Chief AI Implementation Officer for Business

Chief AI Implementation Officer (for Business) Warszawa, stacjonarnie Dołącz do Locon jako Chief AI Implementation Officer (for Business) – to rola dla doświadczonego inżyniera-menedżera/lidera, który potrafi przełożyć wizję AI na działające procesy, produkty i bardzo konkretne KPI. Będziesz odpowiedzialny za to, żeby AI naprawdę „weszło w krew” biznesu: od mapowania procesów, przez MVP, po skalowanie tylko tych rozwiązań, które dowożą mierzalny efekt, a nie tylko ładnie wyglądają na slajdach. Po co powstaje ta rola AI mamy już w strategii, narzędziach i produktach – potrzebujemy teraz osoby, która: • rozumie procesy biznesowe (sprzedaż, marketing, CS, operacje) i potrafi je rozpisać na konkretne kroki, • myśli jak inżynier (architektura, dane, integracje), ale czuje się swobodnie na spotkaniu z zarządem, • lubi wejść w kod, kiedy trzeba, ale większość energii wkłada w projektowanie rozwiązań, decyzje i dowożenie efektu biznesowego. To nie jest rola „AI evangelisty” ani teoretycznego CAIO, tylko bardzo praktyczna funkcja szefa wdrożeń AI – kogoś, kto łączy programistyczny warsztat z myśleniem managerskim i na co dzień zarządza tym, jak AI wspiera i usprawnia kluczowe procesy w firmie. Wyzwania: Zamiast listy „wymagań”, mamy listę rezultatów, po których poznamy, że ta współpraca działa. • Spójna AI roadmapa dla biznesu • Zmapowanie end‑to‑end kluczowych procesów (sprzedaż, marketing, CS, operacje) oraz identyfikacja 10–15 use‑case’ów AI o najwyższym potencjale ROI. • Uzgodniona z leadershipem roadmapa AI z priorytetami, KPI, SLA/SLO i ryzykami – dokument, którego realnie używają właściciele procesów, a nie tylko „ładny PDF”. 2. 3–5 kluczowych inicjatyw AI dowiezionych end‑to‑end • Od discovery i business case’u, przez architekturę i MVP, pilotaż, po produkcję i stabilizację. • Każdy projekt z wyraźnym wpływem na KPI (np. wzrost konwersji, skrócenie czasu obsługi, redukcja kosztów procesu, wpływ na churn czy retencję). 3. „AI Implementation Factory” jako sposób pracy • Zaprojektowany i wdrożony powtarzalny proces: discovery → business case → MVP → eksperyment → decyzja go/no‑go → roll‑out. • Lekka, ale konkretna dokumentacja (one‑pager, backlog, metryki, ryzyka), dzięki której biznes rozumie, co się dzieje, po co i jakie są trade‑offy. 4. AI osadzone w systemach i codziennej pracy • Integracje AI z istniejącymi systemami (CRM, e‑commerce, marketing automation, systemy operacyjne) zaprojektowane i nadzorowane wspólnie z zespołami technicznymi. • Działający monitoring jakości modeli/agentów: metryki, alerty, proces reagowania na degradację jakości, a nie „deploy i zapominamy”. 5.  Mierzalna poprawa 3–4 kluczowych KPI • Wspólnie z właścicielami procesów wybierasz 3–4 „North Star metrics” dla AI (np. conversion rate, NPS, AHT, churn, CAC/LTV – w zależności od obszaru). • W uzgodnionych ramach czasowych jesteś w stanie pokazać: „tu weszło AI, tu widać różnicę” – na konkretnych liczbach, nie na wrażeniach. 6. Podniesienie AI‑dojrzałości organizacji • Proste playbooki: jak wybieramy use‑case’y, jak liczymy business case, jak podchodzimy do ryzyk (bezpieczeństwo, bias, compliance). • Warsztaty i sesje dla liderów oraz zespołów, dzięki którym AI staje się normalnym narzędziem pracy, a nie „magiczna czarna skrzynka”. 7. Leadership i partnerstwo dla zarządu/biznesu • Jesteś single‑threaded ownerem agendy AI – rozliczamy Cię z efektu, nie z liczby wdrożonych modeli czy narzędzi. • Pomagasz decydować, gdzie AI ma sens, a gdzie uczciwie mówimy „nie”. Jak będzie wyglądała Twoja praca na co dzień: • Discovery z biznesem• Rozmowy z właścicielami procesów, mapowanie „as‑is”, identyfikacja bottlenecków, definiowanie hipotez i metryk sukcesu. • Priorytetyzacja z leadershipem: co robimy teraz, co później, czego nie robimy wcale. • Projektowanie i nadzór techniczny • Projektowanie rozwiązań AI end‑to‑end: od danych, przez modele (LLM/RAG/klasyczne ML), po integracje i bezpieczeństwo. • Szybkie prototypowanie MVP („vibe‑coding”) – miks no/low‑code, API modeli, orkiestracji agentów i własnego kodu, żeby szybko sprawdzić hipotezy. • Zarządzanie, mentoring, komunikacja • Prowadzenie inicjatyw od problemu do wyniku: cele, backlog, ryzyka, komunikacja z interesariuszami. • Mentoring tech‑liderów i inżynierów w kierunku „AI‑first thinking” oraz edukowanie biznesu na realnych case’ach, nie buzzwordach. Kogo szukamy : To rola dla osoby, która potrafi płynnie przełączać się między rozmową z zarządem o strategii i KPI a dyskusją z inżynierami o RAG, wektorach i orkiestracji agentów. Będziesz dobrym match’em, jeśli masz: • Masz solidne doświadczenie ( 5+ lat) w rolach typu AI/ML Engineer, Data/ML Solutions Architect, Product/Platform Engineer lub pokrewnych, w środowisku produktowym lub R&D. • Kilka dużych historii „od problemu do wyniku” – projekty AI/automatyzacji, które samodzielnie doprowadziłeś/doprowadziłaś od discovery po produkcję z mierzalnym wpływem na KPI. • Doświadczenie w pracy bardzo blisko biznesu i produktu: discovery, roadmapy, KPI, business case’y, priorytetyzacja. • Umiejętność modelowania procesów biznesowych i wyczucie, gdzie AI ma sens, a gdzie lepsza będzie prosta automatyzacja lub redesign procesu. Technicznie: • Bardzo dobra znajomość co najmniej jednego języka (np. Python, TypeScript) oraz chmury (preferowana GCP, ale AWS/Azure również OK). • Praktyczne doświadczenie z LLM, RAG, wektorami, agentami, integracją przez API i podstawami MLOps/AIOps. Mindset i postawa: • Silny ownership – traktujesz inicjatywy jak swój produkt, nie „projekt IT”. • Odwaga decyzyjna – umiesz zabić projekt, który nie dowozi wartości, nawet jeśli jest „sexy” i lubiany. • Komfort pracy w niepewności, iteracyjne podejście, decyzje oparte na danych. • Dojrzały styl managerski – potrafisz ustawić kierunek, priorytety, komunikację, zadbać o alignment zespołów. Nie szukamy osoby, która: • chce być tylko „AI evangelistą” od prezentacji i trendów, bez realnego dowożenia wdrożeń i zmian w procesach. • ma mocne kompetencje techniczne, ale nie czuje pracy z biznesem – rozmów o KPI, priorytetach, kompromisach i odpowiedzialności za efekt. • widzi AI wyłącznie jako R&D/POC, a nie jako narzędzie do produkcyjnego, stabilnego usprawniania konkretnych obszarów firmy. • szuka czysto developerskiej roli z taskami w backlogu, bez brania odpowiedzialności za kierunek, decyzje i wynik biznesowy inicjatyw. Co oferujemy: • Realny wpływ na to, jak AI jest używane w Locon – od procesów, przez produkty, po metryki sukcesu. • Połączenie ról: programista, architekt, lider inicjatyw i partner dla zarządu – bez wtłaczania w wąską szufladkę. • Dużą autonomię w doborze narzędzi i stacku – liczy się efekt biznesowy, nie dogmaty technologiczne. Jak rekrutujemy (performance‑based) • Rozmowa wstępna • Fit, oczekiwania, kontekst roli. • Wstępne omówienie 2–3 projektów AI od pomysłu do produkcji. • Deep‑dive oparty o osiągnięciach • Strukturalna rozmowa o kilku kluczowych inicjatywach, z naciskiem na decyzje, liczby. • Case – AI implementation dla konkretnego procesu • Dostajesz proces biznesowy, projektujesz discovery, MVP, metryki, ryzyka, integracje i sposób roll‑outu. • Rozmowa zamykająca • Szczegóły współpracy, Twoje pytania, transparentny feedback. Jeśli chcesz mieć realny wpływ na to, jak AI zmienia biznes – a nie tylko prezentacje o AI – odezwij się.