AI and Data Science Product Manager

Competenze

Competenze tecniche

• Gestione backlog e roadmap con strumenti come Jira e Confluence
• Comprensione di algoritmi ML sia supervisionati che non supervisionati
• Analisi dati con SQL, Python o strumenti BI come Tableau, Looker
• Metodologie Agile e Scrum applicate a progetti AI
• Valutazione metriche modelli: precisione, recall, latenza, drift
• Conoscenza di architetture MLOps e pipeline CI/CD per modelli
• Stima ROI e business case per iniziative di intelligenza artificiale
• Familiarità con normative AI Act e requisiti GDPR per sistemi automatizzati

Competenze interpersonali

• Capacità di sintesi tra linguaggio tecnico e comunicazione executive
• Gestione delle priorità in contesti ad alta ambiguità tecnologica
• Ascolto attivo e facilitazione di workshop cross-funzionali
• Pensiero critico nell'interpretazione di risultati sperimentali
• Autonomia decisionale con dati incompleti o modelli ancora in fase di validazione

Compiti

• Sviluppare e mantenere la roadmap del prodotto AI, allineando obiettivi aziendali e capacità tecniche del team
• Definire user story e criteri di accettazione per funzionalità basate su modelli ML insieme ai data scientist
• Prioritizzare il backlog usando framework come RICE o MoSCoW per casi d'uso AI con ROI misurato
• Monitorare le metriche di performance dei modelli (AUC, F1-score, latenza) e tradurle in decisioni di prodotto
• Condurre sessioni di discovery con stakeholder interni per scoprire opportunità di automazione e predizione
• Redigere documenti PRD e specifiche funzionali per pipeline di dati, API ML e dashboard analitiche
• Coordinare i cicli di rilascio con il team MLOps, verificando la stabilità dei modelli in produzione tramite A/B test
• Analizzare feedback utenti e dati comportamentali con strumenti come Mixpanel o Amplitude per guidare le iterazioni
• Negoziare con il management risorse computazionali e budget cloud (AWS, GCP, Azure) necessari ai progetti AI
• Presidiare le retrospettive di sprint valutando lo scostamento tra velocity pianificata e risultati reali
• Gestire le dipendenze cross-team tra data engineering, frontend e compliance per rispettare vincoli normativi GDPR e AI Act

Ambienti di lavoro

Gli ambienti di lavoro possono variare:

Possibili evoluzioni

• Diventare Head of Product AI con responsabilità su più linee di prodotto
• Assumere il ruolo di Chief Product Officer in organizzazioni data-driven
• Diventare AI Strategy Director con focus su governance e innovazione
• Venture capitalist specializzato in startup AI e deep tech
• Imprenditore come fondatore di prodotto AI verticale

Profilo ricercato