Менеджер продукта
Cloud.ru
Москва
🏢 Офис
Middle
Полная занятость
Россия
Описание вакансии
Чем предстоит заниматься
Продукт — главное
•Вести агентный продукт полного цикла: исследование пользователей, гипотезы, приоритизация, запуск, итерации после запуска.
•Формировать и защищать roadmap перед руководителем направления: что делаем, что не делаем и почему.
•Принимать продуктовые решения на уровне фичи: где пользователю нужен агент, а где достаточно простого детерминированного сценария — и уметь обосновать это команде и стейкхолдерам.
•Писать чёткие продуктовые требования к агентным фичам: сценарии, границы допустимого поведения агента, критерии готовности.
Качество как продуктовая метрика
•Владеть качеством продукта на уровне eval-ов: вместе с командой определять, что такое «агент справился», собирать golden-сет из реальных пользовательских задач, разбирать failure modes
•Определять планку качества для релиза: фича не уходит в прод, пока метрики не подтверждают, что она работает.
•Следить за качеством после релиза: дрейф, жалобы пользователей, разборы инцидентов вместе с командой.
Экономика продукта
•Держать unit-экономику: стоимость успешной задачи, конверсия, retention. Находить баланс качество / латентность / цена и превращать его в продуктовые решения.
•Считать и защищать бизнес-эффект фич до и после запуска.
Команда и стейкхолдеры
•Работать в паре с техлидом: декомпозировать roadmap на понятные команде задачи, снимать неопределённость до начала разработки.
•Синхронизироваться с руководителем направления, дизайном и безопасностью; вовремя эскалировать риски и блокеры.
•Быть голосом пользователя внутри команды: приносить инженерам контекст, а не только тикеты.
Требования
•3–6 лет опыта продакт-менеджером, из них заметная часть — на технологических или платформенных продуктах
•Запущенные в прод LLM-фичи или продукты (не пилоты и не демо): вы понимаете, как устроены агенты, RAG, tool-use — на уровне, достаточном для предметного разговора с инженерами.
•Опыт работы с качеством ML/LLM-продуктов: метрики, eval-ы, разбор ошибок модели — вы понимаете, почему «агент иногда ошибается» — это продуктовая проблема, а не только инженерная
•Сильная работа с данными: сами формулируете метрики, считаете эффект, принимаете решения на цифрах
•Умение говорить с инженерами на их языке и защищать решения перед бизнесом
Будет плюсом
•Инженерный или аналитический бэкграунд (Python, SQL — на уровне «могу сам посмотреть данные»).
•Опыт с unit-экономикой инференса: понимание, из чего складывается стоимость LLM-продукта.
•Опыт discovery в b2b / платформенных продуктах.
