Продакт-менеджер с 6+ годами в продукте и работе с enterprise-клиентами, последний год — целиком в AI и автоматизации. В одиночку собрала AI-продукт от агентной архитектуры и RAG до биллинга и аналитики. Совмещаю продуктовое и экономическое мышление с инженерной самостоятельностью: могу спроектировать архитектуру, написать промпт, настроить пайплайн и довести продукт до реальных пользователей.
Ключевые навыки и стек
AI / LLM: RAG на pgvector (эмбеддинги, retrieval), RAG-базы знаний, агентная архитектура ReAct / tool-calling, мультиагентные пайплайны (разделение ролей: анализ → выполнение → проверка), MCP (настройка кастомных MCP-серверов и подключение внешних инструментов к агенту), промпт-инжиниринг (роль, тон, few-shot), управление жизненным циклом LLM-агента (эвалы, итерации, мониторинг). Модели: GPT-4 / 5, Claude Opus / Sonnet.
Фреймворки и автоматизация: LangChain, LangGraph (архитектура state machine и условные переходы для многошаговых агентных пайплайнов), n8n (сложные workflow, агентные ноды, MCP Client), оркестрация нескольких AI-моделей (STT → LLM-диалог → TTS).
Инфраструктура и эксплуатация: деплой и эксплуатация продакшена — Linux-сервер, Docker, Nginx (reverse-proxy, HTTPS/SSL), PostgreSQL + pgvector, Telegram Bot API / вебхуки.
Разработка (вайбкодинг): собираю рабочие сервисы, интеграции и прототипы через AI-ассистентов (Cursor / Claude Code); проектирую архитектуру веб-сервисов, API и баз данных.
Продукт: продуктовая стратегия, roadmap, юнит-экономика, JTBD и глубинные интервью, A/B-тесты (промпты и интерфейсы), сквозная аналитика и атрибуция.
Основатель · продукт и AI/автоматизация · 2025 — настоящее время
Telegram-бот и мини-приложение для голосовой практики английского. Отвечаю за продукт целиком: архитектура, AI-пайплайн, монетизация, инфраструктура.
спроектировала агентный workflow в n8n по паттерну ReAct / tool-calling: обработка голоса и текста, ветвление сценариев под разные режимы общения, сервисные потоки, обработка ошибок — полный production-grade пайплайн;
внедрила RAG-механику на pgvector: эмбеддинги фактов о пользователе подмешиваются в контекст диалога, агент помнит прошлые темы и ведёт персонализированный разговор;
реализовала мультиагентный пайплайн с разделением ролей;
управляла жизненным циклом LLM-агента: оценка качества диалогов двумя способами — ручной просмотр по критериям и LLM-as-judge (автоматическая оценка по рубрике); десятки итераций промптов, мониторинг поведения на пользователях;
провела A/B-тесты тональности агента (выраженная личность тьютора vs. нейтральный ассистент): победитель выбран по retention — вариант с выраженной личностью тьютора удерживал пользователей лучше;
настроила сквозной биллинг: рекуррентные списания, модель подписок, обработка нестандартных кейсов.
Результат: вышла на регулярную выручку (MRR ~60К ₽) за 2,5 месяца.
Сервис сквозной аналитики и коллтрекинга Calltouch
реализовала автоматическую оцифровку офлайн-конверсий: выручка продукта выросла с ~200К до ~1 млн ₽/мес;
развивала направление групповых проектов (агрегация данных enterprise-клиентов, например сетей автодилеров): спроектировала архитектуру агрегации, предложила вывести на премиум-тариф → число проектов ×2,5 за год, выручка сегмента +~30%, ~100 крупных клиентов;
внедрила планирование на основе исследований: ~30 глубинных интервью (JTBD) → приоритизированный бэклог (фичи, UX-доработки, снижение издержек);
построила гибкий конструктор отчётов с кастомными группировками и срезами (UTM, гео, каналы); за месяц после запуска вовлечённость в отчёты выросла: пользователи +46%, посещения +52%, среднее время в отчётах +92%.
Проджект-менеджер — внедрение и ведение enterprise-клиентов · 2019 — 2022
внедряла сервис коллтрекинга и сквозной аналитики для enterprise-клиентов: анализ бизнеса, подбор конфигурации под задачи и воронки, настройка системы подмены номеров;
вела клиентов как единая точка входа (биллинг, техподдержка, юридические вопросы); перевыполняла планы по удержанию и развитию закреплённых клиентов;
среди клиентов — сеть из 228 дилерских центров автопроизводителя и другие крупные бренды.