Бесплатный доступ к Подбору на 3 дня
[ Кейс ]
«В Москве всего 130 таких специалистов»: как мы искали для Иви DevOps с опытом в управлении и ML
Лиза Прибыткова
Редактор Рекрутача
Технарь, который тянет инфраструктуру и разбирается в ML — уже редкость. Добавьте к этому профилю опыт управления командой. Именно с такой задачей к нам пришёл онлайн-кинотеатр Иви. Рассказываем, как с помощью Подбор ИИ-сорсера и аналитики мы нашли такую звёздочку через 8 дней.
Почему это не просто «сложная вакансия»
Гибридный профиль
Иви искали руководителя группы эксплуатации сервисов машинного обучения. Сам по себе профиль редкий, потому что сочетает в себе:
- DevOps с опытом от трёх лет
- ML-скиллы
- управленческий опыт
Формат работы
Команды, которые занимаются инфраструктурой, в большинстве работают на удалёнке. Для этой позиции условием был гибрид.
ML — молодая индустрия
Машинное обучение — область, в которой много молодых специалистов. Так сложилось и в команде Иви: чтобы быть на одной волне с остальными, нужен был кандидат с похожим бэкграундом и энергией, но одновременно с опытом руководителя.
- СофияIT Recruiter Иви«Мы начали искать самостоятельно, но довольно быстро поняли, что профиль очень узкий. Встречались либо сильные DevOps-инженеры, которые хорошо знали Kubernetes, Docker, Linux и CI/CD, но почти не работали с жизненным циклом ML-моделей. Либо, наоборот, попадались классные ребята с опытом в машинном обучении и пайплайнах данных, но без глубокой экспертизы в инфраструктуре и эксплуатации высоконагруженных сервисов.
Нам нужен был человек, который сможет не только настроить Kubernetes или Jenkins, но и понимать, как развернуть ML-модель, встроить её в CI/CD, настроить мониторинг, организовать пайплайны и в будущем участвовать в развитии нашей единой ML-платформы».
Как работает ИИ-сорсер
Если совсем коротко: вы передаёте условия вакансии и вопросы для скрининга, а ИИ-сорсер ищет по ним релевантные профили, пишет кандидатам в мессенджере, скринит и отдаёт готовых к интервью лидов.
Чтобы находить сложные профили, ИИ-сорсер:
Чтобы находить сложные профили, ИИ-сорсер:
- анализирует одновременно 20+ источников и около 9+ млн резюме;
- оценивает профили комплексно, а не по названию должности: находит навыки в описании опыта, сопоставляет с реальным стажем;
- собирает аналитику, по которой можно скорректировать профиль.
Как мы настроили поиск для Иви
Подключили аналитику, собрали две воронки и изменили условия вакансии.
1. Оценили рынок
На этом этапе мы изучили рынок в Москве и МО — по заданным критериям нашлось 130 кандидатов. Даже с такой выборкой ИИ-сорсер довёл до оффера одного кандидата, но тот отказался.
2. Расширили воронку
Повторять поиск в том же пуле смысла не было, поэтому мы предложили Иви искать не только в Москве, а по всей России. В компании уже был релокационный пакет.
Пример сообщения ИИ-сорсера во время скрининга
- полина тюлюменеджер «Подбор ИИ-сорсера»«После расширения воронка выросла до 575 охваченных кандидатов по всей стране. При этом ручной работы больше не стало: ИИ-сорсер обрабатывает любой объём кандидатов за одно и то же время».
Результат: оффер через 8 дней
Узкое место видно сразу: из 132 человек до скрининга дошли только 7. Даже расширив воронку, мало кто подходил сразу по стеку, управленческому опыту и готовности к переезду. Но конверсия в 5,3% — хороший результат для такого профиля.
- СофияIT Recruiter Иви«При выборе финального кандидата решающим стало именно сочетание двух направлений: хорошая инфраструктурная база и реальный опыт работы с ML-процессами. Плюс, насколько он совпал с командой по подходу к работе и коммуникации».
Для сложных кейсов первая попытка может не сработать. И решение в такой ситуации — не «искать усерднее», а докапываться, в чём проблема, и менять условия.