Senior technikai termékmenedzser – ágens-futtatókörnyezet

Stack

Feladatok

• ▹A futtatókörnyezet architektúrájának meghatározása: ágens-orkesztráció és többlépéses ciklusok, kontextus- és memóriakezelés, retrieval-stratégia, eszközhívások, modell-útválasztás és tartalék megoldások, guardrailek, gyorsítótárazás, streaming és párhuzamosság
• ▹A platform nem funkcionális követelményeinek kezelése: késleltetés, átviteli sebesség, megbízhatóság, fokozatos leromlás, skálázhatóság párhuzamos ágensterhelés alatt, tokenköltség, biztonság, megfigyelhetőség
• ▹Termék-evalok létrehozása és futtatása, amelyek bizonyítják az ágensek pontosságát és megbízhatóságát, és a minőségi mérce meghatározása a bevezetés előtt, az LLM Ops csapattal együttműködve
• ▹Modellstratégia: modellválasztás, cserék és szolgáltatói döntések, költség/teljesítmény kompromisszumok
• ▹Piaci felderítés és szakmai vezető szerep: az ágens-alapú rendszerek építési gyakorlatának követése, saját álláspont kialakítása és képviselete belül és kívül (előadások, írás, ügyfél- és iparági beszélgetések)
• ▹Keresztfunkcionális együttműködés: a mérnöki csapatok technikai társaként a felhasználói élményt építő csapatok igényeinek futtatókörnyezeti képességekké alakítása, a go-to-market csapattal a skála, a stabilitás és a megbízhatóság kommunikálása

Elvárások

• ▹4+ év termékmenedzsment-tapasztalat, ebből 2+ év technikai vagy platformtermékeken (API-k, infrastruktúra, ML-rendszerek, fejlesztői eszközök)
• ▹Mély LLM-alapú rendszer- és ágensarchitektúra-ismeret: prompting, eszközhasználat, tervezés, többlépéses ágensciklusok, kontextus és memória, többágenses rendszerek, valamint a retrieval/vektorkeresés olyan szintű ismerete, hogy megítélhető, mikor a megfelelő eszköz
• ▹Elosztott rendszerek vagy infrastruktúra ismerete, a futtatókörnyezetek nagy léptékű viselkedésének és a változtatások továbbgyűrűzésének megértése
• ▹A nem funkcionális követelmények elsőrangú termékfelületként való kezelése: késleltetés, megbízhatóság, skálázhatóság, költség, megfigyelhetőség
• ▹Gyakorlati tapasztalat az ágensek pontosságát és megbízhatóságát mérő evalok létrehozásában és futtatásában nagy léptékben
• ▹Jártasság a modellműveletekben: modellválasztás és -csere, szolgáltatói kompromisszumok, token-költség/teljesítmény optimalizálás
• ▹Olyan technikai specifikációk írása, amelyeket a mérnökök megvalósíthatóság szempontjából néznek át, és hipotézisek kódos prototípusokkal való ellenőrzése
• ▹Tapasztalat prompt-láncokkal, pipeline-hibakereséssel, tokenköltség-elemzéssel vagy evalok tervezésével

Előny

• ▹Korábbi szoftvermérnök, ML-mérnök vagy adattudós, aki a termékmenedzsmentbe váltott
• ▹Nyilvános szakmai álláspont MI-ről és ágensekről (írás, előadás, nyílt forráskód), vagy hajlandóság ennek kialakítására
• ▹Audit, számvitel vagy pénzügyi szolgáltatások területén szerzett tapasztalat

Soft skillek

Amit kínálunk

• ▹Hollandia egyik leggyorsabban növekvő, nyereséges egyszarvú scale-up cégének tagja, globális hatással
• ▹Részvényalapú juttatás (Stock Appreciation Rights)
• ▹Nyugdíjprogram: az alapbér 6%-ának megfelelő munkáltatói hozzájárulás
• ▹28 szabadnap évente (teljes munkaidőben)
• ▹Hibrid munkavégzés, hetente legalább 3 nap az amszterdami irodában
• ▹Napi friss ebéd a saját szakácstól
• ▹NS üzleti bérlet az ingázáshoz
• ▹Strukturált beillesztési program, külön idővel a termék és az ügyfelek megismerésére
• ▹Folyamatos tanulási és fejlődési lehetőségek
• ▹Nemzetközi csapat hét globális irodában
• ▹Cégszintű rendezvények, például a DataSnipper GO
• ▹Hozzáférés az OpenUp mentális egészségügyi platformhoz

A munkáltatóról

A DataSnipper 600 000+ felhasználóval és 180+ országban jelen lévő, saját erőből növekvő egyszarvú, amelynek eszközeit vezető audit- és könyvelőcégek használják. Az Excel Agent nevű megoldásával az MI közvetlenül az Excelben dolgozik valódi dokumentumokkal és auditbizonyítékokkal, teljes nyomon követhetőséggel.