AI Adoption & Acceleration Manager

• Praca w międzynarodowym środowisku
• Wynagrodzenie:  130-100 PLN/h netto + VAT 
• Praca hybrydowa

Wymagania obowiązkowe

• Udokumentowane doświadczenie we wdrażaniu rozwiązań AI, Machine Learning oraz GenAI do środowisk produkcyjnych w dużych organizacjach.
• Umiejętność przekładania potrzeb biznesowych na wymagania techniczne oraz wpływania na wybór rozwiązań.
• Doświadczenie we współpracy z zespołami IT i danych w zakresie:
• integracji,
• potoków danych,
• zarządzania dostępami i bezpieczeństwem,
• cyklu życia wdrożeń.
• Bardzo dobre umiejętności komunikacji z kadrą menedżerską.
• Umiejętność pracy w niejednoznacznym środowisku i strukturyzowania złożonych problemów biznesowych.
• Pragmatyczne i zorientowane na wartość podejście – koncentracja na rezultatach biznesowych, a nie na samej technologii.

Mile widziane

• Doświadczenie w środowisku Shared Services / GBS lub dużych organizacjach operacyjnych.
• Znajomość koncepcji zarządzania usługami, takich jak katalogi usług i SLA.
• Doświadczenie w obszarze MLOps lub governance wdrożeń AI.
• Doświadczenie w budowaniu adopcji i zarządzaniu zmianą w zespołach operacyjnych.

Umiejętności i kompetencje

• Przywództwo w realizacji projektów – skuteczne przekuwanie niejasności w konkretne rezultaty.
• Biznesowe spojrzenie – rozumienie procesów operacyjnych i czynników tworzących wartość.
• Biegłość technologiczna – zdolność do oceny i ukierunkowywania projektowania rozwiązań bez konieczności głębokiego programowania.
• Komunikacja i wpływ – wiarygodność zarówno wśród liderów biznesowych, jak i zespołów technicznych.
• Nastawienie na ciągły rozwój i śledzenie trendów oraz najlepszych praktyk w AI.
• Umiejętność negocjowania i wypracowywania kompromisów pomiędzy interesariuszami o różnych priorytetach.

Wykształcenie i certyfikaty

Preferowane jest udokumentowane ciągłe doskonalenie kompetencji, np.:

• ukończone w ciągu ostatnich 2–3 lat kursy lub certyfikaty z zakresu AI, ML lub GenAI,
• doświadczenie potwierdzone zrealizowanymi projektami, wdrożeniami lub studiami przypadków.

Obowiązki

1. Tworzenie przypadków użycia AI i tłumaczenie potrzeb biznesowych

• Identyfikowanie i kwalifikowanie możliwości zastosowania AI we współpracy z liniami usługowymi GBS i właścicielami procesów.
• Przekładanie problemów biznesowych na konkretne przypadki użycia AI z jasno określonym zakresem, hipotezą wartości biznesowej, ograniczeniami i kryteriami sukcesu.
• Tworzenie materiałów biznesowych i podsumowań dla kadry zarządzającej.

1. Wdrażanie AI w środowisku przedsiębiorstwa (obszar kluczowy)

• Prowadzenie kompleksowego procesu wdrażania rozwiązań AI do środowisk produkcyjnych, obejmującego:
• zbieranie wymagań,
• projektowanie rozwiązań,
• koordynację budowy i rozwoju,
• testy oraz UAT,
• przygotowanie do wdrożenia,
• wsparcie powdrożeniowe (hypercare).
• Integracja rozwiązań AI z codziennymi procesami i sposobem pracy zespołów.
• Zapewnienie zgodności rozwiązań z wymaganiami dotyczącymi bezpieczeństwa, zgodności regulacyjnej, prywatności i niezawodności we współpracy z zespołami IT i zarządzania ryzykiem.

1. Wdrażanie produktów i skalowanie

• Definiowanie powtarzalnych wzorców i playbooków umożliwiających skalowanie rozwiązań AI pomiędzy rynkami i liniami usługowymi.
• Wspieranie standaryzacji poprzez tworzenie:
• komponentów wielokrotnego użytku,
• szablonów wdrożeniowych,
• standardów dokumentacyjnych.
• Wspieranie rozwoju sposobu działania AI CoE w obszarach takich jak governance, priorytetyzacja, zarządzanie zgłoszeniami i raportowanie portfela inicjatyw.

1. Adopcja, zarządzanie zmianą i realizacja wartości biznesowej

• Odpowiedzialność za planowanie adopcji rozwiązań AI, w tym:
• mapowanie interesariuszy,
• przygotowanie szkoleń,
• komunikację,
• zbieranie informacji zwrotnej.
• Definiowanie i monitorowanie realizacji korzyści biznesowych (stan bazowy → cel → wynik rzeczywisty) przy użyciu przejrzystych wskaźników KPI i dashboardów.
• Zapewnienie, że wdrożenia AI przekładają się na realne efekty biznesowe, a nie jedynie na dostarczenie technologii.

1. Współpraca międzyfunkcyjna i zarządzanie interesariuszami

Budowanie silnych relacji z:

• liniami usługowymi, właścicielami procesów oraz zespołami Operational Excellence,
• zespołami IT (architektura, integracje, platformy, bezpieczeństwo),
• zespołami danych (data engineering, analityka, cykl życia modeli).
• Prezentowanie postępów i rekomendacji interesariuszom wyższego szczebla.
• Facylitowanie decyzji dotyczących kompromisów, ryzyk oraz działań zaradczych.