Как найти сотрудников в искусственном интеллекте: личный опыт и рабочие советы
Честно говоря, когда мы в компании решили расширить команду и найти сотрудников в искусственном интеллекте, я думал, что это будет просто. Ну правда, ИИ — модная тема, интернет пестрит курсами, резюме, вакансиями… Казалось бы, бери и нанимай. Но реальность быстро сбила розовые очки.
Хочу поделиться тем, как мы прошли этот путь — с ошибками, поисками, неожиданными инсайтами и, главное, с выводами, которые, надеюсь, помогут вам.
Сложность не в поиске — в «правильности»
Первая ошибка, которую мы допустили, — искали не тех. Нам был нужен не просто программист, не просто человек, который умеет запускать модель в Jupyter Notebook. Нам был нужен инженер, который понимает, как работают алгоритмы, может адаптировать решения под бизнес-задачи, не боится грязных данных и умеет объяснить, что он делает, простыми словами. А таких, как оказалось, не так уж много.
Где искать?
1. LinkedIn. Банально, но рабочий инструмент. Поиск по ключевым словам типа "machine learning engineer", "AI developer", "data scientist" даёт хороший старт. Но важно не просто скроллить профили, а реально смотреть, что человек делал, какие проекты у него в описании, есть ли конкретика.
2. GitHub и Kaggle. Здесь можно увидеть человека «в действии». У кого-то интересный pet-проект по распознаванию речи, кто-то на Kaggle стабильно в топ-10% — это уже повод написать и познакомиться.
3. Тематические сообщества — Telegram-чаты, форумы, конференции. Например, мы нашли одного из наших лучших ML-инженеров через разговор в Telegram-группе, посвящённой NLP. Просто обменялись мнениями по теме, и через пару недель он был у нас на собеседовании.
Как составить нормальную вакансию?
Вот тут тоже часто ошибаются. Люди пишут либо что-то вроде: «Требуется Data Scientist. Зарплата высокая. Мы крутые», либо вываливают на кандидата список из 50 технологий, половина из которых даже не пригодится.
- Понятное описание задач: «Будете строить модели прогнозирования спроса, обрабатывать текстовые данные, участвовать в проектировании архитектуры решений».
- Честность: «Да, иногда будет рутинная работа с данными. Но и интересные исследовательские задачи тоже будут».
- Возможности роста: «У нас можно развивать R&D-направление, участвовать в публикациях, ездить на конференции».
Что спрашивать на собеседовании?
Технические вопросы — это важно. Но ещё важнее — понять, как человек мыслит. Умеет ли он разложить сложную задачу на простые шаги? Видит ли риски? Понимает ли, зачем вообще бизнесу ИИ?
Примерный список того, что стоит обсудить:
- Был ли у человека опыт внедрения моделей в продакшн?
- Как он работает с неполными или шумными данными?
- Что он делает, если модель «не учится»?
- Спрашивайте не только «что?», но и «почему?»
Культурная совместимость
Вот это то, что сложно нащупать, но очень важно. Один человек может быть мега-талантливым, но если он не умеет работать в команде или считает, что его мнение — единственно верное, проблемы не заставят себя ждать.
Мы всегда стараемся устроить финальное неформальное интервью — поговорить о хобби, любимых проектах, просто пообщаться как с человеком, а не как с кандидатом. Это помогает понять, будет ли комфортно работать вместе.
Пару слов о деньгах и мотивации
Да, хорошие специалисты в ИИ стоят недешево. Но, что важно — деньги не единственное, что их интересует. Многие хотят участвовать в интересных проектах, видеть результат своего труда, развиваться. Если вы можете это предложить — у вас уже конкурентное преимущество.
И напоследок
Поиск сотрудников в искусственном интеллекте — это не быстрый процесс. Это про вдумчивую работу, про внимание к деталям, про диалог на равных. Но когда вы находите «того самого» специалиста — это как будто собрал правильную модель: всё встаёт на свои места.
Так что ищите, общайтесь, будьте честными и открытыми — и вы обязательно найдёте своего идеального ИИ-профессионала.
Если хотите — могу помочь сформулировать вакансию или оценить резюме. Делал это не раз — теперь хотя бы знаю, где не ошибиться :)