Директор по AI / Chief AI Officer

Мы в поиске того, кто сможет построить AI-first operating model, при которой AI и LLM являются обязательным слоем: – принятия управленческих решений, – аналитики, – работы с ИТ и данными. Все ключевые решения менеджмента (риски, продукты, капитал, бюджеты, стратегия) проходят AI-оценку и сценарное тестирование. Роль отвечает не за модели, а за качество управленческих решений и устойчивость бизнеса. Ключевой принцип: LLM — это не инструмент и не проект. LLM — это интерфейс к компании и второй контур управления. Обязанности: 1. AI как слой принятия решений (Decision Intelligence) Проектирование и внедрение AI Decision Framework: – стратегические инициативы, – запуск и закрытие продуктов, – изменения risk appetite, – аллокация капитала, – бюджеты и headcount. Формализация принципа: No material decision without AI review. Подготовка AI-меморандумов для CEO, ExCo и Board: – сценарии, – downside-риски, – выявление ошибочных предпосылок. 2. Риски, капитал и устойчивость Построение целостной AI-модели кредитного бизнеса: риск → доходность → капитал → ликвидность. Scenario & stress testing: – по портфелям, – по географиям, – по регуляторным и макро-шокам. AI-challenge ключевых риск-решений: – лимиты, – скоринг, – pricing, – collection стратегии. Участие в risk governance как независимый AI-контур. 3. IT: AI-first архитектура Формирование AI-first IT architecture совместно с CTO: – данные, – API, – event streams, – feature stores, – доступ LLM к системам. Проектирование LLM Gateway: – единая точка доступа к моделям, – контроль cost, latency, security, – логирование и аудит outputs. Стандарт: любая новая система должна быть AI-readable. 4. Аналитика: от BI к AI-native analytics Трансформация аналитики: – от SQL и дашбордов, – к LLM-driven аналитике. LLM как интерфейс к данным: – natural language → данные, – on-the-fly сценарии, – объяснение драйверов. Внедрение vibe-coding для аналитиков: – LLM-генерируемый SQL и Python, – быстрые симуляции вместо отчётов. Создание AI Analytics Layer (LLM + RAG поверх данных). Стандарты качества, explainability и воспроизводимости. 5. LLM как операционная система LLM как интерфейс: – к P&L, – к рискам, – к портфелю, – к продуктовой экономике. Замкнутый контур: Данные → LLM → Решение → Outcome → обратная связь в модель. Требования: – 10+ лет опыта на стыке fintech / banking / lending, AI, управленческих решений, – понимание кредитных портфелей, риск-метрик, P&L, капитала и ликвидности, – опыт работы с CEO и Board. Мы предлагаем: Гибкий формат работы: удаленно или офис в Москве/Малайзии. Участие в развитии международной финтех-группы. Прямое взаимодействие с CEO.