Chief AI Implementation Officer for Business
⚲ Warszawa
30 000 - 38 000 PLN netto (B2B)
Wymagania
- LLM
- MLOps/AIOps.
- TypeScript
- AI
- RAG
- GCP
- Python
- AI/ML Engineering
Opis stanowiska
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.
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.
Jeśli chcesz mieć realny wpływ na to, jak AI zmienia biznes – a nie tylko prezentacje o AI – odezwij się.
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.
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.
Jeśli chcesz mieć realny wpływ na to, jak AI zmienia biznes – a nie tylko prezentacje o AI – odezwij się.
🔍 Dekoder Ogłoszenia
🔴
potrafi przełożyć wizję AI na działające procesy, produkty i bardzo konkretne KPI
Oczekuje się od kandydata umiejętności przekształcania abstrakcyjnych pomysłów na konkretne, mierzalne rezultaty biznesowe, co może oznaczać dużą presję na osiąganie celów.
🔴
AI naprawdę „weszło w krew” biznesu
Sugestia, że obecne wdrożenia AI mogą być powierzchowne lub nieefektywne, a nowa osoba ma za zadanie gruntownie je zintegrować i usprawnić.
🔴
lubi wejść w kod, kiedy trzeba, ale większość energii wkłada w projektowanie rozwiązań, decyzje i dowożenie efektu biznesowego
Chociaż rola nie jest czysto programistyczna, może wymagać od kandydata umiejętności technicznych i gotowości do pracy z kodem, co może być bardziej czasochłonne niż sugeruje opis.
🟡
To nie jest rola „AI evangelisty” ani teoretycznego CAIO, tylko bardzo praktyczna funkcja szefa wdrożeń AI
Podkreślenie praktycznego charakteru roli, co może oznaczać mniej czasu na strategię i więcej na realizację zadań, często pod presją.
🔴
Zamiast listy „wymagań”, mamy listę rezultatów, po których poznamy, że ta współpraca działa.
Skupienie na wynikach może oznaczać bardzo wysokie oczekiwania i brak tolerancji dla błędów lub niedociągnięć w realizacji celów.