Отвечать за качество ответов LLM-систем: точность, полноту, релевантность, устойчивость и понятность для пользователя
Развивать продуктовый подход к оценке AI-ответов: метрики качества, тестовые датасеты, сценарии проверки, критерии успешности
Находить слабые места в агентных сценариях: где не хватает данных, памяти, инструментов, компонентов или логики маршрутизации
Формулировать требования к новым кастомным компонентам для LangFlow, LangGraph или аналогичных инструментов
Приоритизировать разработку компонентов, интеграций и улучшений, которые сильнее всего влияют на качество продукта
Работать с источниками данных: понимать, какие данные нужны агенту, как они должны доставаться, обновляться и использоваться в ответе
Проектировать сценарии, в которых агент не просто отвечает, а помогает пользователю выполнить задачу
Взаимодействовать с Python-разработчиками, аналитиками, QA, архитекторами и продуктовыми командами
Переводить бизнес-задачи в понятные AI-сценарии, а технические ограничения — в управляемые продуктовые решения
Развивать культуру работы с агентами внутри компании: объяснять, как их правильно проектировать, тестировать и улучшать