ML Product Manager: нейросети, перспективы, проблемы и собеседования

Кто такой ML Product Manager и почему за этой профессией будущее? Сегодня в гостях Сергей Окладников — ML Product Manager Т-Банка. Мы разобрали, как искусственный интеллект и LLM-модели (Qwen, Gemma) меняют финтех, почему качественный слой обвязки (Harness) важнее самой нейросети, и как банк борется с галлюцинациями AI-агентов. Поговорили про экономику внедрения ML, ручную разметку данных и реальные баги нейросетей в поддержке. А главное — пошагово разобрали, как войти в профессию ML Product Manager с нуля, какие хард- и софт-скиллы нужны, и почему путь через стажера-технолога — самый эффективный. 👇 Оставь историю своего самого провального собеседования или конфликт с работы по ссылке ниже. Разберем твой кейс в следующем видео вместе с топами из BigTech! 🔗 Разбор твоей истории тут: https://boosty.to/techbay 🔗 Сотрудничество/Реклама: https://t.me/techbay1703 Полезные ссылки из выпуска: Стажировка в Т-Банке: https://education.tbank.ru/start/ 00:00:00 — Вступление 00:00:30 — В гостях ML Product Manager Т-Банка 00:00:44 — Кто такой ML Product Manager? 00:01:55 — Главные отличия ML-продакта от классического Product Owner 00:04:39 — Специфика Discovery в ML: как оценивают бизнес-эффект 00:07:05 — Способен ли ИИ решать уникальные проблемы клиентов? 00:08:28 — Галлюцинации LLM и цена критической ошибки для банка 00:12:22 — Дикие кейсы: как клиент жаловался нейросети на жену 00:16:22 — Что такое разметка данных (объяснение для новичков) 00:18:06 — Экономика AI: почему оплата GPU выгоднее штата операторов 00:21:34 — Нужно ли признаваться клиенту, что с ним общается бот? 00:23:41 — Заменят ли нейросети 100% сотрудников первой линии? 00:27:26 — Устройство ML-команды: кто такие «Технологи» 00:30:52 — Стажировки в BigTech: как джуну попасть в команду 00:32:08 — Дата-дрифт и бэклог: почему в ML нельзя предсказать результат 00:36:30 — Open Source vs Свои модели. Что такое Харнес (Harness)? 00:39:37 — Почему весь российский BigTech использует китайскую модель Qwen 00:41:21 — Продуктовая стратегия агентов и конкуренция банков 00:49:25 — Риски: можно ли доверить нейросети раздавать кэшбэк деньгами? 00:57:46 — 3 рабочих способа стать ML Product Manager в 2026 году 01:00:49 — Сколько лет нужно для роста и есть ли эйджизм в IT-менеджменте 01:05:31 — Карьерный потолок: куда расти дальше Product-менеджера? 01:08:46 — Каких Hard Skills не хватает обычным продактам для перехода в ML 01:09:35 — Где учиться на ML-менеджера бесплатно (курсы и авторы) 01:12:39 — Soft Skills: дата-сайентисты душнее обычных разработчиков? 01:16:10 — Что проверяют на собеседованиях: красные и зеленые флаги кандидатов 01:22:18 — Главный кайф работы с AI и будущее индустрии 01:25:37 — Что бы гость спросил у CEO Т-Банка?