Middle AI Product Manager

Основал студию по автоматизации внутренних бизнес-процессов, специализирующееся на автоматизации внутренних процессов с использованием LLM и AI-инструментов. Сформировал и руководил кросс-функциональной командой из 5 человек (разработчик, дизайнер, копирайтер, BD). Реализовали коммерческие проекты для клиентов из России, ОАЭ, США и Индии. Работал напрямую с владельцами бизнеса и руководителями отделов, помогая определить требования к продуктам и согласовать критерии успеха. Совместно с разработчиком определял технический подход с учетом требований бизнеса, сроков и ограничений по безопасности. Подготавливал требования к MVP в Notion, использовал Cursor для проверки гипотез и быстрого прототипирования сценариев. Основные проекты: Проект 1: AI Sales Assistant (Автомобильная ниша) Контекст: Сложный подбор запчастей по VIN-номерам в каталогах на 10+ млн SKU занимал у менеджеров много времени и приводил к ошибкам в предложениях клиентам. Процесс: Провел CustDev-интервью с менеджерами продаж, выявил ключевые боли. Сформировал требования к ассистенту и координировал интеграцию с внешними базами автозапчастей (Автопоиск, ВинПин). Сопровождал внедрение и собирал обратную связь от менеджеров после запуска. Результаты: Сократил среднее время подбора детали (AHT) до 2 минут. Конверсия из заявки в сделку выросла примерно на 50% относительно исходного уровня. Система обрабатывает до 800 VIN-запросов в день. Проект 2: Internal Knowledge Search для автоматизации поддержки (Рынок ОАЭ) Контекст: Менеджеры тратили много времени на ручной поиск цен и наличия в базе (15 000 автомобилей и комплектаций), цикл сделки растягивался до 14 дней. Процесс: Провел интервью с первой линией поддержки. Приоритизировал гипотезы по бизнес-ценности и сложности реализации. Совместно с командой приняли решение развернуть локальную LLM и векторную базу знаний из-за строгих требований к безопасности. После запуска собирал обратную связь пользователей и корректировал требования к системе. Результаты: Снизил нагрузку на первую линию поддержки на 75–80%. Время подготовки ответа сократилось с 8 до 2 минут. Сократил цикл сделки на 50%. Проект 3: Content Automation Pipeline Контекст: (США и Индия) Ручной мониторинг трендов и монтаж отнимали много времени, высокая стоимость производства мешала масштабированию. Процесс: Спроектировал процесс автоматизации (мониторинг инфополя, генерация визуала, анимация). После первых тестов отказались от полной автоматизации публикации и оставили обязательный этап проверки человеком (Human Review). Это позволило перевести копирайтеров в роль "редакторов", а процент брака свелся к нулю. Результаты: Снизил расходы на производство. На пике суммарный месячный охват сети клиентских и собственных аккаунтов достигал около 30 млн просмотров.