Staff Product Manager, Agentic Quoting Tools

Мы ищем Staff Product Manager, который будет отвечать за этот опыт от начала до конца. Вы работаете на стыке Sales и команд, занимающихся расчётом стоимости (quoting), и обслуживаете клиентов, которые наиболее важны для Xometry. Ваша задача — переосмыслить, как запрос превращается в расчёт с ценой (quote): все каналы, по которым он может поступить, каждую передачу между человеком и системой и каждый шаг, для которого человек вообще не нужен. Вы будете проектировать агентов, которые читают запрос, формируют quote и предлагают цену; интеграции Model Context Protocol (MCP), позволяющие этим агентам работать в наших quoting-системах и на платформе Enterprise Resource Planning (ERP); а также внутренние инструменты для сотрудников, в которых люди проверяют результаты работы агентов и решают, чего агентам делать не следует. Критерий прост: как быстро, как точно и с какими минимальными усилиями наши лучшие клиенты получают quote, на основании которого можно действовать.

Эта роль входит в группу Pricing and Manufacturability (P&M) вместе с продакт-менеджерами по прогнозированию себестоимости, ценообразованию и Design for Manufacturability (DFM) и подчиняется руководителю продуктового направления P&M.

Вам дадут метрику и область задач, а не полностью проработанный бэклог. Умение самостоятельно определять свой roadmap по неоднозначным сигналам — это требование, а не бонус.

Для этой роли требуется гибридный график (3 дня в неделю) в нашем офисе в Waltham, MA или North Bethesda, MD.

• Отвечать за путь «от запроса до quote» для наших самых важных клиентов. Описать каждый путь, который сегодня проходит запрос на quote: с момента, когда клиент отправляет письмо, текстовое сообщение, загружает файлы или присылает агента, через Sales, quoting и проверку цены и обратно к клиенту. Знать закулисные шаги лучше всех, кто не входит в команды, которые за них отвечают. Убирать шаги, которых не должно быть. Ваши показатели: время подготовки quote, стоимость одного quote, точность quote и конверсия из quote в заказ на пути с участием человека.

• Перепроектировать воронку, а не только инструменты. Рассматривать каждый канал поступления запросов как отдельный путь со своими потерями и своим способом их устранить. Решать, где запрос должен прочитать агент, где его нужно передать человеку, а где клиент должен иметь возможность обойтись без обоих и всё сделать сам. Выстраивать пути так, чтобы запрос поступал структурированным, полным и уже наполовину оценённым к моменту, когда его увидит человек.

• Сделать так, чтобы агенты выполняли работу, которую не должны выполнять люди. Отвечать за roadmap агентного quoting: агенты, которые читают запрос и файлы и формируют quote, ассистенты, которые предлагают маржу и срок поставки, и автоматизация, которая со временем переводит детали, оценённые людьми, в движок мгновенного ценообразования. Решать, что делает агент, что подтверждает человек и что остаётся за человеком. Определять, что такое «хорошо» и что такое «сбой» для каждой AI-функции до начала разработки, и удерживать эту планку до запуска и после него.

• Подключить агентов к бизнесу через MCP и ERP. Отвечать за уровень интеграции, позволяющий агентам и людям обмениваться работой между Salesforce, нашими quoting-системами, файловым хранилищем и ERP: серверы Model Context Protocol (MCP), описания инструментов, права доступа и журнал аудита, показывающий, кто (или что) изменил quote и почему. Взаимодействие людей и агентов — это продуктовая поверхность; проектируйте его как продукт.

• Создавать инструменты для сотрудников, которыми команды quoting и продаж действительно пользуются. Отвечать за внутренние инструменты проверки quote, ценообразования и сводки по quote. Считать внедрение главной продуктовой метрикой: инструмент, который команда обходит стороной, провалился, независимо от того, что было выпущено.

• Измерять всё. Каждое решение человека по цене (изменение цены вручную, изменение маржи, корректировка срока поставки) становится структурированными данными, улучшающими следующий прогноз и следующий запуск агента. Пишите собственные запросы, создавайте собственные дашборды и включайте нужные вам события в документ с требованиями, а не в запрос аналитику.

• Вести discovery непрерывно, а не по календарю исследований. Работайте рядом с сотрудниками, составляющими quote, и с аккаунт-менеджерами. Читайте входящие очереди писем и текстовых сообщений. Смотрите записи сессий. Обобщайте сигналы с помощью AI-инструментов и проверяйте их в живых разговорах с клиентами и сотрудниками, прежде чем действовать. Рабочий прототип, протестированный людьми, которые будут им пользоваться, — ваш артефакт по умолчанию для решения о разработке.

• Определять продуктовую стратегию и добиваться поддержки. Сформировать roadmap агентного quoting на 6–12 месяцев, расставить приоритеты по влиянию на клиентов и скорости и согласовать его с Engineering, Data Science, Sales, Quoting Operations и Finance. Представлять прогресс по заранее названным результатам как технической, так и нетехнической аудитории.

• Создавать и выпускать продукт вместе с AI-агентами. Работать по принципу spec-first. Изучать нужные системы с помощью агентных инструментов, благодаря этому задавать более точные вопросы о реализуемости и писать спецификации, которые инженер может передать coding-агенту. Делать прототипы в Cursor, Claude и Figma Make до написания требований.

• Поднимать планку для коллег. Делиться AI-подходами, которые сработали, и теми, которые не сработали. Ваши практики должны появляться в артефактах других продакт-менеджеров.

• 8+ лет опыта в продакт-менеджменте, включая непосредственную ответственность за workflow-продукт или операционный продукт, расположенный между отделом продаж или сервиса и клиентами, которых он обслуживает, в контексте B2B, маркетплейса или enterprise.

• Подтверждённый опыт внедрения AI или автоматизации в экспертный рабочий процесс с участием человека с ограничителями (guardrails), а также понимание, когда автоматизировать не нужно.

• Опыт интеграции продуктов между системами учёта (CRM, ERP, файловое хранилище, мессенджеры) и практическое понимание того, как агенты подключаются к этим системам через протоколы инструментов, такие как MCP.

• Мультиканальное мышление: вы перепроектировали то, как запросы попадают в бизнес (email, текстовые сообщения, формы, API, агенты), и можете показать, какие потери в воронке вы устранили.

• AI-native практика, а не просто использование AI-инструментов: вы можете показать, где AI изменил решение, принятое вашей командой, а не только где он сэкономил вам время. Практическое владение Cursor, Claude или аналогичными агентными инструментами и собственная позиция по оценке функций на основе больших языковых моделей (LLM) до и после запуска.

• Сильные аналитические навыки: вы сами пишете SQL, сами создавали дашборд и обнаруживали некорректную метрику до того, как она ввела в заблуждение при принятии решения.

• Операционная любознательность: вы изучаете, как на самом деле работает процесс, находясь рядом с теми, кто его выполняет, и завоёвываете их доверие, прежде чем менять их инструменты.

• Исключительные навыки письменной коммуникации: ваши документы позволяют руководителю операционного направления, инженеру и руководителю компании действовать, опираясь на одну и ту же страницу.

• Уверенность в принятии решений в условиях неопределённости, умение превратить нечётко сформулированную проблему в проверяемую гипотезу и план.

• Степень бакалавра в области бизнеса, компьютерных наук, инженерии или смежной области.

• Вы можете подробно рассказать о конкретной воронке «от запроса до выполнения», которую вы перепроектировали на стыке отдела продаж, сервисной команды и их клиентов: какие были каналы, какие шаги вы убрали, цифры до и после и как проходило внедрение.

• Вы создавали или отвечали за интеграцию между AI-агентом и системой учёта и можете объяснить, что агенту разрешалось делать, о чём он должен был спрашивать человека и как вы понимали, что агент ошибается.

• Вы выпускали функцию на основе AI или машинного обучения (ML) в процесс с участием человека (human-in-the-loop) и можете описать её критерии оценки, режимы сбоев и то, что вы отслеживали после запуска.

• Вы можете привести случай, когда ваша команда приняла иное решение благодаря AI-управляемому рабочему процессу, который вы создали (непрерывный сигнал от клиентов, решения на основе прототипов, критерии оценки, написанные до разработки).

• Вы работали в производстве, цепочках поставок, ценообразовании или quoting либо можете показать, как быстро осваиваете незнакомую операционную область.

Ориентировочный диапазон базовой зарплаты для новых сотрудников на этой позиции — $180,000–$207,000 в год + бонус, в зависимости от таких факторов, как профессиональные навыки, соответствующий опыт и местоположение. Мы также предлагаем конкурентный пакет льгот, включая софинансирование 401(k), медицинскую, стоматологическую страховку и страховку зрения; страхование жизни и на случай нетрудоспособности; щедрый оплачиваемый отпуск, включая ежегодный отпуск, больничные, плавающие и фиксированные праздничные дни, отпуск по беременности и родам и отпуск по уходу за ребёнком; EAP, другие ресурсы для поддержки благополучия и многое другое.

Xometry — работодатель, предоставляющий равные возможности. Все кандидаты будут рассматриваться без учёта расы, цвета кожи, религии, пола, сексуальной ориентации, гендерной идентичности, национального происхождения, статуса ветерана или инвалидности.

Для вакансий в США: Xometry участвует в программе E-Verify и после принятия предложения о работе предоставит федеральному правительству информацию из вашей Form I-9, чтобы подтвердить, что вы имеете право работать в США.