Задача

Группа компаний активно внедряет AI-агентов в ключевые бизнес-процессы: маркетинг, финансы, клиентский сервис. Это живая система из десятков агентов, которая постоянно растёт. Задача инженера — брать идеи CEO и архитектурные наработки и превращать их в стабильные, масштабируемые продуктовые решения. Не исследователь, не джун на обучении — человек, который уже делал это в реальном бизнесе и отвечает за результат.

В чем была сложность

Пять факторов одновременно. Первый — географический: кандидат должен находиться в одной из четырёх стран со свободным доступом в интернет. Второй — технический стек без компромиссов: Python Middle+, опыт с LLM и open-source моделями, понимание векторных баз данных, Docker, Linux-инфраструктура, агентные фреймворки, рабочий английский. Третий — обязательные реальные продуктовые кейсы с AI в действующем бизнесе, не учебные проекты. Четвёртый — чёткий портрет личности: автономность, зрелость, умение работать без постоянного контроля. Пятый — поток откликов: он нарастал с каждым днём и перевалил за 2000.

Что сделали

Написали честную вакансию — с полным описанием задач, стека и условий, без прикрас. Вакансия привлекательная по содержанию, и отклики пошли сразу: сначала по 20–30 в день, затем более 70. Запустили три канала одновременно: hh, Хабр и профильные соцсети. Когда поток стал неуправляемым вручную — подключили ИИ-фильтр откликов по ключевому параметру: реальный опыт построения мультиагентных систем. Кандидаты, прошедшие фильтр, получали анкету из трёх нестандартных вопросов. Вопросы выстроены так, что на них сложно дать «ожидаемый» ответ — поэтому ответы стали точным фильтром реальной экспертизы и зрелости. После анкеты — 16 живых собеседований. Из них выбрали одного.

Кандидат успешно работает, заказчик доволен результатами. Оффер был сделан сразу по итогам первой встречи — потому что кандидат закрывал все параметры: и технические, и личностные.