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.

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)

Rozmowa wstępna
- Fit, oczekiwania, kontekst roli.
- Wstępne omówienie 2–3 projektów AI od pomysłu do produkcji.
Deep‑dive oparty o osiągnięciach
- Strukturalna rozmowa o kilku kluczowych inicjatywach, z naciskiem na decyzje, liczby.
Case – AI implementation dla konkretnego procesu
- Dostajesz proces biznesowy, projektujesz discovery, MVP, metryki, ryzyka, integracje i sposób roll‑outu.
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.

Chief AI Implementation Officer for Business

Locon Sp. z o.o.