Engagement Manager, AI Implementations

О позиции

Мы ищем Engagement Manager в команду Technology Distribution подразделения Tether Data для лидерства во внедрении ИИ-инициатив на основе QVAC — SDK компании для локального ИИ и делегированного инференса. Позиция фокусируется на оркестрации сложных многозаказчиковских развертываний децентрализованных ИИ-решений в корпоративной, государственной и институциональной среде. Это роль на стыке технических и бизнес-процессов, где вы будете согласовывать ожидания клиентов с возможностями продукта, координировать внутренние и внешние стейкхолдеры и управлять реализациями от начального планирования до производственного запуска.

Чем заниматься

• Выступать основным контактным лицом для клиентов и партнёров на этапах ИИ-реализаций
• Помогать клиентам переводить бизнес-требования в стратегии внедрения ИИ с использованием возможностей QVAC
• Управлять полным циклом координирования реализаций на основе QVAC от kickoff до production развёртывания
• Определять дорожные карты, этапы и зависимости между моделями ИИ, инфраструктурой и слоями интеграции
• Следить за прогрессом нескольких параллельных ИИ-развертываний и обеспечивать своевременную готовность к продакшену
• Координировать взаимодействие с командами продуктов, инженерии и исследований по вопросам возможностей и эволюции платформы QVAC
• Обеспечивать интеграцию клиентских систем с компонентами QVAC, включая pipeline деплоя моделей, APIs и compute environments
• Работать с юридическими и compliance-командами при чувствительных ИИ-развертываниях с ограничениями приватности данных
• Вести governance frameworks: планы реализации, трекинг рисков, decision logs
• Готовить executive-отчёты о прогрессе, рисках, блокерах и следующих шагах
• Обеспечивать документирование архитектур реализаций и паттернов деплоя для повторного использования

Что ждут

• Опыт 5+ лет в управлении программами, техническом account-менеджменте или ролях delivery в среде ИИ, data infrastructure или сложном технологичном окружении
• Подтверждённый опыт управления кросс-функциональными реализациями с множественными стейкхолдерами (внутренние команды, клиенты, внешние партнёры)
• Сильные навыки работы на пересечении технических и бизнес-доменов
• Понимание концепций деплоя ИИ/ML: model inference, edge/local AI, distributed compute архитектуры
• Знание API, интеграций SDK, паттернов system architecture
• Способность вести технические дискуссии с инженерными командами при сохранении бизнес-ясности для клиентов
• Сильные коммуникационные и stakeholder management навыки, опыт работы с enterprise или government секторами
• Структурированный подход к tracking проектов, документации и governance
• Способность работать с неопределённостью в быстро меняющихся средах ранней стадии

Будет плюсом

• Опыт работы с децентрализованными технологиями, блокчейном или privacy-preserving системами
• Знакомство с инструментами ИИ-инфраструктуры или MLOps workflows
• Опыт в регулируемых отраслях или государственных проектах
• Базовое familiarity с программированием или скриптовыми окружениями (Python, APIs, CLI tools)

Условия

• Работа в международной команде с глобальным присутствием — удалённо из любой точки мира
• Участие в разработке технологий, формирующих будущее цифровых финансов
• Коллаборация с экспертами отрасли в финтех и блокчейн секторе
• Возможность влиять на реализацию передовых ИИ-инициатив в enterprise и госсекторе
• Работа с продуктом, который используется сотнями миллионов пользователей worldwide

Навыки

• program management
• technical account management
• stakeholder management
• AI/ML deployment
• API integration
• SDK integration
• system architecture
• project governance
• risk management
• cross-functional collaboration
• client engagement
• implementation planning
• edge computing
• local AI
• privacy-preserving systems
• MLOps

Могут спросить на собеседовании

1. Расскажите о случае, когда вы управляли сложной ИИ-реализацией с множественными стейкхолдерами. Каковы были ключевые вызовы и как вы их преодолели?
2. Как вы балансируете технические ограничения продукта с ожиданиями клиентов в условиях ранних стадий разработки?
3. Приведите пример проекта, где вам приходилось адаптировать стратегию внедрения из-за изменений в приоритетах или требованиях клиента.
4. Какой подход вы используете для документирования архитектур решений и lessons learned при реализации проектов?
5. Как вы обеспечиваете alignment между инженерными командами и клиентами при работе с техническими продуктами? Приведите конкретный пример.