百度大客户项目经理(大模型标注方向)（J82126）

1、客户需求洞察及方案设计 • 大模型场景洞察：理解客户业务场景、整体技术架构，主动挖掘客户核心业务中的高价值的大模型应用场景，与客户共创业务和技术的关键问题与效果标准，理解行业内AI场景的价值。 • 方案设计：基于客户业务目标与技术约束，设计端到端MaaS解决方案，涵盖模型选型、工程链路（推理/微调/RAG/Agent）、效果评估体系及上线路径。 2、售前引导和支持与实操能力 • 结合客户的业务场景需求，通过标杆案例及demo演示展示阿里云大模型的竞争优势，建立在客户侧的技术影响力，影响客户的决策。向客户高层展示阿里云AI全栈产品的竞争优势，确保技术方案与客户业务目标深度绑定。 • 技术验证：动手搭建Prompt、RAG、多Agent工作流及微调实验，快速验证业务可行性，对POC结果的安全性、稳定性、性能、可持续性和运行效率给出技术建议。对客户业务与技术双线相关人员清晰阐述AI带来的效率提升、成本节约或收入增长，建立科学的AI效果评估共识。 3、技术策略制定和项目赢单 • 分析客户的业务和技术情况，将阿里云大模型产品技术与客户业务需求结合，帮助客户拓展AI应用新场景，推动技术采用。 • 针对重点项目/客户，面向客户高层介绍阿里云大模型产品和解决方案的优势，传递技术价值及其带来的业务收益，引领客户向AI转型，推动项目顺利签约。 • 在售前规划和方案实施过程中，识别并有效应对技术和项目风险，协同产研及交付团队正常履约，实现收入转化，优化阿里云的效果与客户满意度。 4、能力沉淀和赋能 • 构建可复用的知识资产：沉淀面向细分领域/场景的大模型调用最佳实践、细分领域标杆案例等知识文档。 • 内部团队、生态伙伴、客户赋能和培训。 5、产品需求和改进反馈 • 识别和理解阿里云大模型的技术问题和机会，传递客户需求和反馈给产品团队，影响功能开发和未来产品路线图，保持阿里云产品的市场竞争力。 •了解客户大模型使用的情况恶化效果，将客户使用中遇到的影响客户体验的问题，反向推动内部解决，推动内部产品解决方案和流程体系的改进。

1、基于公司战略，负责保险领域AI大模型产品的规划、设计与迭代，推动产品从0到1及规模化落地；深入理解保险行业业务场景，与业务团队、客户及研发团队紧密合作，挖掘核心需求，制定AI产品解决方案 2、跟踪保险行业AI应用的发展趋势，分析竞品动态，制定差异化竞争策略 3、负责保险领域大模型应用开发，推动大模型在AI技术方向的应用落地：与算法工程师、工程团队合作，对模型准确率、端到端效果以及应用业务指标负责；通过分析和挖掘业务数据，提炼有价值的信息，结合产品需求进行深入分析和探索，为大模型产品优化和决策提供数据支持 4、对接算法工程师、标注团队、工程开发团队，负责产品开发进度、资源协调和风险管理，制定项目计划和进度安排，确保产品按时高质量交付，并推动产品在实际业务场景中的应用和优化

1、负责公共安全相关行业的AI产品的规划与设计，负责产品特性设计； 2、负责了解市场，跟进目标用户和需求，设计符合用户要求的产品功能，推动产品迭代； 3、负责竞争对手分析、市场趋势研究等工作，反馈产品改进和创新思路； 4、与产品研发、算法研发、交互设计紧密配合，推动产品达到市场要求； 5、基于对用户场景的梳理以及对大模型能力边界的理解，指导项目进行prompt的设计和参数配置、调优工作； 6、参与大模型的项目落地，从产品的角度定义LLM Agent的设计与规划。 7、协助推动与跟进区域重大项目引导和沟通

该职位聚焦于物流供应链领域，旨在通过AI技术解决仓储配送核心场景的业务痛点，最终实现降本增效。 1. 全链路产品方案设计： · 对供应链有深入理解，能拆解供应链全链路复杂业务流程（覆盖订单、仓储、运输、结算和监控）。 · 梳理业务痛点，结合AI技术设计智能化解决方案，构建供应链AI产品矩阵。 2. 核心仓储场景AI升级： · 针对入库、在库和出库全流程，重点在波次、补货、理货等场景落地AI驱动功能，提升仓储运营效率，降低差错率。 3. AI技术落地与应用： · 主导机器学习、计算机视觉、运筹优化等技术在供应链场景的落地。 · 定义算法需求，推动AI模型（包括大模型）迭代与验收，确保技术方案产生实际的效率与成本价值。 · （高级方向） 构建供应链Agent能力，支撑业务标注、训练和模型管理。 4. 数据分析与产品运营： · 通过数据分析识别痛点、验证优化效果，并进行定期复盘。 · 跟踪产品上线效果，进行需求迭代，持续优化用户体验和业务价值。 5. 项目管理与跨团队协同： · 联动客户、业务运营、算法、开发、数据等多个团队，推动解决方