Пять лет назад LeetCode и system design были главным фильтром. Теперь от кандидатов ждут понимания промпт-инжиниринга и умения использовать ИИ для отладки и исправления ошибок
Раньше надо было 5 лет профильного универа и полгода подготовки к LeetCode и System Design.
А теперь ещё 3 дня для изучения промпт-инжиниринга.
Интересно было бы увидеть программиста, сильного в LeetCode и System Design, но не осилившего промпт-инжиниринг.
Количество оферов в другие компании может быть частично связано с низкой зарплатой. Ничем другим оферы от Innowise и Netflix я объяснить не могу (т.к. джун в Netflix зарабатывает больше архитектора в Innowise).
В целом автор красавчик, т.к. взял судьбу в свои руки.
"практика мультиагентной разработки" - аж целый год практики написания "правильных" заклинаний для недетерминированного выхлопа, чтобы сделать его детерминированным? Впечатляет.
Ну раз клиент потребовал не увеличения производительности гребцов, а мифической сертификации по работе с ИИ (умения писать "правильные" заклинания для улучшения недетерминированного выхлопа), то по сути бояться нечего.
Пока продуктовые компании переносят и расширяют офисы в Польше, сокращая их в более дорогих локациях - в Польше айтишнику реально можно заработать 120-150K$ в год, что покрывает дороговизну аренды.
GenAI - это мультипликатор эффекта Даннинга-Крюгера. Чем хуже технарь, тем больше у него веры в то, что ИИ всех заменит и сделает из него суперпрограммиста.
К сожалению, недетерминированность результатов GenAI превратила индустрию в религиозную секту, где любой фанатик может заявлять окружающим о правильности своих молитв (промтов).
или нанятые 10+ лет назад в период хапуна в FAANG и проработавшие там ~1 год (3 месяца onboarding, 3 offboarding и 6 месяцев работы) держат плашку "ex-FAANG" в своём linkedin как основное карьерное достижение
Дополнительные опасения вызывает возможный «замкнутый цикл»: если такие вставки попадут в обучающие данные, ИИ-системы могут начать воспроизводить рекламный контент автоматически. Это повышает риск деградации качества моделей и накопления ошибок.
Половина контента в интернете уже делается с помощью AI.
Сам Тунгуз, например, автоматизирует 31 задачу в день с помощью ИИ
8 часов в день минус 10 минут перерыв каждый час, итого 50 * 8=400 минут, то есть суммарно "автоматизация" одной задачи с оценкой результата выполнения занимает менее 13 минут. Это если считать, что весь день Тунгуза посвящён исключительно "автоматизации" задач.
Уделите время апгрейду профиля в LinkedIn, наполнению Github или созданию портфолио, выражайте свою профессиональную позицию. Это увеличит шансы найти работу.
А как работодатели, нанимающие по этим признакам сотрудников, относятся к тому, что они продолжат (вероятно в рабочее время) писать в Linkedin, наполнять Github и создавать портфолио?
А в чём проблема рекрутёру глазами посмотреть резюме и не устраивать AI рандомизатор?
Допустим, рекрутёр ведёт 5 открытых позиций, на каждую пришло 300 резюме.
Оценивая время просмотра резюме в 5 минут (реально меньше минуты), получаем 5 * 5 * 300=7500 минут или 16 рабочих дней по 8 часов.
То есть при ведении 5 позиций можно в неспешном режиме за месяц отсмотреть все присланные резюме.
P.S.: я сомневаюсь в тысячах поданных резюме на вакансию, потому что для большинства позиций в польском Linkedin плашка "N people clicked apply" чаще всего имеет N < 100, и из этих N хорошо если половина конвертируется в отправленные резюме.
Мне хватило где-то первых 5 лет работы, чтобы задать себе вопрос "а в чём собственно суть профессионализма, если с опытом ты по-прежнему не умеешь спланировать свою работу так, чтобы 8 часов тебе хватало для её завершения". То есть для меня перманентный овертайм - явный признак непрофессионализма.
Да и сложно представить айтишника без стрессоустойчивости, ведь постоянно на проектах что-то случается.
Ещё в начале своей карьеры я задался вопросом - а в чём собственно суть профессионализма, если спустя 5-10-15 лет работы у тебя на проекте "постоянно что-то случается".
Задача формирования команд существует тысячи лет и по большому счёту сводилась к идее, что квалифицированный руководитель в состоянии самостоятельно нанять квалифицированного сотрудника к себе в команду. Схема работала для монументамельных строек и походов, длившихся десятилетиями - запредельные по логистической сложности задачи для нынешних IT-менеджеров.
В IT-рекрутинге в какой-то момент рекрутёрам стало лень звонить кандидатам и делать скрининг (тогда кандидатов было 3-5 на позицию) - и они придумали концепцию "красных флагов". Кандидаты отреагировали увеличением объёма рассылки резюме, чтобы увеличить вероятность обхода бессмысленных red-flag фильтров.
С приходом GenAI рекрутинговый процесс действительно потерял смысл.
Но есть подозрение, что если бы каждый кандидат наверняка знал, что на каждое отправленное им резюме получит скрининговый звонок на 5-10 минут - то кандидаты бы не закидывали сотни резюме, не вникая в соответствие позиции. И рекрутинг вновь бы обрёл смысл.
IT в целом - это индустрия неопытной молодёжи из-за экспоненциального роста сотрудников. И выходит, что голоса неопытных людей в IT всегда массовее и громче. Отсутствие опыта даёт уверенность, что все самые лучшие изобретения в IT случились с момента начала их профессиональной деятельности. И мы видим гордые описания в linkedin уровня "architect with 6 years of experience". Но деды с перфокартами в 1966 посадили на Луну станцию, а их современники со Scrum, google и мощными Macbook в 2023 - нет.
если вы более 10 лет в компании, и все, с кем вы начинали, давно уже в лидах, а вы «просто кодите», как и 3-5 лет назад (а ещё хуже — все 10+ лет на том же проекте) — то да, для рекрутеров вы ходячий red flag
В больших компаниях для разработчиков считается нормой остановиться в карьере на позиции senior и работать так до выхода на пенсию. Немногие хотят переходить на уровень Staff и Principal, потому что эти роли подразумевают новые, нетехнические обязанности. Более того, в таких компаниях зоопарк технологий (от древних до новых), поддерживающих критические части бизнеса, поэтому опыт 10-15+ является обязательным для senior позиции - т.к. энергичные "сеньоры 5+" даже с GenAI не осилят работать с этим зоопарком.
Рекрутёрам желаю не симулировать работу, выдумая "красные флаги" гаданием на кофейной гуще, а научиться отбирать кандидатов без угадайки, основанной на GenAI-сгенерированном резюме.
Если GenAI действительно позволяет писать production-ready код, то за последние 2 года мы должны были увидеть бум новых приложений, созданных с помощью GenAI. На каждую статью "я сделал за 8 часов то, что команда из 10 человек делала бы год" приходился бы завершённый результат разработки.
Какие новые (не примитивные) приложения появились за последние 2 года?
Заметили ли вы значительные улучшения (производительность, функционал и пр.) в существующих продуктах за последние 2 года?
У меня пока создаётся ощущение, что пользу от GenAI измеряют в-основном количеством публикаций (зачастую проплаченных создателями моделей) о чудесах производительности.
Комментарии
Раньше надо было 5 лет профильного универа и полгода подготовки к LeetCode и System Design.
А теперь ещё 3 дня для изучения промпт-инжиниринга.
Интересно было бы увидеть программиста, сильного в LeetCode и System Design, но не осилившего промпт-инжиниринг.
Visa - это индусское дно для деградации.
Количество оферов в другие компании может быть частично связано с низкой зарплатой. Ничем другим оферы от Innowise и Netflix я объяснить не могу (т.к. джун в Netflix зарабатывает больше архитектора в Innowise).
В целом автор красавчик, т.к. взял судьбу в свои руки.
"Лиды" и "архитекторы", гордо пишущие в заголовок своего linkedin профиля "5+ опыта" даже не догадываются, что это выглядит нелепо.
"практика мультиагентной разработки" - аж целый год практики написания "правильных" заклинаний для недетерминированного выхлопа, чтобы сделать его детерминированным? Впечатляет.
Ну раз клиент потребовал не увеличения производительности гребцов, а мифической сертификации по работе с ИИ (умения писать "правильные" заклинания для улучшения недетерминированного выхлопа), то по сути бояться нечего.
Пока продуктовые компании переносят и расширяют офисы в Польше, сокращая их в более дорогих локациях - в Польше айтишнику реально можно заработать 120-150K$ в год, что покрывает дороговизну аренды.
GenAI - это мультипликатор эффекта Даннинга-Крюгера. Чем хуже технарь, тем больше у него веры в то, что ИИ всех заменит и сделает из него суперпрограммиста.
К сожалению, недетерминированность результатов GenAI превратила индустрию в религиозную секту, где любой фанатик может заявлять окружающим о правильности своих молитв (промтов).
Обесценивающе выглядит, когда
аутсорсеры рассказывают о "работе в Google"
или нанятые 10+ лет назад в период хапуна в FAANG и проработавшие там ~1 год (3 месяца onboarding, 3 offboarding и 6 месяцев работы) держат плашку "ex-FAANG" в своём linkedin как основное карьерное достижение
Половина контента в интернете уже делается с помощью AI.
8 часов в день минус 10 минут перерыв каждый час, итого 50 * 8=400 минут, то есть суммарно "автоматизация" одной задачи с оценкой результата выполнения занимает менее 13 минут. Это если считать, что весь день Тунгуза посвящён исключительно "автоматизации" задач.
А как работодатели, нанимающие по этим признакам сотрудников, относятся к тому, что они продолжат (вероятно в рабочее время) писать в Linkedin, наполнять Github и создавать портфолио?
А в чём проблема рекрутёру глазами посмотреть резюме и не устраивать AI рандомизатор?
Допустим, рекрутёр ведёт 5 открытых позиций, на каждую пришло 300 резюме.
Оценивая время просмотра резюме в 5 минут (реально меньше минуты), получаем 5 * 5 * 300=7500 минут или 16 рабочих дней по 8 часов.
То есть при ведении 5 позиций можно в неспешном режиме за месяц отсмотреть все присланные резюме.
P.S.: я сомневаюсь в тысячах поданных резюме на вакансию, потому что для большинства позиций в польском Linkedin плашка "N people clicked apply" чаще всего имеет N < 100, и из этих N хорошо если половина конвертируется в отправленные резюме.
Мне хватило где-то первых 5 лет работы, чтобы задать себе вопрос "а в чём собственно суть профессионализма, если с опытом ты по-прежнему не умеешь спланировать свою работу так, чтобы 8 часов тебе хватало для её завершения". То есть для меня перманентный овертайм - явный признак непрофессионализма.
А вы попробуйте "побегать от работодателя к работодателю" и расскажите нам, легко ли сделать так, чтобы оферы на голову сыпались.
В моём понимании, специалист, регулярно меняющий работодателя, постоянно подтверждает свою квалификацию на рынке труда.
Если компания не может удержать сотрудников конкурентными зарплатами и условиями - это скорее вопрос конкурентоспособности компании, чем сотрудников.
Вот сейчас топ-специалисты по AI скачут по компаниям, получая в каждой семизначные бонусы - а могли бы сидеть и не отсвечивать.
Ещё в начале своей карьеры я задался вопросом - а в чём собственно суть профессионализма, если спустя 5-10-15 лет работы у тебя на проекте "постоянно что-то случается".
Задача формирования команд существует тысячи лет и по большому счёту сводилась к идее, что квалифицированный руководитель в состоянии самостоятельно нанять квалифицированного сотрудника к себе в команду. Схема работала для монументамельных строек и походов, длившихся десятилетиями - запредельные по логистической сложности задачи для нынешних IT-менеджеров.
В IT-рекрутинге в какой-то момент рекрутёрам стало лень звонить кандидатам и делать скрининг (тогда кандидатов было 3-5 на позицию) - и они придумали концепцию "красных флагов". Кандидаты отреагировали увеличением объёма рассылки резюме, чтобы увеличить вероятность обхода бессмысленных red-flag фильтров.
С приходом GenAI рекрутинговый процесс действительно потерял смысл.
Но есть подозрение, что если бы каждый кандидат наверняка знал, что на каждое отправленное им резюме получит скрининговый звонок на 5-10 минут - то кандидаты бы не закидывали сотни резюме, не вникая в соответствие позиции. И рекрутинг вновь бы обрёл смысл.
IT в целом - это индустрия неопытной молодёжи из-за экспоненциального роста сотрудников. И выходит, что голоса неопытных людей в IT всегда массовее и громче. Отсутствие опыта даёт уверенность, что все самые лучшие изобретения в IT случились с момента начала их профессиональной деятельности. И мы видим гордые описания в linkedin уровня "architect with 6 years of experience". Но деды с перфокартами в 1966 посадили на Луну станцию, а их современники со Scrum, google и мощными Macbook в 2023 - нет.
В больших компаниях для разработчиков считается нормой остановиться в карьере на позиции senior и работать так до выхода на пенсию. Немногие хотят переходить на уровень Staff и Principal, потому что эти роли подразумевают новые, нетехнические обязанности. Более того, в таких компаниях зоопарк технологий (от древних до новых), поддерживающих критические части бизнеса, поэтому опыт 10-15+ является обязательным для senior позиции - т.к. энергичные "сеньоры 5+" даже с GenAI не осилят работать с этим зоопарком.
Рекрутёрам желаю не симулировать работу, выдумая "красные флаги" гаданием на кофейной гуще, а научиться отбирать кандидатов без угадайки, основанной на GenAI-сгенерированном резюме.
Предположим, после вашего совета у половины кандидатов появятся такие надписи на страницах - как вы проверять эти заявления собираетесь?
Посмотрел линкедин профиль Линуса Торвальдса - очень слабо по меркам современных рекрутёров.
Если GenAI действительно позволяет писать production-ready код, то за последние 2 года мы должны были увидеть бум новых приложений, созданных с помощью GenAI. На каждую статью "я сделал за 8 часов то, что команда из 10 человек делала бы год" приходился бы завершённый результат разработки.
Какие новые (не примитивные) приложения появились за последние 2 года?
Заметили ли вы значительные улучшения (производительность, функционал и пр.) в существующих продуктах за последние 2 года?
У меня пока создаётся ощущение, что пользу от GenAI измеряют в-основном количеством публикаций (зачастую проплаченных создателями моделей) о чудесах производительности.
До первой critical security issue.