Il remoto, Canada; Remote, Regno Unito; remoto, US GitLab è la piattaforma di orchestrazione intelligente per DevSecOps. GitLab consente alle organizzazioni di aumentare la produttività degli sviluppatori, migliorare l'efficienza operativa, ridurre il rischio di sicurezza e conformità e accelerare la trasformazione digitale. Più di 50 milioni di utenti registrati e più del 50% della fiducia di GitLab per spedire software migliori e più sicuri più velocemente. Gli stessi principi incorporati nei nostri prodotti si riflettono nel funzionamento del nostro team: abbracciamo l'AI come moltiplicatore di produttività di base, con tutti i membri del team che si aspettano di incorporare l'AI nei loro flussi di lavoro giornalieri per guidare l'efficienza, l'innovazione e l'impatto. GitLab è dove le carriere accelerano, l'innovazione fiorisce, e ogni voce è apprezzata. La nostra cultura ad alte prestazioni è guidata dai nostri valori e scambio di conoscenze continuo, che consentono ai nostri membri del team di raggiungere il loro potenziale pieno mentre collaborano con i leader del settore per risolvere problemi complessi. Co-creiamo il futuro come costruiamo la tecnologia che trasforma il mondo. *Fortune

Come proprietario di AI Transformation presso GitLab, formerai la strategia AI della tua funzione e costruirai le soluzioni che la forniscono. Sei la persona responsabile dell'identificazione dove AI può cambiare radicalmente il funzionamento del tuo org, collaborando con il tuo sponsor esecutivo per allinearti alle sfide più grandi, e guidando risultati misurabili contro di loro. Pensa a questo come un ruolo di gestione del prodotto dove il prodotto è il modo di lavorare del tuo org. Gestirai il ciclo di vita completo: capirai come il lavoro scorre oggi, deciderai dove l'AI dovrebbe rimodellarlo, dando la priorità a ciò che viene costruito e in che ordine, e assicurandoti quali navi effettivamente vengono adottate. Potrai anche prototipo soluzioni, configurare agenti, e dimostrare cosa è possibile prima di tirare in supporto tecnico per scalarlo. Lavorerai strettamente con un Ingegnere AI che si trova all'interno del team Enterprise AI. Insieme formerai una partnership: porterai il contesto aziendale, l'intelligenza di processo e la suddivisione strategica.

• Mappa come il lavoro scorre attraverso la vostra funzione end-to-end, compresi i passaggi a monte e a valle di altri org. Identificare dove sono i vincoli reali, non solo quelli che il team può vedere. Focus sui problemi 100x: dove potrebbe sfruttare AI in un flusso di lavoro lasciare il vostro org eseguire ordini di grandezza più veloce, o a 100x più volume di prima? • Gestire l'assunzione di richieste AI, idee, e punti dolore da tutta la funzione, anche tramite la vostra rete di Campione. Assicurare ogni membro del team ha una strada chiara per superficie ciò che hanno bisogno, piuttosto che costruire indipendentemente. • Priorizzare strategicamente contro i risultati aziendali e guida esecutiva. Tenere la linea sulle priorità - non possiamo cambiare direzione ogni due settimane - e garantire che il tempo dell'AI Engineer è speso sul lavoro di più alto impatto.

• Costruire e bridge la rete di Champion nella vostra funzione. I campioni sono la comunità peer che estende la vostra portata oltre ciò che voi e l'AI Engineer potete consegnare direttamente. Fin dai primi tempi del ruolo, identificare e reclutare i campioni attraverso sub-team (5-10% tempo, formalmente concordato con il loro manager), eseguire una regolare sincronizzazione Champion, ospitare demo per la funzione più ampia, e agire come il loro ponte per Enterprise AI. Champions non sono i vostri rapporti: li coordina, non li gestisci. Senza questa rete, il tuo contatto è limitato. Hands-On Building & Agent Operations • Costruire agenti AI utilizzando senza codice e piattaforme low-code (ad esempio Glean, Workato, strumenti simili). Passare dall'idea di lavorare prototipo senza aspettare per l'ingegneria. • Autore e itre su file di competenze che definiscono gli agenti AI. Refine istruzioni basate sull'uso reale e condividere le competenze riutilizzabili. • Configurare i sistemi MCP e strumenti, gli agenti di lavoro, i quali si devono essere utilizzati per la propria funzione di ricerca.