Руководитель направления ИИ и машинного обучения (Head of AI / ML) / Head of Artificial Intelligence / Machine Learning: кто это, обязанности и навыки

Кто такой Head of Artificial Intelligence / Machine Learning

Head of AI / ML руководит всем, что в продукте работает на машинном обучении: от рекомендаций и мэтчинга до модерации фото, выявления фейковых и ботовых профилей и предсказания оттока. В дейтинге это одна из главных точек ценности, потому что качество подбора пар напрямую определяет удержание пользователей, конверсию в платящих и долю подозрительного трафика. Компании в рисковых вертикалях держат эту роль отдельно от общего CTO, так как здесь нужны и инженерная глубина, и понимание регуляторных и репутационных рисков.

Обычно позиция подчиняется CTO или CPO и руководит ML-инженерами, исследователями данных, MLOps-специалистами и иногда командой разметки или внутренних инструментов. Head of AI / ML согласует с продуктом, какие задачи решаются моделями, а какие правилами, и отвечает за то, чтобы модели выходили в прод надежными, объяснимыми и совместимыми с требованиями к защите данных и модерации контента.

Обязанности

Определять стратегию ИИ-направления и приоритеты на квартал и год, связывая их с целями продукта и выручки
Руководить командой ML-инженеров, исследователей данных и MLOps, распределять задачи и нанимать ключевых специалистов
Отвечать за модели мэтчинга и ранжирования анкет: постановка целей, офлайн- и онлайн-оценка, выкатка через A/B-тесты
Развивать антифрод-модели для выявления ботов, фейковых профилей, мошеннических переписок и мультиаккаунтов
Организовать автоматическую и полуавтоматическую модерацию фото и текстов с учетом требований площадок и app stores
Выстраивать пайплайны данных и обучения моделей совместно с data-инженерами: качество разметки, версии датасетов, мониторинг дрейфа
Согласовывать с юристами и комплаенсом использование персональных данных, хранение фото и требования к объяснимости решений
Защищать бюджет на вычисления и внешние API, контролировать стоимость инференса и облачных ресурсов
Представлять результаты ML-направления руководству и продуктовым командам, переводить метрики модели в бизнес-язык

Навыки

Глубокое понимание машинного обучения: ранжирование, классификация, рекомендательные системы, временные ряды
Опыт вывода моделей в продакшн и ответственности за их работу под нагрузкой
Умение ставить задачи ML в терминах продукта и выручки, а не только точности модели
Управление командой инженеров и исследователей: найм, оценка, развитие, приоритизация
Понимание A/B-тестирования и причинно-следственного анализа, включая ограничения онлайн-экспериментов
Знание рисков антифрода и adversarial-атак: мошенники адаптируются к модели
Навык коммуникации с юристами и комплаенсом по персональным данным и модерации контента
Оценка стоимости вычислений и архитектурных решений, баланс между скоростью и качеством
Умение объяснять сложные решения нетехническим руководителям без упрощения выводов

Инструменты

Python, PyTorch или TensorFlow для обучения моделей
SQL и хранилища данных для выборок и аналитики
Облачные платформы ML и MLOps-инструменты для обучения, деплоя и мониторинга моделей
Системы контроля версий и трекинга экспериментов (Git, MLflow или аналоги)
Инструменты A/B-тестирования и внутренние платформы экспериментов
Jira или аналогичный трекер для планирования работы команды
Системы разметки данных и модерации контента

Как оценивают работу: KPI

Прирост ключевых метрик продукта от ML-моделей: мэтч-рейт, ответы на сообщения, удержание
Доля трафика, отсеянного антифродом, и доля ложных срабатываний
Скорость модерации и доля контента, обработанного без ручной проверки
Стоимость инференса и вычислений на одного активного пользователя
Время вывода модели от идеи до продакшна
Стабильность моделей в продакшне: количество инцидентов и отклонений от базовых метрик
Текучесть и вовлеченность команды ML-направления

Особенности по вертикалям

Dating

В дейтинге основная задача ИИ это качество подбора пар и борьба с фейками, ботами и мошенничеством в переписке. Head of AI / ML работает с высокой чувствительностью к персональным данным фото и с требованиями площадок и платежных партнеров, поэтому модели модерации и антифрода занимают здесь большую часть приоритетов.

Грейды: чем отличается уровень

Head of / Director

Head of AI / ML отвечает за стратегию ИИ во всем продукте, бюджет и найм команды, а также за риски, которые модели создают для бизнеса и пользователей. Решения принимаются на уровне архитектуры, приоритетов и взаимодействия с CTO, CPO и юридической функцией, а не отдельных моделей.

Как стать Head of Artificial Intelligence / Machine Learning

Обычно в роль приходят из позиции ML-инженера или руководителя data science, где уже был опыт вывода моделей в продакшн и управления небольшой командой. Важно иметь подтвержденный опыт, когда модель влияла на продуктовые метрики, а не только на офлайн-оценку. Бэкграунд в математике, статистике или computer science здесь базовый, но его недостаточно без опыта эксплуатации.

Для тех, кто хочет к этой роли прийти, полезно последовательно пройти путь от ответственности за отдельные модели к ответственности за направление: вести проекты с несколькими командами, защищать решения перед руководством, участвовать в найме и оценке. Стоит разобраться в антифроде, модерации контента и регуляторных ограничениях на персональные данные, так как в рисковых вертикалях они определяют половину решений.

Рост внутри направления обычно идет через расширение зоны: от одной модели к платформе, от одного продукта к нескольким, от технической экспертизы к управлению бюджетом и рисками. Публичных курсов, которые дают нужную практику, почти не существует, поэтому опыт набирается в работе.

Куда расти дальше: CTO или VP Engineering, Chief Data Officer (CDO), VP of AI, Директор по данным (Director of Data), Head of Data Science

Термины, которые нужно знать

ML-модель
Антифрод
Мэтчинг
A/B-тест
MLOps
Модерация контента
Дрейф модели
Инференс

Частые вопросы

Чем Head of AI / ML отличается от ML-инженера?

ML-инженер строит и выкатывает конкретные модели, а Head of AI / ML отвечает за направление целиком: стратегию, приоритеты, команду и риски. Он решает, какие задачи вообще стоит решать моделями, и защищает эти решения перед руководством. Технический уровень по-прежнему важен, но основная работа смещается к управлению.

Нужно ли знать программирование, чтобы занимать эту позицию?

Да, как минимум на уровне понимания, как устроены модели, данные и продакшн-системы, даже если сам код вы уже не пишете каждый день. Без этого сложно оценить, реалистичен ли срок, и понять, почему модель деградирует. Большинство людей в роли приходили из инженерии.

Какие риски для рисковых вертикалей, таких как дейтинг, важны для этой роли?

Главные риски связаны с персональными данными, особенно фото, с модерацией контента и с мошенничеством, которое адаптируется к модели. Также важны требования площадок и платежных партнеров к контенту и ограничениям. Head of AI / ML должен заранее согласовывать эти вопросы с юристами и комплаенсом.

От чего зависит доход на этой позиции?

Доход зависит от размера компании, масштаба продукта, зрелости ML-направления и от того, насколько сильно модели влияют на выручку и удержание. Значение также имеют опыт вывода моделей в продакшн и управления командой, а также рынок, на котором работает компания.

Как составить вакансию на Head of AI / ML?

Опишите, какие продуктовые задачи решают модели, какой стек и масштаб данных, и какие полномочия есть у роли по бюджету и найму. Укажите, кому подчиняется позиция и с какими командами она работает. Уточните требования к персональным данным и модерации, так как они сильно сужают круг кандидатов.

Руководитель направления ИИ и машинного обучения (Head of AI / ML)