智能互联阿里云智能-AI解决方案架构师（金融华东）-新金融行业线（杭州/上海）
任职要求
• 2年以上技术解决方案、AI产品、算法工程或AI创业经验； • 有以下经历者优先： • ○ AI产品经理（具备市场洞察与跨团队协同经验）； • ○ 客户侧AI项目负责人（具备甲方视角）； • ○ 大模型公司（如“AI六小龙”）算法/工程岗； • ○ 独立开发者或AI创业者（具备端到端落地能力）。 • 深度参与客户业务会议，理解从需求到营收的全链路 • 曾主导从0到1的AI场景孵化 • 亲手完成过RAG优化、Agent搭建或模型微调项目 • 在PAI/百炼等平台部署并调优过大模型应用 • 成功向非技术高管（如CEO、业务VP）讲清AI 的价值点…
工作职责
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、面向金融企业客户，深入客户核心业务流程，识别关键痛点与价值点，基于大模型能力设计端到端AI解决方案。 2、主导从方案设计到技术实现的全流程，具备独立开发与调试能力，能快速搭建多Agent协同系统，掌握并熟练运用数据构建、Prompt工程、RAG增强、Agent协作、Workflow编排、模型后训练等关键技术。 3、收集客户反馈与使用数据，结合技术研判，向产研团队输出产品优化建议，驱动产品迭代升级，提升市场竞争力与客户满意度。 4、基于基础大模型与行业垂类模型，孵化可复用的金融场景解决方案模板；善于总结最佳实践，形成可推广的方法论与案例库。
1、面向金融企业客户，在客服、投研、投顾、风控、营销、内部工作提效等场景中，以大模型为基础，通过使用langchain、RAG、Agent等相关技术架构结合大模型产品设计可落地的大模型应用解决方案，解决客户实际场景问题； 2、孵化和完善大模型应用解决方案，基于基础大模型和应用大模型等产品，为金融企业客户提供丰富的大模型应用解决方案服务； 3、深入理解业务，了解大模型在客服、投研、投顾、风控、营销、内部工作提效的使用，为客户提供大模型应用解决方案的建议和咨询； 4、收集客户需求，结合技术研判，向产研部门反馈大模型应用解决方案优化需求，提升产品市场竞争力和市场占有率。
1.需求分析与场景识别： 了解一个或多个领域的业务知识，能够跟客户有效沟通和洞察真实需求，并识别出可以使用人工智能技术的场景 2.技术判断与解决方案： 理解机器学习、深度学习、大模型的基本原理， 能够基于客户的需求，基于云+AI的产品设计出适合的解决方案，具备智能体开发demo的能力， 并可以向客户的业务/技术决策人阐述阿里云产品和解决方案的优势，以影响客户的技术选型决策 3.产品需求反馈与优化：依据市场/客户需求、技术动态，结合技术研判向产研部门反馈大模型应用解决方案及Agent工具等的优化建议，推动技术创新和解决方案的迭代升级，提升产品市场竞争力和市场占有率； 4.市场敏感与扩展复制：挖掘可复制、可规模化、符合市场逻辑的大模型解决方案，通过客户案例的落地对成功实践进行总结归纳完成从0到1；并对内部团队及客户进行知识和项目分享，促进从1到N的复制；
1.需求分析与场景识别： 了解一个或多个领域的业务知识，能够跟客户有效沟通和洞察真实需求，并识别出可以使用人工智能技术的场景 2.技术判断与解决方案： 理解机器学习、深度学习、大模型的基本原理， 能够基于客户的需求，基于云+AI的产品设计出适合的解决方案，具备智能体开发demo的能力， 并可以向客户的业务/技术决策人阐述阿里云产品和解决方案的优势，以影响客户的技术选型决策 3.产品需求反馈与优化：依据市场/客户需求、技术动态，结合技术研判向产研部门反馈大模型应用解决方案及Agent工具等的优化建议，推动技术创新和解决方案的迭代升级，提升产品市场竞争力和市场占有率； 4.市场敏感与扩展复制：挖掘可复制、可规模化、符合市场逻辑的大模型解决方案，通过客户案例的落地对成功实践进行总结归纳完成从0到1；并对内部团队及客户进行知识和项目分享，促进从1到N的复制；