Продакт-менеджер в Кайтен
Оценка ИИСильная продуктовая культура, работа с современным стеком (AI/LLM) и прозрачные процессы в аккредитованной IT-компании. Удаленный формат и отсутствие бюрократии делают вакансию крайне привлекательной для опытных продактов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИВысокая планка требований к техническому бэкграунду (SQL/Python) и обязательному опыту работы с AI-инструментами. От кандидата ожидается полная автономность в аналитике и глубокое понимание метрик B2B SaaS.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, но для позиции Senior Product Manager с сильными техническими навыками и экспертизой в AI в российском B2B SaaS сегменте рыночные предложения обычно начинаются от 300 000 рублей. Учитывая требования к математическому бэкграунду и автономности, компания, вероятно, готова предлагать конкурентоспособную оплату выше среднего по рынку.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Продакт-менеджер в Кайтен
Курсы от редакции - https://t.me/productjobgo/1600
*🌍* Полностью удалённо, ТК РФ, аккредитованная IT-компания
Kaiten — B2B SaaS для управления проектами и процессами. Мы больше 10 лет на рынке, входим в реестр российского ПО. Среди клиентов крупнейшие банки, ритейл, промышленность и госсектор. ИИ у нас встроен в рабочие процессы: модели анализируют контекст, делают сводки и берут на себя рутинные решения.
Ищем продакта с сильным техническим или математическим бэкграундом, для которого большая запутанная задача — удовольствие, а не повод звать аналитика.
Что будете делать
— Владеть продуктовой зоной end-to-end и отвечать за метрику, а не за релиз
— Разбирать размытые проблемы до первопричины и строить модель, а не собирать список хотелок
— Проектировать AI-first сценарии: где модель заменяет шаг процесса, где ассистирует, а где её трогать нельзя
— Самому прототипировать с ИИ: скрипты, SQL, агенты, кликабельные прототипы, не дожидаясь разработки
— Самостоятельно ходить в данные и оценивать влияние фич на MRR и retention
— Регулярно говорить с клиентами, от небольших команд до enterprise
Кого ищем
— Техническое или математическое образование (прикладная математика, CS, физика, инженерия) или подтверждённый эквивалентный опыт
— 3+ года в B2B SaaS и кейсы, где вы сами нашли проблему, выпустили решение и сдвинули метрику, с цифрами
— ИИ в работе каждый день, с собственными артефактами: агенты, пайплайны, прототипы, скрипты
— SQL или Python на уровне «сам достаю и проверяю», понимание когорт и смещений выборки
— Понимание экономики подписки: MRR по компонентам, logo и revenue retention, NRR
Плюсом будет: опыт с LLM, RAG и агентами в продакшне, enterprise-опыт (права, безопасность, on-premise), Kanban, Scrum и JTBD на практике.
Условия: ДМС после 6 месяцев, оплачиваем корпоративный доступ к AI-инструментам, гибкое начало дня с 8 до 11, без многоуровневых согласований.
*📩* Резюме присылайте в телегу Откликнуться. В отклике в 3–5 предложениях расскажите о решении, которым гордитесь: какую проблему решали, как её нашли и как поняли, что сработало.
Курсы от редакции - https://t.me/productjobgo/1600
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- B2B
- SaaS
- SQL
- Python
- AI
- LLM
- RAG
- Kanban
- Scrum
- JTBD
- Data Analysis
- Product Management
Возможные вопросы на собеседовании
Проверка технической автономности и умения работать с данными без помощи аналитиков.
Расскажите о случае, когда вы самостоятельно обнаружили аномалию в данных (например, в Retention или MRR) с помощью SQL/Python: как вы нашли причину и какое решение приняли?
Оценка опыта внедрения ИИ в продукт.
Как вы определяете, в каких сценариях использования Kaiten внедрение LLM принесет реальную ценность пользователю, а где это будет избыточным или рискованным?
Проверка понимания специфики B2B SaaS и экономики подписки.
Как бы вы подошли к анализу влияния новой enterprise-фичи (например, расширенное управление правами доступа) на Net Revenue Retention (NRR)?
Оценка навыков приоритизации и работы с клиентами.
Как вы балансируете между запросами крупных enterprise-клиентов на специфические доработки и общей продуктовой стратегией развития SaaS-платформы?
Проверка продуктового мышления и методологии.
Опишите ваш процесс работы по JTBD: как вы переходите от выявленной 'работы' пользователя к конкретному прототипу, созданному с помощью ИИ?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
