מנהל/ת מוצרי AI ו-GenAI

הובלת מוצרי בינה מלאכותית (AI), בינה מלאכותית יוצרת (GenAI) ולמידת מכונה (ML), משלב זיהוי הצורך והגדרת המוצר ועד לפיתוח, הטמעה והעברה לייצור (Production), במטרה לשפר תהליכי עבודה ושירותים ארגוניים.

התפקיד כולל:
הובלת תהליכי Product Discovery, הגדרת בעיות, קהלי יעד, מסעות משתמש ודרישות מוצר.
בניית Roadmap, תעדוף Backlog והגדרת מדדי הצלחה עסקיים וטכנולוגיים.
תרגום צרכים עסקיים ומקצועיים לפתרונות מוצר מבוססי AI, בשיתוף צוותי פיתוח, דאטה, UX, תשתיות, סייבר, פרטיות, ייעוץ משפטי וגורמים מקצועיים.
הובלת ניסויים, POC ו-MVP, הגדרת תהליכי Evaluation וקריטריונים למעבר לייצור.
הובלת פתרונות RAG, סוכני AI ועוזרים חכמים, משלב הניסוי ועד להטמעה ולאימוץ בקרב משתמשים.
הגדרת דרישות למקורות מידע, הרשאות, אינטגרציות, חוויית משתמש, מנגנוני בקרה ומעורבות אנושית בתהליכי AI.
מעקב אחר ביצועי המוצר, איכות התשובות, אימוץ משתמשים, עלויות, זמני תגובה ושביעות רצון.
עבודה מול ספקים חיצוניים, בחינת פתרונות, הגדרת תוצרים, תעדוף משימות ובקרה על איכות הביצוע.
שילוב דרישות אבטחת מידע, פרטיות, אחריות בשימוש ב-AI וניהול סיכונים כחלק מתכנון המוצר.
הצגת החלטות מוצריות ותעדופים להנהלה ולגורמים מקצועיים, והובלת תהליכי שיפור מ

דרישות:

ניסיון של 5 שנים ומעלה בניהול מוצר דיגיטלי, מערכות מידע, דאטה, תוכנה או מוצרים טכנולוגיים מורכבים.
ניסיון של 2–3 שנים בהובלת מוצרי AI / GenAI / ML בארגון בינוני-גדול.
ניסיון במחזור חיי מוצר מלא, החל מ-Product Discovery והגדרת דרישות ועד להשקה, מדידה ושיפור.
ניסיון בהובלת מוצר AI קונקרטי משלב הגדרת הצורך או הניסוי ועד לפתרון פעיל הנמצא בשימוש.
ניסיון בעבודה מול צוותי פיתוח, דאטה ו-UX ובהובלת אינטגרציות מול APIs, מקורות מידע, מערכות ליבה וסביבות ענן או ענן היברידי.
ניסיון בהגדרת מדדי הצלחה, תהליכי Evaluation, ניסויים וקריטריונים למעבר ל-Production.
ניסיון בעבודה מול ספקים, לרבות הגדרת דרישות, בחינת פתרונות, תעדוף ובקרה.
ידע טכנולוגי נדרש:
הבנה של יכולות ומגבלות LLMs, וכן של RAG, Embeddings, Vector DB, Agents, Prompt Orchestration, Evaluation ו-Guardrails.
היכרות עם פלטפורמת ענן אחת לפחות: Azure, AWS או GCP. יתרון לניסיון בסביבת AWS.
הבנה באבטחת מידע, פרטיות, הרשאות, Logging, Auditability, Data Classification ו-Responsible AI.
היכרות עם MLOps / LLMOps, ניטור יישומי AI, הערכת איכות מודלים ושיפור מתמשך.
יכולת להגדיר KPI/OKR ומדדי מוצר, לרבות אימוץ, איכות תשובות, שיעורי שגיאות והזיות, זמני ת