О компании
Jobber помогает небольшим компаниям в сфере домашних услуг — сантехникам, малярам и ландшафтным дизайнерам — через технологию: создание предложений, расписание, выставление счетов и прием платежей от клиентов.
О роли
Jobber уже использует ИИ в продакшене: ИИ отвечает на звонки, готовит черновики ответов и работает в частях продукта. Сейчас эти системы фрагментированы, и продукт еще не мыслит сквозным образом. Роль предполагает владение переходом от AI-функций к AI-процессам и далее к AI-управлению бизнесом. Ответственность лежит на системе в целом, а не на отдельной команде или функции.
Сфера ответственности
- AI Foundations: модели, оркестрация, оценки, guardrails.
- Copilot: пользовательский интеллектуальный слой.
- Automations: слой исполнения процессов.
- Platform Experience / Marketplace: интеграции и экосистема.
- Новые поверхности: голос, сообщения, кросс-продуктовый интеллект.
Задачи
- Владеть end-to-end слоем ИИ-системы Jobber: как интеллект проходит через весь продукт.
- Определять, как принимаются решения внутри системы, как контекст перемещается между процессами и как запускаются действия, включая случаи, когда они не должны запускаться.
- Оценивать, действительно ли ИИ работает.
- Развивать агентные процессы: рассуждение → решение → действие → оценка.
- Обеспечивать сквозной контекст по задачам, клиентам, платежам и коммуникациям.
- Отвечать за надежность, безопасность и сценарии отказов.
- Улучшать developer experience для построения поверх ИИ-систем.
- Определять, как ИИ должен работать во всем Jobber, а не в рамках одной команды.
- Строить и развивать мультикомандную организацию.
- Находить компромиссы между скоростью, качеством и безопасностью.
- Продвигать переход команд от мышления «фичами» к мышлению системой.
- Оспаривать предположения, включая предположения руководства.
- Внедрять ИИ в инженерии, продукте и компании.
Команда
- Около 30 инженеров в 4–6 командах.
- 4–6 engineering-менеджеров или старших EM в подчинении.
- Тесное партнерство с Product, Design и Data.
Критерии успеха
- Система проактивно рекомендует и совершает действия.
- Команды строят на общих ИИ-примитивах, а не изобретают их заново.
- Результаты ИИ надежны, измеримы и улучшаются со временем.
- Инженеры доверяют системе и работают быстрее благодаря ей.
- Клиенты чувствуют, что продукт работает на них, а не просто отвечает.
Требования
- Опыт построения реальных систем, где ИИ принимает решения и совершает действия в продакшене.
- Опыт с оркестрацией агентов, а не только с промптами.
- Опыт с tool use и исполнением процессов.
- Оценка: офлайн и онлайн.
- Наблюдаемость и обработка отказов.
- Guardrails и безопасность в реальных системах.
- Понимание компромиссов между автономией и контролем.
- Не требуется писать код ежедневно, но необходимо мыслить на уровне системы.
- Лидерский опыт: управление менеджерами в нескольких командах, построение масштабируемых организаций, кросс-организационное выравнивание в неоднозначных пространствах.
- Продуктовое и системное мышление.
Целевые пользователи
Продукт создается для людей, у которых нет времени думать о программном обеспечении: сантехник, заканчивающий последний заказ в 18:00; клинер с 30 клиентами и 5 сотрудниками; ландшафтный дизайнер, совмещающий расписание, платежи и последующие контакты. Их вопросы: «Что делать дальше?», «Почему этот заказ не конвертировался?», «С кем связаться сегодня?». В идеале им не придется задавать эти вопросы вовсе.
