AI产品总监(J15118)

岗位职责
1. AI 产品战略与组合管理
• 根据集团 AI 战略及生产与质量领域的业务重点，制定相关 AI 产品战略、产品组合规划、路线图及年度实施计划，兼顾质量合规、生产运营和业务价值。
• 深入集团生产基地、质量部门、工艺开发、工程设备、技术转移及相关职能，系统识别生产和质量流程中的痛点、瓶颈、风险与高价值 AI 应用机会，形成持续更新的产品机会池。
• 建立生产与质量 AI 产品机会评估及优先级管理机制，综合考虑患者安全与产品质量影响、业务价值、监管要求、技术可行性、数据完整性、系统成熟度、实施成本、验证工作量及规模化潜力。
• 统筹药品生产、工艺优化、生产计划与执行、质量保证（QA）、质量控制（QC）、实验室运营、工程设备及质量体系等领域的 AI 产品规划，推动跨部门、跨系统的端到端场景创新，避免孤立建设、重复投入和低价值应用。
• 推动集团级通用 AI 能力与生产、质量领域专用解决方案相结合，明确产品定位、功能边界、目标用户、验证要求及复用模式，形成可持续演进、符合制药行业要求的 AI 产品体系。
2. AI 业务产品设计与端到端落地
• 负责重点生产与质量 AI 产品从业务需求识别、用户研究、场景设计、产品定义、原型验证、开发测试、系统集成、验证确认到生产上线及持续运营的全生命周期管理。
• 将生产、工艺和质量需求转化为清晰的产品需求文档（PRD）、用户故事、业务流程、功能规格、数据需求、风险控制要求及验收标准，确保产品可用、可验证、可追溯，并解决真实业务问题。
• 围绕制药生产运营与质量管理流程，规划和推动各类 AI 应用，包括但不限于：
• 生产计划与运营智能化：需求与产能预测、生产排程优化、物料齐套分析、生产进度预测、瓶颈识别、制造异常预警及生产资源优化。
• 工艺与制造过程智能化：工艺参数分析与优化、过程数据建模、关键工艺参数（CPP）与关键质量属性（CQA）关联分析、过程偏差预警、收率与批次表现分析、技术转移知识辅助及数字孪生场景。
• 质量保证与质量体系智能化：偏差调查辅助、根因分析、CAPA 建议与跟踪、变更控制、投诉与质量趋势分析、审计准备、SOP/标准文件知识助手及质量风险信号识别。
• 质量控制与实验室智能化：检验数据分析、OOS/OOT 调查辅助、实验室工作流优化、分析方法与检测记录知识检索、样品与检验周期预测、仪器运行异常识别及结果趋势分析。
• 设备、维护与合规运营智能化：设备预测性维护、能耗与运行效率优化、清洁与换线支持、电子批记录审阅辅助、数据完整性异常识别、培训与岗位知识助手，以及跨系统 AI Agent 工作流。
• 根据场景特点选择合适的技术方案，合理组合大语言模型、RAG、AI Agent、机器学习、时间序列分析、计算机视觉、优化算法和传统自动化技术；对关键生产和质量场景明确模型适用边界，避免将生成式 AI 作为未经验证的关键控制或放行依据。
• 与 AI 技术、数据、制造/工艺、质量、工程设备、企业架构、应用系统及信息安全团队紧密协作，推动 AI 产品与 MES、LIMS、QMS、ERP、电子批记录、设备与过程数据平台及相关系统有效集成，并确保数据来源、语义和谱系清晰。
• 通过 PoC、MVP 和真实生产/质量场景试点验证产品价值，建立适用的测试、验证确认、用户验收、变更管理和持续监控机制；涉及 GxP 或产品质量决策的应用，应按风险等级落实验证、人工审核和可追溯要求，确保产品安全、可靠地进入生产应用。
3. 业务价值实现与规模化推广
• 与生产、工艺及质量负责人共同定义 AI 产品的价值目标、业务基线、衡量指标及收益实现路径，在立项阶段明确业务案例、质量收益和投资回报预期。
• 建立 AI 产品价值跟踪机制，持续衡量批次周期、一次合格率、偏差与 OOS/OOT 发生及处理周期、CAPA 关闭周期、设备综合效率、产能利用率、报废与返工、检验周期、合规风险及运营成本等指标。
• 推动重点产品从单一工厂或单一场景试点走向规模化应用，沉淀可复用的产品能力、标准方案、验证模板、实施规范及推广方法，提升跨生产基地、剂型、产品线和成员企业的复制效率。
• 与生产、工艺、QA、QC、工程设备及 IT 团队共同推动流程优化、岗位职责衔接、用户培训和变革管理，提升 AI 产品采纳率、持续使用率及与生产质量流程的融合程度。
• 建立产品运营与迭代机制，持续跟踪用户反馈、模型表现、预测准确性、异常告警有效性、系统稳定性、使用效果、运营成本及质量影响，及时调整产品功能和资源投入。
• 定期向集团管理层汇报生产与质量 AI 产品组合进展、关键运营与质量成果、投资回报、验证状态、风险事项及规模化推广情况，确保产品建设持续聚焦集团生产运营和质量目标。
4. AI 产品治理、风险与合规管理
• 在产品规划、设计、开发、部署和运营全过程落实集团 AI 治理、质量管理、数据安全、信息安全及合规要求，并与现有质量体系和变更控制流程衔接。
• 根据生产与质量场景及数据敏感等级，落实基于角色的访问控制、电子记录与审计追踪、数据完整性、敏感信息保护、模型与数据版本管理及操作可追溯要求。
• 识别和管理 AI 幻觉、错误建议、模型漂移、数据偏差、数据完整性问题、知识产权、网络安全及越权执行等风险，建立风险分级、验证测试、性能监控、人工复核和应急机制。
• 对涉及工艺参数调整、偏差调查、质量判定、批次放行、变更控制及其他高风险活动的应用，明确 AI 的辅助定位、使用边界、人工审核与批准机制、权限控制及责任归属；不得以未经批准或验证的 AI 输出替代授权人员的质量决策。
• 与质量、法规、验证、法务、合规、信息安全及生产业务部门协作，确保产品符合适用法律法规、GxP、数据完整性及集团内部质量制度要求，在风险可控的前提下推进创新。
5. 跨部门协同与产品团队建设
• 建立与生产运营、工艺开发、技术转移、QA、QC、实验室、工程设备及各成员企业生产基地的常态化协作机制，推动业务部门深度参与产品定义、风险评估、试点验证和价值评估。
• 协同 AI 技术、数据平台、制造与质量系统、企业架构、IT 应用、验证、安全及外部合作伙伴，统筹产品需求、技术资源、开发交付、系统集成、验证确认和运营支持。
• 建立适用于生产与质量 AI 产品的管理规范、需求优先级机制、产品评审、风险分级、验证交付、变更管理及价值复盘机制，提升交付效率、产品质量和合规性。
• 在需要时管理和培养 AI 产品经理及相关团队成员，提升团队在制药生产流程、质量体系、AI 产品设计、风险管理、价值分析和规模化交付方面的综合能力。
• 推动集团总部与成员企业、生产基地之间的产品协作、经验共享和能力复用，构建可持续发展的集团级生产与质量 AI 产品管理及运营体系。

岗位要求
1. 教育与工作经验
• 计算机科学、人工智能、数据科学、工程、药学或相关专业本科及以上学历；硕士及以上学历优先。
• 具有 8 年及以上产品管理、制药生产/质量数字化、AI 应用或数据智能相关工作经验，具备企业级产品管理和跨部门交付经验。
• 具有 3 年及以上 AI 产品、智能制造、质量数字化或数据智能解决方案的规划、建设和落地经验。
• 具备大型企业、跨国企业或集团型组织的产品建设与推广经验，能够应对多业务单元、多系统和多利益相关方的复杂环境。
• 具有 AI 或数字化产品从需求识别、产品设计、技术协同到生产部署、用户运营和价值验证的完整经验，而非仅限于技术研究或概念验证。
• 具备制药生产、工艺开发、技术转移、质量保证、质量控制、实验室运营、工程设备或制造数字化等至少一个领域的项目经验；具备多个领域或多生产基地推广经验者优先。
2. AI 与产品专业能力
• 理解大语言模型、RAG、AI Agent、工具调用、工作流编排及企业知识库等核心技术与应用模式，并能判断其在生产与质量场景中的适用边界。
• 理解机器学习、预测分析、时间序列分析、计算机视觉、优化算法、异常检测和智能自动化的典型应用，能够针对工艺、设备、生产计划及质量问题选择合适的技术路线。
• 具备优秀的产品战略规划、需求分析、用户研究、产品设计、路线图管理及全生命周期管理能力。
• 能够将复杂业务需求转化为清晰的产品方案、功能规格、技术需求和可衡量的验收标准。
• 具备制造与质量系统集成、数据平台协同、工业数据治理及 AI 产品安全治理的基本认知，能够与 MES、LIMS、QMS、ERP、电子批记录及自动化/OT 团队有效协作。
• 熟悉 MES、LIMS、QMS、ERP、电子批记录、实验室信息系统或制造数据平台者优先；具备 GxP 环境下系统实施、验证确认或 AI 产品落地经验者优先。
3. 业务与价值实现能力
• 具备较强的业务洞察力，能够理解制药生产流程、工艺控制、质量体系、实验室运营及相关关键绩效指标。
• 能够独立开展业务机会分析、商业案例构建、收益测算、投资回报分析和产品价值评估。
• 具备推动生产或质量流程优化、跨部门协同、产品上线、验证确认、业务变革及规模化推广的实践经验。
• 能够从单点项目中提炼可复用产品能力，推动产品标准化、平台化及跨业务单元复制。
• 具有良好的数据分析能力，能够基于真实业务数据评估产品效果并持续推动优化。
4. 综合素质
• 强烈的业务价值导向和结果责任意识，关注实际业务收益而非单纯的技术创新或功能交付。
• 优秀的结构化思维、问题分析能力、沟通表达能力及跨部门影响力。
• 能够与集团管理层、业务负责人和技术团队进行高效沟通，推动复杂事项形成共识并落实执行。
• 兼具战略思维与执行能力，能够在方向规划、产品细节和落地交付之间有效切换。
• 具有创新精神、快速学习能力、团队协作意识及较强的变革推动能力。