с эталонными ответами, собранными вместе с экспертами. — Работать с пользователями напрямую: экономисты и финансисты акиматов, консультанты в регионах. — Ставить задачи так, чтобы их можно было делать за дни: короткая история → проработка критериев приёмки и кликабельный прототип → утверждение → реализация → ревью → релиз. — Работать в таком ритме и задавать его команде. — Раз в месяц отчитываться перед руководством: статус, риски, что нужно для движения дальше. Условия: — Конкурентная заработная плата. — Корпоративная медицинская страховка. — Возможности для профессионального роста. — Офис на левом берегу в современном деловом центре. — Возможность влиять на развитие продукта и улучшение процессов клиентов.