- Страна
- Россия
Product manager AI Senior
Оценка ИИИнтересная и актуальная роль на острие технологий (GenAI + Fintech). Четко прописанные обязанности и работа в специализированном AI-офисе делают вакансию привлекательной для опытных продактов, хотя отсутствие вилки зарплаты является минусом.
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 экспертизу в AI/LLM (особенно в части оценки качества/evals) с детальным знанием фондового рынка и брокерской инфраструктуры. Найти кандидата с таким стыком компетенций на уровне Senior — непростая задача.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИДля позиции Senior Product Manager в сфере AI и Fintech в Москве рыночный диапазон составляет от 350 000 до 550 000 рублей. Учитывая узкую специализацию на LLM-агентах и требования к знанию фондового рынка, компания, вероятно, готова предлагать зарплату по верхней границе рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Product manager AI Senior
Компания - Арт-Финтех
Требования к кандидату:
- 5+ лет в product management, желательно в fintech, data-продуктах.
- Опыт с GenAI/LLM/AI-ассистентами или агентами.
- Понимание ограничений и возможностей моделей и агентов.
- Практический опыт evaluation: benchmark-датасеты, критерии качества, разметка, анализ ошибок, улучшение продукта через evals.
- Понимание финансового домена: акции, облигации, ОФЗ, ВДО, фонды, деривативы, котировки, ликвидность, доходность, риск, сделки, брокерская инфраструктура.
Обязанности
- Владеть end-to-end сценариями протокола по трём линиям: данные, подбор финансового продукта, исполнение сделки.
- Формировать продуктовую логику протокола: какие запросы делает агент, какие ответы получает, какие ограничения применяются, как фиксируется объяснение и аудит.
- Пилотировать протокол с b2c продуктами Офиса ИИ: проверять, где ассистенту не хватает данных, контекста, структуры или правил.
- Собирать benchmark-датасеты и evals: реальные пользовательские запросы, критерии хорошего ответа, разметка, сравнение с веб-поиском, ISS и агрегаторами.
- Синтезировать требования от бизнеса, CDO, архитектуры, разработки, комплаенса, брокеров и AI-команды в понятный roadmap и бэклог.
ТГ Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Product Management
- Generative AI
- Large Language Models
- Fintech
- Data Analysis
- Roadmapping
- Benchmarking
Возможные вопросы на собеседовании
Проверка практического опыта работы с качеством AI-ответов.
Расскажите о самом сложном кейсе построения системы evaluation для LLM-агента: какие метрики использовали и как боролись с галлюцинациями?
Оценка понимания финансовой специфики продукта.
Как бы вы спроектировали логику проверки AI-агентом комплаенс-рисков при подборе ВДО (высокодоходных облигаций) для неквалифицированного инвестора?
Проверка навыков приоритизации в сложной среде.
Как вы будете балансировать между требованиями CDO по чистоте данных и требованиями бизнеса по скорости вывода пилота на рынок?
Оценка технического кругозора в области AI.
В каких случаях для финансового ассистента вы бы выбрали RAG, а в каких — дообучение (fine-tuning) модели? Обоснуйте выбор.
Проверка продуктового видения.
Как измерить бизнес-эффективность внедрения AI-протокола в цепочку исполнения сделки по сравнению с традиционным интерфейсом?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
