IT Project Manager Data & AI Obiettivi del ruolo
Garantire delivery su iniziative Data/BI e AI, gestendo priorità, dipendenze e rilasci. Costruire un modello operativo maturo per l’area (governance, capacity planning, metriche, standard). Presidiare la transizione verso AI hybrid architectures, definendo pattern di integrazione e delivery robusti tra on prem e cloud.
Responsabilità principali 1) Delivery & Governance multi-stream
Pianificazione e controllo end-to-end: scope, tempi, qualità, rischi, dipendenze, gestione change request. Definizione e gestione di roadmap, backlog e piani di rilascio (Agile/ibrido), con reporting periodico e steering. Gestione RAID (Risk/Assumption/Issue/Dependency), decision log, escalation verso management.
2) People management
Gestione operativa del team: ferie/assenze, staff meeting, procedure di delivery, definizione norme di lavoro. Capacity & allocation management: pianificazione carichi, coperture, gestione picchi e priorità concorrenti. Performance & growth: obiettivi, feedback strutturati, coaching, piani di sviluppo, supporto recruiting/onboarding.
3) Stream DataWarehouse & Business Intelligence
Governo di iniziative su:
ETL e integrazione dati (Pentaho), scheduling, data quality, gestione rilasci e rollback. Reporting on premise con Power BI Report Server: lifecycle report, versioning, promozione ambienti, UAT. SAS Viya su OpenShift: coordinamento evolutive, gestione patching/upgrade, capacity e readiness (con DevOps/infra), migrazione da Pentaho/PowerBI a SAS.
Allineamento con Data Governance: definizioni, ownership, accessi, auditability.
4) Stream AI su OpenShift + Hybrid AI on prem/on cloud Gestione delivery di:
Chatbot RAG: ingestion/indicizzazione, retrieval, guardrail, metriche di qualità, miglioramento continuo. Agenti AI: orchestrazione processi e tool integration con n8n, gestione errori e tracciabilità. Osservabilità e analisi delle interazioni con Langfuse (o strumenti analoghi), feedback loop e valutazione. Vector search con MongoDB Vector Search: qualità retrieval (metadata filters, chunking) e performance.
Architetture AI ibride on prem/on cloud:
Definizione/presidio di pattern come: LLM in cloud + RAG/KB on prem, o inference on prem + monitoring/eval in cloud, o approcci “split” per privacy e data residency. Concetti di connettività sicura (networking, egress control), IAM/SSO, cifratura, logging. Valutazione trade-off: latenza, throughput, SLA, costi, scalabilità, resilienza, e impatti su governance. Coordinamento con Security/Compliance su policy: data leakage, redaction, access control alla knowledge base, audit trail.
Cosa Offriamo:
Inserimento diretto in azienda a tempo indeterminato Smart 1 giorno a settimana
#J-18808-Ljbffr