Agent & capability product owner

Мы ищем человека с сильным продуктовым мышлением, который глубоко понимает LLM и современных AI-агентов и умеет быстро превращать идеи в работающие прототипы. Его зона ответственности — развитие возможностей агентного слоя Конструктора комплексных решений: от пользовательской задачи и гипотезы до проверенного MVP и передачи перспективного решения production-команде.

• прототипирование универсального мастер-агента - проверять, как мастер-агент понимает запрос, уточняет недостающие данные, строит план, выбирает возможности и выполняет сценарий. Быстро собирать рабочие версии на подходящем агентном стеке, используя AI-ассистентов для разработки
• развитие registry возможностей - формировать и проверять подход к единому registry из tools, skills и agents. Определять, какие возможности нужны сценариям, как описать их назначение, входы, выходы, ограничения и права доступа, чтобы мастер-агент мог корректно их находить и использовать
• проверка продуктовых гипотез и агентных сценариев - разбирать пользовательскую задачу, формулировать ожидаемый результат и критерии успеха до начала разработки
• прототипирование интерфейсов GenUI и A2UI - проверять сценарии, в которых агент динамически формирует пользовательский интерфейс через GenUI / A2UI
• оценка качества и технических ограничений - собирать наборы проверочных сценариев и простые evals, оценивать результаты и разбирать причины ошибок. Проверять корректность вызовов инструментов, работу с контекстом и поведение при неполных данных или отказе сервиса.

• опыт самостоятельного создания AI-прототипов или MVP: от постановки задачи и выбора подхода до проверки результата. Примеры проектов с описанием результатов, ограничений и выводов по итогам проверки
• практика AI-driven разработки: использование AI-инструментов для быстрой сборки и запуска рабочих решений, проверки сгенерированного кода и исправления типичных ошибок. Понимание устройства прототипа и его ограничений
• опыт создания LLM-приложений с вызовом инструментов, внешними API, структурированными ответами и управлением состоянием или контекстом. Практический опыт работы с агентными фреймворками, например Pydantic AI, LangGraph или другими, либо собственной простой оркестрацией
• опыт работы с пользовательской обратной связью, сокращения объёма MVP до проверяемой гипотезы и передачи результата инженерам.
• сильное продуктовое мышление: понимание задачи пользователя, определение критериев успеха, приоритизация экспериментов и готовность отказаться от гипотезы, которую не подтвердили данные
• техническая грамотность, достаточная для самостоятельного прототипирования: чтение и изменение кода на Python или TypeScript/JavaScript, API, JSON, авторизация, зависимости, Git и базовая диагностика.

• комфортный офис рядом с м.Кутузовская
• ежегодный пересмотр зарплаты и годовая премия
• корпоративный спортзал и зоны отдыха
• уникальная система обучения Сбера для профессионального и карьерного развития
• расширенный ДМС и льготное страхование для семьи
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• подписка Прайм с возможностью совместного использования на трёх близких
• вознаграждение за рекомендацию друзей в команду Сбера
• корпоративная пенсионная программа.