AI‑лидер в дефиците: как его нанять и не потерять в первые 90 дней
Программный комитет ещё не принял решения по этому докладу
Целевая аудитория
Тезисы
1) Кто такой AI-лидер? Тот кто умеет пользоваться ChatGPT или это человек, который понимает, где AI реально даёт бизнес‑эффект? Он может найти ответ где AI усложняет систему и увеличивает затраты, и может перевести эту разницу на язык денег и метрик. AI‑лидера нельзя нанимать по универсальному списку навыков: сначала нужно определить, какую бизнес‑задачу он должен решить в первые 3–6 месяцев. Обсудим как сформулировать профиль компетенций? Где искать таких лидеров? Обсудим как по профилю найти компании-доноры, где уже выстроена сильная ML-культура. 2) Как нанимать, когда крутых мало, а крутых AI-лидеров еще меньше? Теоретические вопросы про ML и LLM не показывают, справится ли человек с реальной работой. Лучше работают прикладные кейсы с неполными данными, конфликтующими метриками и меняющимися вводными. Покажу примеры кейсов и критерии правильности их решения. На интервью важно оценивать не «правильность ответа», а способность структурировать неопределённость, связывать метрики модели с вашим продуктом и деньгами, работать с фидбеком и доводить обсуждение до решения. 3) Онбординг в “боевых” условиях Онбординг AI‑лидера должен начинаться с одной приоритетной задачи, карты метрик и ограничений, а не с набора хаотичных AI‑пилотов. В первые 90 дней нужно заранее проектировать: зоны ответственности, стейкхолдеров, ритм синхронизаций, ожидаемые решения и критерии прогресса. Участники получат прозрачный профиль AI-компетенций под задачи бизнеса, структуру боевого интервью и как собрать базу прикладных продуктовых кейсов для проверки мышления и чек‑лист онбординга AI‑лидера.
Больше 10 лет занимается аналитикой данных для федеральных кампаний.
Последние 5 лет занимался bigdata & DWH.
Родился менеджером, учил Rocket Science, стал продактом.
Видео
Другие доклады секции
Оптимизируй свою команду
