阿里云阿里云智能-AI应用数据高级产品专家-杭州/北京
任职要求
1. 8年以上可观测、大数据或数据库相关产品技术开发及产品经验，对日志服务、可观测、大数据、数据库等领域中的一个以上有深入了解。 2. 对于当前AI Agent智能体相关技术，特别是围绕Agent应用架构以及Agent相关的数据流转，如可观测数据、数据处理、应用评估、模型后训练等有深入理解。 3. 具有很好的沟通技巧，对外可以很好的与客户沟通澄清需求，对内能够与研发、售前、销售…
工作职责
随着企业开始构建Agent并逐步上线，围绕AI应用的数据使用越来越被重视，特别是基于数据进行效果持续提升成为决定Agent是否成功的关键，比如应用评估、模型后训练、上下文优化等。云原生的产品中有大量的Agent实时运行数据和业务数据，我们正在这些产品之上构建新的产品能力，来帮助客户更好的利用这些数据用于Agent的持续效果优化。包括结合AI的场景对数据进行持续的处理、存储，以及与阿里云的其他AI产品进行集成，在不同的场景中使用。我们需要资深的产品专家来定义这些新的场景，并以产品化的形式交付给我们的客户，助力客户AI应用成功。主要的职责包括： 1. 深刻理解客户业务和场景需求，追踪AI行业发展趋势及技术发展动态，规划产品演进路径及迭代。一方面负责存量产品的持续增长，包括消息队列、Kafka、日志服务、可观测等产品；同时不断发掘存量产品与AI的结合，包括AI提升产品能力，以及产品如何在AI的新场景中发挥作用。 2. 探索AI应用数据领域的新方向产品的孵化和前期市场探索，场景包括如何将应用数据用于Agent智能体的持续效果调优，包含AI应用相关数据的采集、存储、处理，以及后续在智能应用评估、模型后训练中的使用，帮助用户构建AI应用数据飞轮，持续提升Agent效果。 3. 制定产品策略以及市场策略，以业务成功为导向，协同研发、售前、运营、文档等多角色共同达成业务目标。
1. 技术前瞻与需求洞察：深度跟踪容器、云原生技术前沿（如 Kubernetes 新特性、Serverless 演进、AI 训练/推理、AI Agent 架构、微服务治理等），精准识别内/外客户在不同场景中的核心需求，驱动产品创新方向与技术战略落地； 2. 竞品与市场分析：持续分析主流云厂商在容器编排、Serverless 算力、AI 训推方案、AI Agent 等领域的竞品动态，输出深度市场洞察报告，支撑产品差异化设计与战略决策，不断增强产品竞争力； 3. 产品全生命周期管理：主导核心容器产品（如 ACK、ACS、ACR 等）的功能规划、需求定义、设计及商业化运营，从需求挖掘到规模化落地，推动市场份额与用户满意度提升； 4. 端到端解决方案设计：针对企业客户复杂业务场景（如 AI 训练/推理、AI Agent 应用、大数据应用、多云微服务应用等），设计端到端的容器解决方案，平衡调度性能、弹性容量、安全合规与成本优化等关键维度； 5. 跨职能协同：联动容器产品 PDSA、运营、研发、运维及 SA 架构师团队，高效推进产品从需求到上线的全流程交付，确保技术方案与客户业务目标精准匹配，提升交付质量与客户体验； 6. 产品运营与持续迭代：负责产品上线后的运营闭环，包括客户反馈深度分析、用户培训、市场活动支持及数据驱动的体验优化，通过持续迭代巩固产品市场地位与客户成功。
1. 百炼移动端 ＆ 应用广场设计： （1）设计百炼移动端 & 应用广场核心功能：模板体验、用户路径，搜索推荐、应用部署对接流程等，基于场景、行业理解设计高质量的模板分类、标签体系，降低企业及开发者使用门槛。 （2）制定应用上架标准与审核机制（包括功能、安全合规、效果基线、发布流程等），建立应用质量分级体系（如官方认证/开发者自营），建立数据反馈体系。 （3）设计AI体验中心，基于应用广场的供给，提供一站式大模型服务与应用体验中心，通过合理的动线设计，提高新用户转化率。 2. 应用开发者生态建设与运营： （1）协同运营团队，设计开发者增长策略（如黑客松赛事、流量扶持计划、分成激励机制），解决应用分发闭环问题，吸引优质大模型应用入驻。 （2）构建开发者支持能力（文档/教程/沙盒环境/版本管理/收益体系），提升应用开发效率与上架转化率。 （3）设计应用商店商业模式，平衡开发者收益与平台成本，设计合理的治理规则，确保应用商店有序发展，构建开发者生态，提高活跃度。 3. 应用生态价值挖掘： （1）分析应用调用、付费、运营数据，挖掘高潜力应用方向，反向驱动平台开发能力迭代，将头部应用打包为行业标准化产品。 （2）配合运营建设高质量一方应用，呈现大模型服务及应用的能力及场景，丰富市场供给。 4. 行业洞察与竞争分析： （1）跟踪国内外多模态交互类产品动态，制定技术对标与差异化方案。
1. 百炼移动端 ＆ 应用广场设计： （1）设计百炼移动端 & 应用广场核心功能：模板体验、用户路径，搜索推荐、应用部署对接流程等，基于场景、行业理解设计高质量的模板分类、标签体系，降低企业及开发者使用门槛。 （2）制定应用上架标准与审核机制（包括功能、安全合规、效果基线、发布流程等），建立应用质量分级体系（如官方认证/开发者自营），建立数据反馈体系。 （3）设计AI体验中心，基于应用广场的供给，提供一站式大模型服务与应用体验中心，通过合理的动线设计，提高新用户转化率。 2. 应用开发者生态建设与运营： （1）协同运营团队，设计开发者增长策略（如黑客松赛事、流量扶持计划、分成激励机制），解决应用分发闭环问题，吸引优质大模型应用入驻。 （2）构建开发者支持能力（文档/教程/沙盒环境/版本管理/收益体系），提升应用开发效率与上架转化率。 （3）设计应用商店商业模式，平衡开发者收益与平台成本，设计合理的治理规则，确保应用商店有序发展，构建开发者生态，提高活跃度。 3. 应用生态价值挖掘： （1）分析应用调用、付费、运营数据，挖掘高潜力应用方向，反向驱动平台开发能力迭代，将头部应用打包为行业标准化产品。 （2）配合运营建设高质量一方应用，呈现大模型服务及应用的能力及场景，丰富市场供给。 4. 行业洞察与竞争分析： （1）跟踪国内外多模态交互类产品动态，制定技术对标与差异化方案。
1、AI产品组合管理（Portfolio） ● 面向AI 原生应用、Agent 平台产品方向，负责产品组合管理，推动跨产品协同，确保产品结构有序发展 ● 落实AI 产品从孵化、试用、公测、商业化到下线的关键生命周期规则，保障各阶段规则、节点和协同机制有效运转 ● 从公司视角，发起并管理能够提升整体产品力的项目计划，提供面向多个产品线发展所需的工具平台 ● 基于公司整体战略，拆解产品策略，协同产研、横向团队，推进产品策略的落地 2、产品管理体系建设与运营 ● 围绕 MaaS 与 AI 原生产品特点，制定适合AI原生产品的产品管理体系，包括流程机制、角色分工、核心指标、数字化工具等 ● 推动产品线、商业线及横向平台团队之间的高效协同，建设AI时代下的体系化协同机制，提升 AI 产品从构建到市场转化的整体效率 ● 基于AI能力对产品管理体系进行优化，促进管理体系的效率提升 3、产品治理 ● 制定和完善AI产品的规则和规范，联合相关团队，建设AI产品治理和运营机制，并提供系统、数据、流程上的支撑 ● 识别 MaaS / AI 产品在能力边界、生命周期、体验等方面的共性问题，通过专项进行治理