Senior Agent Product Manager

О позиции

Decagon — ведущая платформа разговорного AI, помогающая крупнейшим брендам (Avis Budget Group, Cash App, Chime, Oura Health) строить персонализированный клиентский опыт через AI-агентов на всех каналах: голос, чат, email, SMS. Компания поддержана топовыми фондами (a16z, Accel, Bain Capital Ventures, Coatue, Index Ventures) и придерживается офисного формата работы. Agent Product Manager — самая стратегическая клиентская роль в компании: вы одновременно технический владелец внедрения и executive-партнёр, который ведёт трансформацию AI-стратегии крупнейших корпоративных клиентов от первого разговора до полноценного производственного агента.

Будет плюсом

• Степень в Computer Science, Engineering или Math — или эквивалентный практический технический опыт
• MBA или аналогичный опыт на пересечении бизнес-стратегии и технологий
• Опыт продаж, внедрения или консультирования по enterprise-ПО или программам трансформации на уровне Fortune 500

Условия

• Гибкая политика отпусков — берите столько, сколько нужно
• Медицинская, стоматологическая и офтальмологическая страховка для вас и семьи
• Страхование жизни и страхование на случай нетрудоспособности
• Пенсионный план (401K или аналог)
• Оплачиваемый родительский отпуск
• Поддержка фертильности и планирования семьи через платформу Carrot
• Ежедневные обеды и снеки в офисе

Навыки

• Conversational AI
• AI Agents
• Large Language Models
• Product Management
• Enterprise Software
• Customer Experience
• Executive Communication
• Stakeholder Management
• Solution Architecture
• Technical Consulting
• Go-to-Market Strategy
• Account Management
• Product Roadmapping
• Natural Language Processing
• Python

Могут спросить на собеседовании

1. Расскажите о случае, когда вам нужно было убедить скептичного топ-менеджера принять нестандартное техническое решение. Как вы выстраивали доверие?
2. Как вы подходите к проектированию AI-агента для enterprise-клиента с нуля? Опишите ваш процесс от первого разговора до production.
3. Приведите пример, когда вы превратили опыт конкретного клиентского внедрения в масштабируемый фреймворк или плейбук. Как это повлияло на другие проекты?
4. Как вы управляете инженерными командами, не имея прямых полномочий? Как добиваетесь нужного результата, когда исполнение распределено?
5. Какие метрики вы используете, чтобы оценить успех AI-агента в production у enterprise-клиента, и как вы используете эти данные для построения долгосрочного роадмапа?