ما در هلدینگ ایران نوین در مسیر توسعه راه‌حل‌های نوین و یکپارچه‌سازی فناوری‌های پیشرفته در کسب‌وکارمان، به‌دنبال یک AI Product Manager خلاق، داده‌محور و عمل‌گرا هستیم. فردی که زبان مشترک میان دنیای بیزنس، تیم‌های فنی و قابلیت‌های روز هوش مصنوعی باشد؛ نیازهای کاربران و اهداف استراتژیک سازمان را شناسایی کرده و آن‌ها را به محصولات و فیچرهای هوشمند، مقیاس‌پذیر و ملموس تبدیل کند.
اگر تسلط عمیقی بر چرخه عمر محصول دیجیتال دارید، مرزهای توانایی و محدودیت‌های مدل‌های AI را به‌خوبی می‌شناسید و روحیه دست‌به‌آچار (Hands-on) برای ساخت سریع نمونه‌های اولیه (Prototyping) و MVPها با ابزارهای نوین را دارید، جای شما در تیم ما خالی است.
شرح وظایف و مسئولیت‌های اصلی:
تدوین استراتژی و نقشه راه محصول (Product Roadmap): تبدیل چشم‌انداز کسب‌وکار و نیازهای کاربران به نقشه راه شفاف، مبتنی بر فناوری‌ها و قابلیت‌های هوش مصنوعی.
کشف فرصت‌ها و اولویت‌بندی (Discovery & Prioritization): تحلیل نیازهای بازار و مشتریان، تعریف دقیق صورت‌مسئله‌ها و اولویت‌بندی فیچرهای هوشمند بر اساس ارزش کسب‌وکار و امکان‌سنجی فنی (Feasibility).
ساخت سریع نمونه اولیه و MVP: طراحی، پیاده‌سازی و اعتبارسنجی سریع نمونه‌های اولیه (Rapid Prototyping) و حداقل محصول پذیرفتنی (MVP) با استفاده از ابزارهای هوش مصنوعی مولد (GenAI)، ابزارهای No-Code/Low-Code و فریم‌ورک‌های توسعه سریع.
رهبری و هماهنگی کراس‌فانکشنال: ایجاد همسویی و زبان مشترک میان تیم‌های مهندسی داده/هوش مصنوعی، طراحان محصول (UI/UX)، تیم فنی نرم‌افزار، مارکتینگ و ذی‌نفعان بیزنس.
تعریف و پایش شاخص‌های کلیدی (KPIs & Metrics): تعیین معیارهای موفقیت محصول، شاخص‌های ارزیابی عملکرد مدل (مانند Accuracy، Latency و…) و سنجه‌های اثرگذاری بر کسب‌وکار (مانند Retention، Adoption و ROI) و بهینه‌سازی مستمر آن‌ها.
مدیریت ریسک‌ها و اخلاق هوش مصنوعی: ارزیابی و مدیریت چالش‌های مربوط به Bias داده‌ها، Hallucination مدل‌ها، حریم خصوصی داده‌ها و تجربه کاربری خطاهای سیستم هوشمند.
شایستگی‌های تخصصی و مهارتی:
سابقه کاری: حداقل 5 سال تجربه موفق در حوزه مدیریت محصول دیجیتال (تجربه در محصولاتی که مستقیماً با AI، Machine Learning، NLP یا ابزارهای GenAI سر و کار داشته‌اند مزیت اصلی است).
درک فنی هوش مصنوعی: آشنایی عمیق و کاربردی با قابلیت‌ها، محدودیت‌ها و هزینه/زمان پیاده‌سازی مدل‌های مدرن (LLMs، Vision Models، APIهای تجاری و مدل‌های Open-Source).
مهارت در Prototyping و MVPسازی: تجربه عملی در کار با ابزارهای ساخت سریع MVP، پرامپت‌نویسی پیشرفته (Prompt Engineering) و فریم‌ورک‌های پایه‌ای تست مفاهیم.
داده‌محوری (Data-Driven Mindset): تسلط بر متدولوژی‌های چابک (Scrum/Kanban)، ابزارهای مدیریت محصول (Jira، Trello و…) و ابزارهای تحلیل رفتار کاربر و متریک‌های محصول (مانند Google Analytics، Hotjar یا ابزارهای BI).
مدرک تحصیلی: کارشناسی یا کارشناسی‌ارشد در رشته‌های مهندسی کامپیوتر، هوش مصنوعی، فناوری اطلاعات، MBA یا رشته‌های مرتبط.
شایستگی‌های فردی و رفتاری:
هوش تحلیلی و تفکر سیستماتیک: توانایی تجزیه مسائل پیچیده کسب‌وکار به اجزای فنی و بالعکس.
کنجکاوی فناورانه و یادگیری مستمر: اشتیاق بالا برای دنبال کردن جدیدترین ترندها و پیشرفت‌های اکوسیستم هوش مصنوعی در دنیا.
مهارت‌های ارتباطی و مذاکره قوی: توانایی اقناع ذی‌نفعان سطح C، ارائه شفاف مباحث پیچیده برای افراد غیرفنی و هدایت تیم‌های تخصصی.
تاب‌آوری و چابکی در محیط‌های نامطمئن: انعطاف‌پذیری بالا در مواجهه با تغییرات سریع تکنولوژی و ریسک‌های ذاتی توسعه مبتنی بر AI