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.

1. 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)

1. Rozmowa wstępna

   • Fit, oczekiwania, kontekst roli.

   • Wstępne omówienie 2–3 projektów AI od pomysłu do produkcji.

2. Deep‑dive oparty o osiągnięciach

   • Strukturalna rozmowa o kilku kluczowych inicjatywach, z naciskiem na decyzje, liczby.

3. Case – AI implementation dla konkretnego procesu

   • Dostajesz proces biznesowy, projektujesz discovery, MVP, metryki, ryzyka, integracje i sposób roll‑outu.

4. 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.