职位描述
1. 场景洞察与价值定义
深入业务一线（如区域运营团队、策略中心），识别高价值、可标准化的 AI 落地场景（如资产信息智能化处理、营销自动化）；
定义清晰的业务成功指标（如净收入提升、效率倍增、错误率降低），并与业务方达成共识；
2. AI Agent 系统设计与流程再造
主导 AI Native 业务流程设计，拆解复杂任务为可被 Agent 执行的子任务，定义人机协同边界；
与技术团队共同设计 Agent 的工作流、提示词策略、工具调用逻辑及异常处理机制；
构建数据飞轮：设计用户反馈闭环，确保业务使用产生的数据能反哺模型优化；
3. 端到端交付与项目管理
在业务专项制下，担任或协同专项 PM，驱动产品、技术、运营接口人高效协作；
建立敏捷迭代机制，通过 A/B 测试、灰度发布等方式快速验证效果，基于数据果断调整方向；
4. 技术理解与能力共建
保持对前沿 AI 技术（LLM、RAG、Agent 框架、多模态）的敏感度，评估其在资产业务中的适用性；
参与技术选型讨论，从产品视角提供关于用户体验、可扩展性、维护成本的输入；
沉淀 AI 产品方法论，通过案例分享、内部培训等方式，提升团队整体的 AI 认知和产品能力；
5. 跨部门协同与沟通
在矩阵式组织中，有效协调区域运营团队（执行侧）与策略中心/行业专家组（能力侧）的资源与期望；
以清晰的书面和口头沟通，向不同背景的利益相关者（业务、技术、管理层）传达产品愿景、进展和权衡。
职位要求
1. 本科及以上学历，计算机科学、信息管理、数学、统计等相关专业，有技术背景（曾从事开发、数据分析）转做产品的候选人优先；
2. 一年以上AI、数据平台、B 端复杂系统或金融科技领域经验，有成功的 AI 产品从 0 到 1 落地并产生显著业务价值的案例（需提供具体数据和场景描述），能在模糊环境中独立发现问题、定义问题并推动解；
3. 深刻理解 LLM 的能力边界、幻觉问题、成本结构；熟悉 Agent 设计范式、RAG 架构、提示工程基本原理，能熟练运用 SQL 或数据分析工具进行自助式数据探索；能定义清晰的数据指标体系和实验方案；
4. 能与工程师流畅讨论技术可行性、架构取舍、性能瓶颈，理解 API、微服务、云基础设施的基本概念；
5. 擅长梳理复杂业务流，识别痛点和不合理环节，并能设计出兼顾效率与风控的新流程；
6. 适应快节奏、高不确定性的创业氛围，能在资源受限情况下找到突破口，对新技术保持好奇，能快速学习并应用到实际工作中，愿意接受失败，从中快速复盘成长。
【加分项】
1. 有不良资产管理、金融科技、供应链金融等行业背景：
2. 有搭建过 AI 中台、数据中台或大型 B 端 SaaS 平台的经验；
3. 熟悉 Azure、AWS 等云平台及其 AI 服务；
4. 有开源社区贡献或个人 AI 项目作品；
5. 具备基本的 Python 或 SQL 编程能力，能独立完成简单数据验证或原型开发。
