Onyx 研究数据技术组织代表了 GSK 研发和数字科技的一项重大投资，旨在实现我们利用数据、知识和预测寻找新药物的能力的飞跃。我们是一个全栈团队，包含产品和投资组合领导、数据工程、基础设施和 DevOps、数据/元数据/知识平台，以及 AI/ML 和分析平台，所有这些都旨在：
• 为 GSK 的科学家、工程师和决策者构建下一代数据体验，提高生产力，减少在“数据操作”上花费的时间。
• 提供一流的 AI/ML 和数据分析环境，加速我们的预测能力，吸引顶尖人才。
• 大规模工程化我们的数据，实时释放我们组合数据资产和预测的价值。
Onyx 产品管理是我们使命的核心，确保从基础设施、平台到面向最终用户的数据资产和环境的设计都旨在最大限度地提高我们在研发中的影响力。产品管理团队与研发利益相关者和 Onyx 领导层合作，制定 Onyx 所有面向客户的方面的战略路线图，包括数据资产、本体、知识图谱/语义搜索、数据/计算/分析平台和数据驱动的应用程序。
我们正在寻找一位经验丰富的产品经理 II，负责设计和交付支持 GSK 研究与开发的分子设计产品路线图。这个角色将在确保分子设计解决方案的整体企业级战略方面发挥关键作用，并确保我们的科学家能够访问一流的技术产品，以提高研究生产力，并最终为我们的患者提供新药。您将：
• 参与产品开发与采用：积极参与整个产品生命周期，从开发到发布和采用，专注于 GSK 科学界新型分子设计解决方案中的特定功能和组件。
• 支持 GenAI 战略：支持在分子设计工具中战略性地集成和增强 GenAI 能力，帮助定义和实施下一代 AI 驱动的功能。
• 协作交付：与 Onyx 技术团队、研发科学家和领导者紧密合作，促进基于云的有影响力的产品和解决方案的交付，利用生成式 AI 和自主能力。
在这个角色中，您将：
• 产品战略与路线图贡献：为分子设计解决方案路线图中的特定功能和组件的定义和执行做出贡献，确保与整体产品战略的一致性。
• 用户研究与反馈分析：进行用户访谈，收集反馈，并分析用户数据，以告知产品增强的定义并识别分子设计工具中迭代改进的机会。
• 产品功能定义：与高级产品经理和工程团队紧密合作，将用户需求转化为清晰、明确的产品需求、用户故事和离散功能的验收标准。
• 敏捷开发参与：积极参与与工程团队的敏捷仪式（例如，冲刺规划、待办事项细化、站会），确保产品需求得到理解并支持有效的待办事项管理。
• GenAI 功能实施支持：
• 参与 AI 代理中特定功能的开发和实施，利用 LLM 和生成式 AI 自动化科学研究任务的明确定义部分。
• 协助设计和测试人机交互组件，专注于特定的对话流程或用户界面元素，以增强可用性。
• 通过协助数据收集、测试微调模型和为 API/代理开发文档，支持个别模型或代理的产品生命周期。
• 通过收集研发用户反馈并贡献于模型循环设计的实施。
• 参与并贡献于与工程领导的高度技术产品讨论，将模糊的科学目标转化为微调基础模型、向量数据库和多代理系统架构的精确需求。
• 跨职能协调：与技术和研发团队协调，包括 DevOps 和基础设施、数据工程、计算平台工程、数据和知识平台工程、项目管理团队和研发数据领导团队，以对齐产品战略、收集意见，确保清晰沟通和顺利执行。
• 产品发布支持：协助新功能的产品发布活动，包括准备文档、培训材料和支持资源，确保成功采用。
• 性能监控与优化：监控特定产品功能的关键指标，收集用户对性能的反馈，并识别潜在的改进领域。
为什么是您？
资格与技能：
我们正在寻找具备以下所需技能的专业人士，以实现我们的目标：
• 生物信息学、计算生物学、化学信息学、AI/ML、计算机科学、软件工程或相关学科的学士学位。
• 在产品管理方面有经验，拥有在商业或大规模企业环境中交付以 AI/GenAI、LLMs 或自主代理驱动的 0 到 1 软件产品的成功记录。
• 在现代应用程序的产品战略执行方面表现出色，包括对 AI 系统核心技术（如向量数据库、MLOps、检索增强生成和模型微调）的实践经验。
• 在云原生架构（例如 AWS、GCP、Azure）、API 设计和为 LLM 基于应用程序提供和扩展所需基础设施方面表现出技术流利。
优先资格与技能：
如果您具备以下特征，将是一个加分项：
• 生物信息学、计算生物学、计算化学、数据科学、计算机科学/软件工程或相关学科的硕士学位或博士学位。
• 有助于涉及 AI 代理的产品的经验，工具利用（API、功能调用）或对话 AI 接口的开发。
• 在专注于 AI/GenAI 的团队中拥有软件工程或数据科学的实践经验，然后转向产品管理。
• 熟悉现代变换器模型的架构，并理解在选择专有、开源或微调自定义模型时的战略权衡。
• 有助于产品的经验，促进结构化和非结构化生物医学数据（例如基因组学、蛋白质组学、临床数据）的集成、可视化和分析。
• 对生物信息学、计算生物学或化学信息学的基础知识，以及对自主 AI 如何影响药物发现的兴趣。
• 熟悉 LLM 驱动代理的模型上下文协议（MCP），包括提示工程、上下文窗口管理和在多轮交互中保持模型一致性的基本概念。
• 具备使用产品管理工具（如 Confluence、Jira、Miro、Monday、Notion 等）的实践经验。
• 在生命科学行业或生物制药研发方面的经验是一个加分项。 
