AICL平台领导力与架构（核心）：领导中国AICL能力（包括AI就绪数据产品、语义/消费层和编排模式）的设计和亲力亲为的交付
将AI和分析用例需求（例如DDD）转化为具体的技术设计和可交付成果，从概念验证或概念转向MVP和生产就绪的解决方案
确保AICL组件不仅架构合理，而且可用、稳定和可重用
跨职能协调（中国+全球）：与数字化/工程团队日常合作，共同设计和实施AICL解决方案，包括集成、部署、测试和运营交接
与数据科学/数字化团队和分析利益相关者密切合作，确保平台能力与真实用例和采用路径保持一致
与全球同行就AI和数据平台产品演进保持持续、双向的一致，确保全球更新、升级和经验教训被主动分享，并且中国需求和约束被反馈到全球讨论中
AI消费赋能：语义/上下文与编排：推动语义和上下文层（例如，将业务术语映射到技术对象、SSOT KPI集成、组织/上下文丰富）作为基础AICL能力的赋能
指导AI消费和编排模式（例如，结构化+非结构化检索协调、代理编排考虑因素）的设计，作为AICL L4+能力规划的一部分
数据质量与可观测性：负责AICL及相关平台的数据质量和可观测性，确保企业标准和AI/分析标准被指定团队明确定义并一致遵循
AI/ML工程、MLOps与LLMOps：将ML/AI解决方案产品化：为模型和AI服务构建训练/推理管道、打包、部署、监控和生命周期管理
LLM开发：在设计开发基于LLM的应用程序（包括RAG系统和AI代理）方面有经验
框架熟练度：有使用流行LLM编排框架（如LangChain、LlamaIndex或类似工具）构建可扩展AI解决方案的实际经验
实施LLMOps实践（提示测试、运行时监控、评估/护栏、幻觉控制模式），适用于代理和LLM赋能解决方案
与数据科学家合作，将模型集成到可扩展的服务和工作流中，实现可重复的交付和BAU运营
后端服务与平台工程：构建和维护支持推理工作流、元数据/服务、内部平台和自动化的Python服务和REST/gRPC API（例如FastAPI）
为企业集成建立清晰的API契约、数据模型、验证和安全身份验证/授权模式