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 звездочку через 8 дней.
Что вы узнаете:
Почему это не просто «редкая вакансия»
Как работает ИИ-сорсер
Как мы настроили поиск для Иви
Как мы настроили поиск для Иви
Как работает ИИ-сорсер
Как мы настроили поиск для Иви
Как мы настроили поиск для Иви
Почему это не просто «редкая 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 3х 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 ее 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 отдает 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 критерием нашлось 130 кандидатов. Даже с такой выборкой ИИ-сорсер довел 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.
- полина тюлюлюменеджер «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 объем кандидатов за одно и то же время».
Пример сообщения ИИ-сорсера во время скрининга
Результаты: 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 чем проблема, и менять условия.