Chcesz realnie wpływać na to, jak nowoczesny Bank podejmuje decyzje i buduje relacje z klientami oraz jak wykorzystuje AI w praktyce? Poszukujemy Kierującego Wydziałem Data Science i Sztucznej Inteligencji, który będzie odpowiedzialny za modele predykcyjne oraz mechanizmy AI w obszarze analityki klienta - w tym przełomowy i unikatowy na rynku system rekomendacyjny. To rola na styku technologii, biznesu i ludzi – dla dojrzałego lidera, który buduje silne zespoły, sprawnie współpracuje z IT i biznesem oraz przekuwa dane w realną wartość dla klientów i Banku. Zadania: Kreowanie i realizacja strategii dla obszaru Data Science i AI w budowaniu relacji z klientem – definiowanie wizji i roadmapy w oparciu o mierzalną wartość biznesową i priorytety Banku Zarządzanie portfelem inicjatyw analitycznych end‑to‑end zgodnie ze zdefiniowaną roadmapą Kierowanie Wydziałem Data Science i AI, a w szczególności rozwój i utrzymanie kompetencji w zakresie uczenia maszynowego i sztucznej inteligencji (w tym generatywnej AI). Zarządzanie portfolio modeli analitycznych oraz predykcyjnych wspierające personalizację ofert dla klientów (m. i. segmentacje, modele skłonności, systemy rekomendacyjne) Odpowiedzialność za modele wartości Klienta (CLV) do priorytetyzacji działań sprzedażowych, relacyjnych i utrzymaniowych oraz we wspieraniu efektywnej alokacji działań i nakładów biznesowych Prowadzenie analiz, symulacji oraz eksperymentów biznesowych (np. testy A/B, pilotaże) ukierunkowanych na wzrost wartości Klienta i efektywności działań oraz monitoring ich wpływu Definiowanie kierunków rozwoju oraz standardów dla dedykowanych środowisk analitycznych i platform obliczeniowych (MLOps), zapewniając automatyzację i skalowalność procesów oraz przyspieszenie dostarczania wartości z danych Ścisła współpraca z jednostkami technologicznymi i biznesowymi w Banku, zapewniając skuteczne wdrożenia zaplanowanych projektów. Monitorowanie rynku w zakresie najnowszych trendów i technologii w obszarze uczenia maszynowego i sztucznej inteligencji oraz inicjowanie ich implementacji w Banku. Demokratyzacja wiedzy w Banku z zakresu uczenia maszynowego i sztucznej inteligencji poprzez organizację szkoleń i warsztatów. Nawiązywanie i utrzymywanie relacji z podmiotami świata nauki oraz zewnętrznymi w celu współpracy nad nowymi metodami i technologiami AI