O stanowisku

Dla naszego Klienta z branży retail poszukujemy doświadczonego Product Ownera, który będzie odpowiedzialny za rozwój produktów wykorzystujących Generative AI, LLM oraz rozwiązania agentowe.

Projekty realizowane są w środowisku technologicznym opartym m.in. o Pythona oraz technologie AI/ML i obejmują między innymi budowę aplikacji głosowych, systemów rozpoznawania mowy, analizę danych w czasie rzeczywistym oraz integrację rozwiązań uczenia maszynowego z istniejącymi systemami biznesowymi.

Our expectations

Britenet

Britenet to europejska firma działająca od ponad 18 lat, tworząca światowej klasy rozwiązania programistyczne. Firma wspiera innowacje, różnorodność i kreatywność, oferując międzynarodowe środowisko pracy. Specjalizuje się w usługach software outsourcing oraz tworzeniu oprogramowania, angażując ponad 501 pracowników w Warszawie oraz w sześciu innych lokalizacjach. W zespole Britenet panuje pasja, ambicja i współpraca, które wspomagają kreowanie wyjątkowych pomysłów.

Profil →

Czym się zajmiesz

Budowanie wizji i roadmapy produktu oraz priorytetyzacja backlogu z uwzględnieniem możliwości technologicznych, kosztów i ryzyka.
Prowadzenie Discovery, identyfikowanie rzeczywistych problemów użytkowników i walidowanie hipotez przed rozpoczęciem developmentu.
Definiowanie kryteriów akceptacji dla funkcji opartych na rozwiązaniach niedeterministycznych – z wykorzystaniem progów jakości, akceptowalnego poziomu błędu i scenariuszy obsługi niepowodzeń agenta.
Projektowanie zakresu autonomii rozwiązania – określanie, które działania agent wykonuje samodzielnie, które jedynie rekomenduje, a które wymagają zatwierdzenia przez człowieka.
Zarządzanie jakością produktu oraz jego kluczowymi metrykami, takimi jak adopcja, retencja, skuteczność realizacji zadań, poziom interwencji człowieka, zaufanie i satysfakcja użytkownika.
Projektowanie i prowadzenie eksperymentów, w tym A/B testów, stopniowych rolloutów i wykorzystania feature flag.
Zarządzanie ekonomią produktu – analizowanie kosztu realizacji pojedynczego zadania/użytkownika oraz wpływu wyboru lub zmiany modelu na jakość, koszt i latencję.
Podejmowanie decyzji go/no-go, a także świadome zamykanie funkcji lub kierunków rozwoju, które nie przynoszą oczekiwanej wartości.
Ścisła współpraca z analitykami GenAI, inżynierami, UX, Legal/Compliance oraz Security.
Zarządzanie oczekiwaniami interesariuszy i świadome komunikowanie ograniczeń oraz poziomu niepewności związanej z rozwiązaniami AI.