AI Product Manager

🕒 vor 24 Tagen

🇺🇸 Vereinigte Staaten – Remote

⏰ Vollzeit

🟡 Mittelstufe

🟠 Senior

✅ Produktmanager

🦅 H1B-Visum-Sponsor

Dieses Unternehmen hat in der Vergangenheit H1B-Visa gesponsert.

👻 Geisterscore 12%

Was es bedeutet: wie wahrscheinlich diese Stelle offen bleibt, ohne dass aktiv eingestellt wird.So liest du es: 60 % oder höher heißt, wir halten das für einen Geisterjob. Niedrigere Werte sind weniger bedenklich.Wie wir werten: Dauer offen, Neuveröffentlichungen, offene Stellen vs Teamgröße, wie schnell Stellen geschlossen werden, und ob ein Gehalt angegeben ist.Hinweis: eine Schätzung aus öffentlichen Daten, kein Urteil über das Unternehmen. Echte Stellen können hoch punkten, nutze es also als Hinweis, nicht als Fakt.

Jetzt Bewerben

Ähnliche Remote-Jobs finden

E-Mail-Benachrichtigung für neue Jobs einrichten

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.

Lebenslauf hochladen

K1X

WebsiteLinkedInAlle Stellen

11 - 50 Mitarbeiter

💼 Beratung

🏥 Gesundheitswesen

⚖️ Rechtswesen

Consulting • Healthcare • Legal

K1X ist eine KI-gestützte Plattform, die sich auf die Optimierung der Steuerkonformität von alternativen Investments für Investoren und Berater spezialisiert hat. Die Plattform bietet verschiedene automatisierte Lösungen, darunter K1 Aggregator zur Automatisierung des Empfangs und der Analyse von K-1 Formulardaten, K1 Creator zur digitalen Erstellung von K-1 Formularen und 990 Tracker zur Automatisierung der Freistellungsmeldung und -einreichung. K1X nutzt patentierte KI-Technologie, um hohe Genauigkeit zu gewährleisten und die manuelle Datenerfassungszeit zu reduzieren. Sie ist darauf ausgelegt, die Effizienz zu steigern, Kosten zu senken und die Transparenz in Steuerprozessen zu verbessern, insbesondere im Bereich der alternativen Investments.

Beschreibung

• Own a rolling six-to-twelve-month AI roadmap for extraction coverage, accuracy, and the underlying platform; size it against team capacity, sequence dependencies, re-plan as evidence changes, and represent it in portfolio planning. • Intake and prioritize requests for new document types, forms, and fields using defensible frameworks such as RICE, WSJF, Kano, opportunity scoring, and voice-of-customer synthesis. • Ensure prioritized items include definitions and test data needed for validation, and explain prioritization decisions to stakeholders. • Own how accuracy is defined and reported for executives, customers, Product, and Engineering. • Translate model-level measures such as per-field precision, coverage, and straight-through rate into user outcomes, including missed data, user corrections, and touches needed for filing-ready results. • Own the recurring accuracy report. • Provide product requirements for model and vendor decisions, including customer-relevant accuracy, cost, and latency thresholds, business cases, budgets, and release acceptance criteria. • Maintain decision records for model and vendor choices. • Plan engineering reserve around September–November filing peaks and own scope and dates for the January tax-year release. • Set defect-intake service levels with Client Success and QA, and keep proof-of-concept work time-boxed. • Partner with product managers and UX to turn user corrections into field-level provenance signals and a confidence-driven review experience.

🎯 Anforderungen

• 4+ years of product management on shipped B2B software, ideally fintech or regtech where a wrong number costs more than a slow one, with at least 2 years owning an AI/ML-powered product surface: document AI or extraction, search and ranking, LLM features, or an ML platform. • Fluent in the mechanics: capacity planning against a real team, prioritization frameworks (RICE, WSJF, Kano, voice-of-customer synthesis), roadmap sizing, release management, and PRDs an engineer would actually read. • Understand how ML products fail differently from software: precision and recall trade-offs, evaluation sets, drift, cost per inference, and why "the model got it wrong" is a product question first. • Have made or shaped build, buy, or replace calls on model or vendor components, and can walk through one that went badly. • Write clearly and run a tight meeting. Half this job is turning engineers' conviction into a decision document Product, Tax, and Finance can act on. • Tax-domain knowledge is not required; Tax Content owns the rules and CPAs adjudicate. Curiosity is; the interesting failure modes live in the footnotes.