Кейс NEWHR

ML-команда для нового подразделения

Собрали сеньорную ML-команду с нуля за 5 месяцев

Летом 2025 года к нам обратился давний партнёр. Наш клиент создавал собственное ML-подразделение и искал разработчиков, которые не просто могут создать AI-агента, но и понимают, как его внедрить и поддерживать в продакшене, не нарушив общую инфраструктуру продукта.

Мы подключились к поиску, «разобрали» сложные требования на несколько ролей и помогли создать новое направление в кратчайшие сроки.
Подробнее о том, как мы собрали полноценную команду за 5 месяцев — рассказываем в этом кейсе.
Заказчик
Один из лидеров в сфере Enterprise Automation, специализирующийся на интеграции систем и автоматизации процессов при помощи AI. Обслуживает 17 000+ корпоративных клиентов по всему миру
Размер: 1000+ сотрудников
Локация: США
Срок поиска: август-декабрь 2025
Задача NEWHR
Изначально заказчик искал сильных ML/AI-разработчиков с бэкграундом в разработке высоконагруженных backend-сервисов и отличным знанием Python.
  • Особенности поиска
  • Сжатые сроки
  • Редкая комбинация навыков
  • Потребность в целой команде
    Найти одного или двух уникальных специалистов легче, чем быстро собрать полноценный табун «единорогов»
Решение
За поиск отвечала Юлия Доброва, лидер направления IT-рекрутинга NEWHR.
Деконструкция «единорога»
На первом брифе заказчики сформулировали свои требования максимально честно: «Мы не знаем, кто это должен быть: backend-разработчики или ML-щики, — нужны люди, которые в состоянии решить нашу задачу».

Возможных подходов было два:
  • искать редких специалистов с очень специфическим опытом, как изначально планировал заказчик
  • разделить эти требования на две роли, которые работали бы в тесной связи друг с другом (найти сильных питонистов и сильных ML-щиков по отдельности реальнее в сжатые сроки)
Юлия решила проверить обе гипотезы.

Юлия Доброва
Лидер направления IT-рекрутинга NEWHR
«Новые сотрудники нужны были клиенту в сжатые сроки, а на то, чтобы нанять команду людей, которые идеально впишутся в профиль „ML+Python“, могло уйти слишком много времени. Поэтому я решила не бросаться сразу искать кандидатов, а для начала убедиться, что их на рынке достаточно».
Подозрения подтвердились: проанализировав рынок, Юлия убедилась, что поиск идеальных кандидатов отнимет слишком много времени — без гарантии успеха.

На следующей встрече с клиентом она предложила разделить вакансию на два разных профиля:
  • ML-щики с хорошей технической базой, которые выросли из дата-сайентистов и знают, как выстраивать агентную архитектуру
  • Питонисты с опытом работы в AI-продуктах, которые понимают цикл построения ML-моделей и могут предсказать, какие сложности возможны на этапе продакшена
Взвесив все аргументы, заказчик согласился. В этот момент к поиску подключилась Анастасия Еременко, Senior IT Recruiter направления Data Science и Data Analytics. Она взяла на себя поиск кандидатов с акцентом на ML.
Требования к кандитатам
  • Профильное образование
Один из этапов отбора кандидатов у нашего клиента — сложная алгоритмическая секция
  • Стаж 7+ лет и умение закрыть весь цикл разработки
  • Опыт работы в больших компаниях, но при этом — понимание специфики стартапов
Клиенты нашего заказчика — крупные энтерпрайз организации и банки. Но учитывая, что мы отбирали сотрудников для полностью нового направления, им нужно быть готовыми к атмосфере стартапа — резким изменениям и высокой скорости разработки.
  • Нахождение в стране, где есть офисы компании/готовность к релокации
У нашего клиента есть ограничение — работать можно только из офиса.
  • Мультиязычность (знание других языков помимо Python)

Юлия Доброва
Лидер направления IT-рекрутинга NEWHR
«Python это язык, на котором не всегда пишут высоконагруженные сервисы. Чаще на нём пишут прототипы, а затем переходят на другие, например, Go, С++ или Java. Поэтому мы сразу искали кандидатов, у которых есть опыт кодинга на нескольких языках».
Охота на питонистов
Основным ресурсом для поиска стал LinkedIn. Юлия использовала 2 стратегии:

  • Хантила «идеальных» кандидатов, которые уже работали над AI-агентами и имею опыт внедрения готовых моделей в продакшен.
  • Искала сильных Python или backend-разработчиков из компаний, чей продукт связан с LLM или ML.
Во втором случае Юлия на стадии скрининга выясняла, насколько потенциальные соискатели были вовлечены в этот процесс, понимают ли весь цикл разработки AI-продукта и смогут ли не просто писать код, но и заранее продумывать его взаимодействие с ML-частью и понимать ограничения/потенциальные проблемы, связанные с AI-агентами.

Юлия Доброва
Лидер направления IT-рекрутинга NEWHR
«До сих пор далеко не все программисты указывают в LinkedIn, что работали над продуктами, связанными с AI. Или — что тоже часто бывает — просто нерегулярно обновляют свой профиль. Это значит, что их трудно обнаружить стандартным поиском по ключевым словам, поэтому я ориентировалась на компании.

Один из лучших спецов, кстати, был именно таким: у него вообще ничего не было прописано, даже стэк. Я только по перечню компаний увидела, что он точно работал над хорошим продуктом. При первом касании выяснилось, что на текущем месте кандидат действительно решал сложные задачи, связанные с ML. В профиле о них не было ни слова!»
Конечно, это более длительный процесс, но он в итоге оправдал себя — из 5 из 9 представленных кандидатов Юлия нашла именно благодаря этой стратегии.
Важно знать кандидатам
Юлия — специалист по точечному хантингу. Далеко не каждый может посвятить поиску кандидатов столько времени и внимания. Если ваш профиль оформлен неверно с точки зрения алгоритмов и ключевых слов — большинство рекрутеров его просто не увидят.

У нас есть отельный канал для кандидатов про поиск работы и трудоустройство. Например, в этом посте мы объясняем 3 главные вещи, которые влияют на поисковую выдачу в LinkedIn и помогают рекрутеру найти ваш профиль.
Отбор и скрининг
На самом старте отбора Юлия исключила тех питонистов, которые вообще не работали с AI/ML. Роль Python AI Developer выглядит очень привлекательно, многие хотят в неё перейти, но нашему клиенту нужны были готовые «боевые единицы» — разработчики реальным опытом взаимодействия с AI/ML-задачами, а не теоретическими знаниями.

А уже во время собеседования Юлия проверяла, насколько сложные задачи решали оставшиеся соискатели.

Юлия Доброва
Лидер направления IT-рекрутинга NEWHR
«Мне важно было понять бэкграунд кандидата — насколько сложные проекты он разрабатывал, участвовал ли в принятии архитектурных решений, была ли у него возможность выступать оунером продукта или его части».
Итог
8 из 9 разработчиков-финалистов от NEWHR приглашение на интервью с заказчиком, а 4 — вышли на работу, сформировав костяк новой команды. Параллельно Анастасия. отвечавшая за поиск специалистов по ML, представила клиенту свою половину команды — 7 ML-щиков, двое из которых тоже получили оффер.

Результат: сеньорная команда из 6 человек для нового ML-направления меньше, чем за полгода 💙
Как мы помогли клиенту достичь результата?
  • Разделили вакансию на две роли
    Учитывая сжатые сроки, подобрать команду специалистов, разбирающихся и ML, и Python было бы практически невозможно. Мы провели анализ рынка и представили клиенту аргументированную стратегию, которая позволила решить его бизнес-задачи без «единорогов».
  • Провели максимально широкий хантинг
    Основываясь на тонком понимании рынка, Юлия смогла отобрать подходящих разработчиков, несмотря на то, что их профили никак не отображали опыт работы с AI/ML. Рекрутер без подобного опыта упустил бы половину пула и без того редких кандидатов.
Воронка поиска
Поиск питонистов
Поиск ML-щиков
Если вы в поиске сильных кандидатов — обращайтесь в NEWHR.

Мы регулярно проводим анализ рынка кандидатов, понимаем, как с помощью найма решать задачи бизнеса и знаем, какая стратегия будет эффективна именно в вашем случае.