Кейс
Blockchain Engineer для децентрализованной AI-сети за месяц
Нашли core-разработчика протокола за месяц на закрытом рынке
Децентрализованному AI-compute проекту и L1-протоколу из США ($60M+ инвестиций в протокол) нужен был Blockchain Engineer, который будет развивать ядро протокола, масштабировать сеть под высокую нагрузку и отвечать за безопасность on-chain/off-chain взаимодействий. От старта поиска до оффера прошёл месяц, оффер получил кандидат из первой выборки.
Запрос и ограничения
Наш клиент строит децентрализованную сеть, в которой участники со всего мира объединяют видеокарты для AI-задач. Протокол быстро растёт в двух направлениях: в сеть приходят новые провайдеры вычислительных мощностей, растут объёмы AI-инференса, а также приходят разработчики, которые эти мощности используют.
Клиенту нужен был разработчик, который пишет сам блокчейн — тот код, на котором держится вся сеть. Специалист, который делает сервисы и приложения на готовом блокчейне, не подходил.
Новый инженер должен был:
- Масштабировать протокол
- Выпускать обновления сети
- Искать уязвимости
- Работать над open-source-протоколом
- Взаимодействовать с open-source-комьюнити, внешними и внутренними командами
Чем усложнялся поиск
Редкий профиль кандидата
Нужен был инженер, который пишет само ядро протокола, а не приложения поверх него. Причём с опытом в целевых протоколах уровня L1 или L2. С учётом других требований клиента таких людей на рынке буквально десятки.
Закрытая сфера
LinkedIn как инструмент поиска не работал — профили есть примерно у половины блокчейн-инженеров, и обычно там ни слова о том, на каком уровне протокола они работают.
Холодный рынок
Работодатели держатся за сильных инженеров из крупных протоколов, а сами инженеры менять компанию часто не хотят. Кроме того, целевые протоколы, откуда наш клиент хотел людей, — больше и стабильнее, и инженеры из таких компаний обычно не спешат менять работу на стартап, который может и не выстрелить.
Как искали
Искали по коду, а не по профилям
Блокчейн-протоколы, которые интересовали клиента, — open-source-проекты, поэтому основным источником стал GitHub. Маргарита составила список целевых протоколов: проекты на стыке блокчейна и AI, а также L1- и L2-сети с шардингом. Затем выбрала в них репозитории, которые относятся к ядру протокола, и изучила, кто в них контрибьютит.
Попасть в список контрибьюторов можно и после единственной правки. Выделить тех, кто действительно пишет релевантный код в ядре протокола, Маргарите помогал AI: с его помощью она разбирала коммиты.
Собирали контакты по крупицам
Найти человека в репозитории — только половина дела. На GitHub у многих указан только ник, без компании и контактов. А в LinkedIn один протокол бывает представлен сразу несколькими страницами компаний. Поэтому каждого кандидата приходилось сверять по разным источникам, чтобы убедиться, что это тот самый человек.
«Это была практически детективная работа. Находишь человека в репозитории протокола, а у него только имя или вообще никнейм. Ищешь его в LinkedIn — профиля нет, или там просто написано Software Engineer, и ничего не понятно».
Маргарита Аскарова, IT Recruiter NEWHR
После верификации навыков и контактов в воронку попали около 100 человек.
Подбирали аргументы под каждого кандидата
Каждое аутрич-сообщение Маргариты строилось вокруг опыта конкретного человека. Кому-то она писала про технологии, другим рассказывала про возможность роста или разнообразие задач: масштабирование, обновления сети, security.
«Подходящих нам людей мало, не хотелось терять шанс их заинтересовать. Поэтому я подробно изучала профиль каждого кандидата и смотрела, что может зацепить именно его».
Маргарита Аскарова, IT Recruiter NEWHR
Лучше всего работали технические вызовы: построить систему почти с нуля, решать задачи безопасности, работать с непривычным языком.
В итоге ответили 34 человека, 11 из которых прошли скрининг с NEWHR. Роль получил кандидат из первой же подборки, которую Маргарита отправила клиенту.
Воронка
| Этап | Кандидатов |
|---|---|
| Исследовано профилей | ~100 |
| Ответили на сообщение | 34 |
| Прошли интервью с NEWHR | 11 |
| Представлены клиенту | 7 |
| Прошли технические интервью | 4 |
| Получил оффер | 1 |
Результат
NEWHR нашли кандидатов, которых нет в привычных каналах, представили клиенту точечную выборку и закрыли вакансию через месяц.