Zendesk entwickelt Software für Kundenservice und Vertrieb, mit der Unternehmen Gespräche, Supportanfragen und Kundenbeziehungen in einer vernetzten Umgebung verwalten können. Die Plattform vereint Messaging, Live-Chat, KI-gestützte Automatisierung, Tools für Datenschutz und Datensicherheit sowie einen Arbeitsplatz für Mitarbeitende im Kundenservice. So erhalten Teams flexible Möglichkeiten, ihre Serviceabläufe beim Wachstum des Unternehmens zu organisieren. Zendesk bietet außerdem professionelle Dienstleistungen und Schulungsressourcen an und legt nach eigenen Angaben Wert auf personalisierte Kundeninteraktionen, integrierte Arbeitsabläufe, Vielfalt und Inklusion sowie Nachhaltigkeit.
Leite Zendesk-Teams für ML-Engineering und Data Science beim Aufbau zuverlässiger Custom Agents für den Kundenservice. Bringe generative KI mit Evaluation, Sicherheitspraktiken und messbarer Kundenautomatisierung in den produktiven Einsatz.
Führe das ML-Engineering- und Science-Team und entwickle es durch Einstellungen, Coaching, Karriereförderung und Führungskräfteentwicklung weiter.
Lege ML-Strategie, Roadmap, Prioritäten, Investitionsentscheidungen und Meilensteine fest.
Steuere Schlussfolgerungen und Ausführung der Agents, einschließlich Planung, Toolauswahl, Kontextverwaltung, Wissensverankerung und strukturierter Ausgaben.
Entwickle Benchmarks, Workflows für menschliche Annotation, automatische Bewertungsverfahren und Regressionstests.
Definiere Standards für Experimente, Validierung, Release-Bereitschaft und Produktionsüberwachung.
Nutze Ausführungsspuren und Kundenfeedback, um Fehler zu diagnostizieren und die Leistung zu verbessern.
Optimiere Modelle und Agent-Architekturen hinsichtlich Qualität, Latenz und Kosten.
Wähle Modelle, Routing-Ansätze, Fallbacks und Inferenzoptimierungen aus.
Arbeite mit den Teams für Sicherheit und Datenschutz an berechtigungsbewussten Aktionen, Schutz vor Prompt-Injection, Datenverarbeitung, Eskalationen und menschlicher Freigabe.
Entwickle gemeinsame Plattformfunktionen für Simulation, Observability, Experimente und zuverlässige Ausführung.
Integriere Custom Agents gemeinsam mit Partnerteams in übergreifende Service-Workflows.
Verknüpfe ML-Verbesserungen mit Automatisierung, kürzerer Bearbeitungszeit, Nutzung und Kundenvertrauen.
Informiere Stakeholder über Fortschritte, Abwägungen und Risiken.
Anforderungen
Nachweisliche Erfahrung in der Leitung von ML- oder KI-Teams und der Bereitstellung produktiver Systeme mit messbarem Kundennutzen.
Ausgeprägte Führungskompetenz, einschließlich Einstellung, Coaching, Leistungsmanagement und Entwicklung technischer Führungskräfte.
Fundierte Kenntnisse moderner Machine-Learning- und generativer KI-Systeme.
Praktische Erfahrung damit, LLM-Anwendungen aus der Experimentierphase in den Produktivbetrieb zu überführen.
Fundiertes technisches Urteilsvermögen in Bezug auf Modellverhalten, Softwarearchitektur, Evaluation und betriebliche Zuverlässigkeit.
Fähigkeit, Design-Reviews zu leiten und experimentelle Ergebnisse zu bewerten.
Erfahrung darin, aussagekräftige Qualitätskennzahlen festzulegen und Daten zu nutzen, um Verbesserungen zu priorisieren und Release-Entscheidungen zu steuern.
Fähigkeit, mit Mehrdeutigkeit umzugehen, mehrere Arbeitsstränge zu koordinieren und Partner aus Produkt, Engineering, Science und Security einzubinden.
Klare Kommunikation und ein pragmatischer Ansatz, um wissenschaftliche Sorgfalt, Umsetzungsgeschwindigkeit und Kundenbedürfnisse auszubalancieren.
Zusätzlich geschätzt werden Erfahrungen mit Agents, die Tools nutzen, Enterprise-Wissensabruf, systemübergreifenden Workflows, LLM-Evaluation, menschlichem Feedback, multimodaler Dokumentenverarbeitung, Agent-Sicherheit, verteilten Teams, Enterprise-SaaS, Kundenservice oder Geschäftsautomatisierung.
Zusatzleistungen
Hybrides Arbeiten mit der Möglichkeit, einen Teil der Woche remote zu arbeiten.
Ein inklusiver Arbeitsplatz.
Angemessene Vorkehrungen für Bewerberinnen und Bewerber mit Behinderungen sowie für behinderte Veteraninnen und Veteranen.
Leite ML- und Plattformingenieur:innen bei Xero, einem Buchhaltungssoftwareunternehmen. Entwickle produktive KI-Infrastruktur weiter und verbessere MLOps, Observability und Teamkompetenzen.