Лидер круга Продукт / Tech Lead React, TypeScript
Оценка ИИОтличное предложение с высокой рыночной зарплатой, работой над передовым AI-продуктом и широкими полномочиями. Компания ПравоТех является известным игроком в LegalTech, что гарантирует интересные задачи и профессиональный рост.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена сочетанием ролей Tech Lead и Product Owner. Требуется не только глубокая техническая экспертиза в React/TS и Python, но и опыт работы с AI-интерфейсами, а также сильные навыки продуктовой аналитики и управления командой.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредложенная зарплата (600-700к руб.) находится на верхней границе рынка для позиций Tech Lead в России, значительно превышая медиану для Senior/Lead разработчиков. Это соответствует высокому уровню ответственности, совмещающему техлидство и управление продуктом.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
*➡️ВАКАНСИЯ: Лидер круга Продукт / Tech Lead React, TypeScript*
600 000 - 700 000 ₽
**ПравоТех — продуктовая IT-компания.
Мы развиваем ПравоКонсультант — AI-сервис, который помогает человеку пройти путь от жизненной ситуации до юридического результата:** разобраться с долгом, увольнением или разводом, подготовить документ или план действий.
Главный результат вашей работы — рост доли пользователей, получивших полезный результат: расчёт, план или документ. Важно, сколько шагов и времени для этого потребовалось, дошёл ли пользователь до оплаты и вернулся ли с новой задачей.
Для этой роли особенно важны
От 3 лет личной разработки на TypeScript и React в продуктах с реальными пользователями.
Опыт руководства командой от 4 инженеров, включая найм и развитие сотрудников.
Опыт выпуска пользовательских AI-интерфейсов в работающий продукт.
Измеримые результаты по пользовательским метрикам и опыт работы с воронками и A/B-тестами.
Опыт AI-интерфейсов и результаты по пользовательским метрикам могут быть из разных проектов. Подойдут как внешние сервисы, так и внутренние продукты с реальными пользователями.
Чем предстоит заниматься
Развивать пользовательскую часть сервиса: чаты с AI-агентами, совместную работу над делом, редактор документов, мобильное приложение и подключение через MCP.
Создавать единую систему интерфейсных компонентов: анкеты, расчёты, планы, документы и сравнения. Новые возможности агентов должны появляться у пользователей без отдельной разработки интерфейса для каждого сценария.
Лично проектировать и разрабатывать ключевые части продукта на TypeScript и React, проводить ревью кода.
Читать и проверять изменения в продуктовых сервисах на Python.
Развивать тарифы, биллинг, лимиты и оплату за результат.
Находить этапы, на которых пользователи прекращают сценарий, проверять гипотезы и оценивать результаты экспериментов.
Обеспечивать стабильность и скорость интерфейса, надёжность длительных агентных задач, которые могут занимать 10–30 минут.
Нанимать и развивать инженеров, организовывать работу команды и регулярный выпуск изменений.
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- React
- TypeScript
- Python
- A/B Testing
- Product Analytics
- Team Management
- AI Interfaces
- MCP
Возможные вопросы на собеседовании
Проверка опыта работы с длительными асинхронными процессами в UI, что критично для AI-задач.
Как вы обеспечиваете отзывчивость интерфейса и информирование пользователя при выполнении агентных задач, занимающих 10–30 минут?
Оценка навыков масштабирования разработки через компонентный подход.
Расскажите о вашем опыте создания систем интерфейсных компонентов, которые позволяют добавлять новые сценарии без написания нового кода для каждого случая.
Проверка продуктового мышления и умения работать с данными.
Приведите пример, когда на основе анализа воронки или A/B-теста вы приняли решение об изменении технической архитектуры продукта.
Оценка навыков управления и найма.
Каков ваш подход к найму и развитию инженеров в условиях быстрорастущего AI-продукта? На что вы обращаете внимание в первую очередь?
Проверка технической гибкости и умения работать с бэкенд-стеком.
Насколько комфортно вам проводить код-ревью сервисов на Python и как вы выстраиваете взаимодействие между фронтенд и бэкенд частями в контексте MCP?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
