- Страна
- Россия
Эксперт направления пресейла решений AI/ML
Оценка ИИИнтересная роль на стыке технологий и бизнеса в известном интеграторе. Широкий спектр задач и работа с передовыми AI-технологиями делают вакансию привлекательной для опытных специалистов, стремящихся к экспертному развитию.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИВысокая сложность обусловлена необходимостью сочетать глубокую техническую экспертизу в ML (LLM, CV, Python) с навыками финансового планирования, продаж и управления рисками. Требуется опыт работы в интеграторах от 5 лет и умение защищать решения на уровне топ-менеджмента.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, однако для позиции эксперта пресейла с опытом от 5 лет в Москве рыночный диапазон составляет от 250 000 до 450 000 рублей. Итоговое предложение будет сильно зависеть от технического бэкграунда кандидата в ML и его опыта в продажах сложных решений.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
ТерраЛинк
Эксперт направления пресейла решений AI/ML
Опыт работы: 3–6 лет
Полная занятость
График: 5/2
Формат работы: удалённо или гибрид
*☑️* Чем предстоит заниматься
-Квалификация входящих запросов от тендерного отдела и аккаунт-менеджеров: реализуемость, целесообразность участия, риски
-Формирование решения и состава работ, оценка трудоемкости и состава команды
-Расчет бюджета проекта: трудозатраты, ставки, лицензии и оборудование, риски, маржинальность; подготовка ТКП
-Подготовка презентаций и демонстрационных прототипов, защита решения перед заказчиком
-Анализ причин проигранных пресейлов, повышение конверсии в контракты
-Упаковка собственных продуктов дирекции в тиражируемые предложения: состав, пакеты, цена, условия пилота
-Адаптация предложений под малый и средний бизнес (компактные пакеты вместо крупных проектов)
-Подготовка продуктовых и коммерческих материалов совместно с аккаунт-менеджерами и маркетингом
-Поиск партнеров и подрядчиков, работа с вендорами, заключение партнерских соглашений
-Выбор подхода и архитектуры ИИ-решения под задачу заказчика: языковые модели, машинное зрение, предиктивная аналитика
-Техническая оценка ИИ-проектов и постановка задач команде разработки
-Участие в найме и развитии команды: интервью, наставничество
*☑️* Наши пожелания к кандидатам
-Опыт ведения пресейлов в ИТ-интеграторе или продуктовой компании от 5 лет, в роли руководителя пресейла или технического лида от 2 лет
-Опыт расчета бюджета и экономики проектов заказной разработки: трудоемкость, ставки, риски, маржа
-Опыт подготовки ТКП, участия в тендерах и защиты решений перед руководством заказчика
-Опыт упаковки и ценообразования ИТ-продуктов или типовых решений
-Опыт построения контактов с потенциальными заказчиками и поиска информации в открытых источниках
-Знание ИИ/ML на уровне проектирования решений: LLM и RAG, машинное зрение, OCR, предиктивная аналитика; понимание, что реализуемо и во что обойдется
-Базовый практический опыт в ML (Python, scikit-learn, PyTorch или TensorFlow)
-Опыт работы с партнерами и подрядчиками
-Высшее техническое образование
Контакты: Откликнуться
*🔥* Подписаться на наши каналы / Откликнуться / Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- Scikit-learn
- PyTorch
- TensorFlow
- LLM
- RAG
- Computer Vision
- OCR
- Predictive Analytics
- Presale
Возможные вопросы на собеседовании
Проверка умения оценивать экономическую эффективность и риски проекта.
Расскажите о самом сложном кейсе расчета маржинальности AI-проекта: какие скрытые риски вы закладывали и как это повлияло на итоговое ТКП?
Оценка технической глубины в области современных языковых моделей.
Как бы вы спроектировали архитектуру RAG-системы для корпоративного заказчика с жесткими требованиями к безопасности данных?
Проверка навыков продуктовой упаковки.
Каков ваш алгоритм адаптации сложного кастомного ИИ-решения в тиражируемый продукт для сегмента SMB?
Оценка опыта взаимодействия с технической командой.
Как вы разрешаете конфликты между оценкой трудозатрат от разработчиков и ожиданиями заказчика по бюджету и срокам?
Проверка навыков работы с вендорами.
По каким критериям вы выбираете между использованием Open Source моделей и проприетарных решений (например, от крупных облачных провайдеров) при подготовке пресейла?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
