国际商业机器公司
Application Architect-Business Intelligence
Application Architect-Business Intelligence
发布于 6 个月前普通员工/个人贡献者
北京市
中级经验
全职员工
混合式弹性办公
本科
产品管理
产品规划
供应链
数据治理
跨团队协作
AI产品管理
DevSecOps
PRD
智能体架构
AI 估算 · 35k–60k
北京应用架构师，负责BI与智能供应链，高端技术岗
职位详情
关于这个职位
这是一个专注于AI产品管理的职位，你将负责为客户的‘SDLC Agent’项目进行产品设计和规划
核心工作包括深入理解制造业客户的供应链业务流程，抽象出可由AI智能体赋能的关键场景，并设计智能体的调用逻辑与工作流，推动‘数据-算法-智能体-业务’链路的产品化
你需要与算法、前端等团队紧密协作，确保项目高质量交付
最低要求
计算机科学、信息系统、工业工程、供应链或相关专业本科及以上学历
至少4年AI或数据相关产品经验，有软件工程项目经验者优先
理解AI产品从数据治理、模型训练到实际应用的完整链路
熟悉DevSecOps和开发流程
熟悉数据治理、数据质量控制、数据标准管理等基础方法论
优秀的跨团队沟通和文档能力
工作职责
主导供应链智能体的整体产品设计与规划，定义智能体的核心能力边界、交互模式与生命周期
深度理解制造业客户的供应链业务流程，抽象出可由智能体赋能的关键场景（如预测优化、计划协同、任务分解等）
设计智能体调用逻辑与工作流，推动‘数据-算法-智能体-业务’链路的产品化
撰写产品需求文档（PRD）、用户故事和交互原型，并与算法、前端团队高效协作
根据项目节奏制定产品迭代计划，推动智能体能力逐步落地并验证业务成果
跟进UAT和上线反馈，基于业务反馈和智能体表现持续优化产品体验
协调跨职能团队，确保项目按计划高质量交付
优先资格
有LangChain、LangGraph等智能体架构经验者优先
有基于智能体的项目经验，了解多智能体协作或生成式AI在业务流程中的应用
AI 洞察
优缺点分析
优点
- 平台优势：在IBM这样的全球科技巨头工作，可以接触到前沿的AI项目、丰富的行业客户案例和顶尖的同事，平台资源与品牌背书强
- 技能复合性：职位结合了AI技术、产品管理和特定领域知识（供应链），有助于构建‘技术+业务+产品’的复合型竞争力，未来选择面广
- 行业前景：AI与产业结合是明确的发展趋势，特别是在智能制造和供应链优化领域，参与此类项目经验价值高
- 复杂度高：需要同时理解AI技术、供应链业务和产品方法论，对学习能力、抽象思维和跨领域整合能力要求极高
- 快速迭代：AI产品，特别是基于智能体的应用，技术迭代快，需要不断学习新技术并应对业务需求的变化
- 适合拥有AI或数据产品经验，对技术有好奇心，同时具备优秀业务抽象能力和强烈驱动力的产品人才，希望在AI与产业结合的深水区积累经验
缺点 / 挑战
- 协调压力：作为产品负责人，需要协调算法、开发、业务等多方团队，在项目节奏和资源约束下达成目标，沟通和推动压力大
角色解读
- 纵向发展：可以深耕AI产品领域，从负责具体模块到主导大型AI平台或解决方案的产品战略，成为AI产品专家或总监
- 横向拓展：凭借对AI技术和特定行业（如制造业、供应链）的深度理解，可以向业务咨询、解决方案架构或技术管理岗位发展
- 你将作为AI产品经理，负责‘SDLC Agent’项目的产品全生命周期管理，从需求抽象、产品设计到迭代上线
- 核心工作是深入制造业供应链场景，将复杂的业务问题转化为可由AI智能体（Agent）解决的产品方案，并定义其交互与工作逻辑
- 你需要撰写详细的产品文档（如PRD），并与算法、工程团队紧密协作，确保技术实现与产品目标一致，推动项目落地
- 核心是AI产品规划与管理能力，需要你理解从数据治理到模型应用的全链路，并能将AI技术（特别是智能体）与具体业务场景（如供应链优化）结合
- 需要扎实的数据基础，包括数据治理、数据质量控制和数据标准管理的知识与实践经验
- 必须具备优秀的沟通、协调和文档能力，以有效连接业务、算法和开发团队，推动跨职能协作
申请策略
- 申请前深入研究IBM在AI和供应链领域的公开案例、技术博客或产品发布，了解其技术栈和业务重点，在面试中展现你的了解和思考
- 关注并理解IBM强调的‘负责任的技术’和‘协作’文化，在沟通中体现与之匹配的价值观和工作风格
- 重点突出与AI、数据相关的产品项目经验，详细描述你在其中承担的角色、解决的问题（特别是与数据治理、智能体相关）和取得的量化成果
- 强调你对特定行业（最好是制造业或供应链）业务流程的理解，以及你如何将技术应用于业务场景的成功案例
- 展示你的跨团队协作和项目管理能力，例如如何协调技术团队、撰写PRD、管理产品迭代并确保交付质量的具体事例
- 如果对智能体架构（如LangChain）不熟悉，可以快速学习其核心概念、应用场景和最佳实践，并尝试通过小型项目或案例研究来理解
- 深化对制造业供应链典型业务流程（如预测、计划、采购、生产、物流）和痛点（如需求波动、库存优化、协同效率）的理解
面试指南
- 对于案例类问题，建议采用STAR法则（情境、任务、行动、结果）结构化回答，重点突出你的角色、决策逻辑和可衡量的成果
- 对于场景设计或策略类问题，可以先从理解业务目标和用户痛点出发，再拆解为数据、算法、产品交互等层面进行系统性阐述，最后回归到价值验证
- 请分享一个你主导的AI或数据产品从0到1的经历，重点说明你是如何定义问题、设计解决方案并推动落地的？
- 如果让你为一个制造业客户设计一个供应链预测优化智能体，你会如何着手？请描述你的思考框架和关键步骤
- 当算法团队的技术方案与产品设定的业务目标或用户体验产生冲突时，你会如何处理？
- 你如何评估和管理一个AI产品（特别是智能体）的数据质量风险？
- 请谈谈你对LangChain等智能体框架的理解，以及你认为它们在toB业务场景中的应用潜力和挑战
- 技术知识：复习AI产品开发全链路、数据治理核心概念、智能体（Agent）的基本原理和主流框架（如LangChain）
职位点评
Watch Jobs