Product Owner - Data Science & Inteligência Artificial

• Gestão do Backlog de Produtos de Data Science: Criar, refinar, priorizar e manter o backlog de itens (User Stories, Hipóteses de Modelagem, Tarefas de Experimentação, Requisitos de Dados, Implementação de Features de ML) para os modelos e produtos de Data Science.
• Tradução de Necessidades de Negócio em Problemas de Data Science: Colaborar com o Product Manager e stakeholders para entender profundamente os problemas de negócio e traduzi-los em objetivos claros e mensuráveis para os projetos de Data Science.
• Definição de User Stories para o Ciclo de Vida de ML: Escrever User Stories específicas para todas as fases do ciclo de vida de Machine Learning: exploração de dados, engenharia de features, treinamento de modelos, avaliação de performance, validação, deployment (MLOps), monitoramento e retreinamento.
• Colaboração com Times de Data Science: Atuar como o principal ponto de contato para os Cientistas de Dados e Engenheiros de ML, esclarecendo requisitos, prioridades e garantindo que o trabalho esteja alinhado com os objetivos de negócio.
• Planejamento e Definição de Metas de Sprint/Ciclo: Trabalhar com a equipe de Data Science para definir metas realistas para cada ciclo de desenvolvimento/experimentação, considerando a natureza iterativa e investigativa dos projetos de IA.
• Validação e Aceite de Entregas de Modelos: Definir e executar critérios de aceite para os modelos e suas features, incluindo performance estatística, impacto no negócio, explicabilidade (quando aplicável) e requisitos de produção.
• Gestão de Requisitos de Dados para Modelagem: Especificar e priorizar as necessidades de dados para treinamento, teste e produção dos modelos, colaborando com Engenheiros de Dados para garantir a disponibilidade e qualidade dos dados.
• Comunicação com Stakeholders: Comunicar o progresso, resultados de experimentos, performance de modelos e limitações para stakeholders técnicos e não técnicos de forma clara e eficaz.
• Foco em Experimentação e Valor Antecipado: Promover uma cultura de experimentação rápida, aprendizado contínuo e entrega de valor incremental.
• Acompanhamento de Tendências em IA Gen: Manter-se atualizado sobre as aplicações e desenvolvimentos em Inteligência Artificial Generativa relevantes para os objetivos da empresa.

• Formação acadêmica em áreas quantitativas (Estatística, Ciência da Computação, Engenharia, Matemática, Economia).
• Experiência específica em domínios de Risco, Crédito, Cobrança (Collection) ou Análise de Comportamento do Cliente (Behavior Score).
• Experiência prática com projetos de IA Generativa.
• Conhecimento de ferramentas e plataformas de Data Science e MLOps (ex: Python, SQL, Databricks, MLflow).
• Familiaridade com questões de explicabilidade de modelos (XAI) e fairness em IA.
• Certificações em Product Ownership (CSPO, PSPO) ou especializações em IA/ML.
• Inglês avançado/fluente (para acompanhar pesquisas e tendências globais em IA).

RPE