Мы ищем Chief AI Officer (CAIO) — руководителя, который возглавит развитие направления искусственного интеллекта в банке, сформирует AI-стратегию и обеспечит внедрение AI-решений в ключевые бизнес-процессы.
Это возможность с нуля создать AI-функцию банка: определить приоритеты, выбрать технологическую архитектуру, сформировать команду и запустить первые решения с измеримым бизнес-эффектом.
Основные задачи
-
Проведение аудита бизнес-процессов банка и выявление возможностей применения AI для повышения эффективности и улучшения бизнес-показателей.
-
Разработка AI-стратегии, определение приоритетных направлений и формирование дорожной карты внедрения.
-
Запуск пилотных AI/ML-проектов и вывод решений в промышленную эксплуатацию с оценкой их эффективности через бизнес-метрики и A/B-тестирование.
-
Развитие AI-решений в направлениях клиентского обслуживания, контакт-центра, взыскания, CRM, маркетинга и персонализации предложений.
-
Формирование архитектуры AI-платформы на базе существующего DWH, выбор технологического стека и развитие практик MLOps/DataOps.
-
Создание AI/ML-команды с нуля, развитие инженерной культуры и выстраивание процессов разработки и внедрения моделей.
-
Взаимодействие с бизнес-подразделениями и IT-командами, продвижение AI-культуры внутри банка.
Требования к кандидату
Стратегическое и бизнес-мышление
-
Опыт самостоятельной разработки и реализации AI-стратегии.
-
Умение связывать AI-инициативы с бизнес-результатами: ростом доходов, снижением затрат, ROI и другими показателями.
-
Понимание сквозных банковских процессов и умение самостоятельно находить возможности для применения AI.
-
Понимание AI как инструмента трансформации бизнес-процессов, а не только технологического решения.
Техническая экспертиза
-
Практический опыт разработки и вывода AI/ML-продуктов в промышленную эксплуатацию.
-
Понимание полного жизненного цикла моделей и практический опыт построения MLOps/DataOps-процессов.
-
Знание современных AI-технологий: LLM, AI-агенты, чат-боты, автоматизация, on-premise модели, а также классического Machine Learning.
-
Опыт проектирования AI-архитектуры, выбора технологического стека и оценки технических решений.
Опыт построения направления с нуля
-
Опыт создания и развития AI/ML-или Data-направления: формирование команды, процессов, технической архитектуры и продуктового бэклога.
-
Готовность работать в условиях ограниченных ресурсов и неполной готовности данных, запускать MVP и быстрые пилотные решения.
-
Умение определять приоритеты, выстраивать поэтапный план развития и масштабировать команду по мере роста направления.
-
Практичный подход к решению задач и управлению технологическими рисками.