Role Summary
We are seeking an AI Product Manager to be embedded within the AI Products Management Department. The successful candidate will lead the end-to-end lifecycle of AI-driven features, ensuring our AI Products are not just technically sound, but commercially viable and regulatory compliant. The AI Product Manager also bridges the gap between technical Data Scientists and AI Research team, and prospective clients and business stakeholders demands.
Key Responsibilities
Define the product vision for AI initiatives, prioritizing features based on market needs, technical feasibility, and ROI.
- Model Lifecycle Management
Collaborate with Data Science and Research teams to guide model development from discovery and training to deployment and tuning.
- Cross-Functional Leadership
Serve as the "translator" between Engineering, Design, Legal, and Business stakeholders.
Define and monitor success metrics, focusing on both traditional product KPIs and AI-specific metrics like precision, recall, and latency.
- Privacy and Security Oversight
Ensures data privacy, bias mitigation, and transparency in all algorithmic outputs.
Specify MLOps/LLMOps requirements, e.g. model registry, CI/CD, prompt/config versioning, observability, monitoring, rollback strategies. Also, define runtime controls including guardrails, policy enforcement, red-teaming, rate limiting, and audit logging.
ملخص الدور الوظيفي
نحن نبحث عن مدير لمنتجات الذكاء الاصطناعي للانضمام إلى قسم إدارة منتجات الذكاء الاصطناعي. سيقود المرشح الناجح دورة حياة الميزات المعتمدة على الذكاء الاصطناعي من البداية إلى النهاية، مما يضمن أن منتجاتنا ليست سليمة تقنياً فحسب، بل مجدية تجارياً ومتوافقة مع اللوائح التنظيمية. كما يعمل مدير منتجات الذكاء الاصطناعي كجسر يربط بين فرق علماء البيانات وباحثي الذكاء الاصطناعي من جهة، ومتطلبات العملاء المحتملين وأصحاب المصلحة في الأعمال من جهة أخرى.
المسؤوليات الرئيسية
- الاستراتيجية وخارطة الطريق
تحديد رؤية المنتج لمبادرات الذكاء الاصطناعي، مع ترتيب أولويات الميزات بناءً على احتياجات السوق والجدوى التقنية والعائد على الاستثمار.
التعاون مع فرق علوم البيانات والأبحاث لتوجيه تطوير النموذج بدءاً من مرحلة الاكتشاف والتدريب وصولاً إلى النشر والضبط.
العمل كـ "مترجم" بين أقسام الهندسة والتصميم والشؤون القانونية وأصحاب المصلحة في الأعمال.
تحديد ومراقبة مؤشرات النجاح، مع التركيز على مؤشرات الأداء الرئيسية التقليدية للمنتجات والمؤشرات الخاصة بالذكاء الاصطناعي مثل الدقة (Precision)، والاستدعاء (Recall)، وزمن الاستجابة (Latency).
- الإشراف على الخصوصية والأمن
ضمان خصوصية البيانات، وتخفيف الانحياز، والشفافية في جميع مخرجات الخوارزميات.
- عمليات الذكاء الاصطناعي (AI Operations)
تحديد متطلبات عمليات تعلم الآلة (MLOps/LLMOps)، مثل سجل النماذج (Model Registry)، والتطوير المستمر والنشر المستمر (CI/CD)، وإصدارات الأوامر/الإعدادات، والقابلية للملاحظة، والمراقبة، واستراتيجيات التراجع. بالإضافة إلى تحديد عناصر التحكم في وقت التشغيل بما في ذلك حواجز الحماية، وإنفاذ السياسات، واختبار الاختراق (Red-teaming)، وتحديد معدل الاستخدام، وسجلات التدقيق.