Сегодня каждый говорит про AI, но когда доходит до дела — большинство тратит месяцы, чтобы разобраться в инструментах, структурном подходе к вайб-кодингу и подводных камнях (многое пойдет не так, причем сразу).

Наш интенсив сэкономит вам это время. Мы собрали всё самое важное в одном месте:
- практика без воды - делаете простую фичу, потом вторую, потом еще, и так, пока навык не закрепится
- работа с реальными кейсами и инструментами - в итоге построим три продукта: от примитивного до полноценной интеграции с OpenAI API и Stripe
- быстрый выход на уровень, когда вы можете прототипировать свои идеи и проверять гипотезы без команды (если в найме), а при должном усердии - и запустить MVP пет-проекта в одиночку. Еще раз - не нефункциональный прототип, а что-то рабочее.

Вот пример апы, который студенты могут собрать после курса.

Тут можно вводить траты каждого за поездку, чтобы потом считать, кто кому и сколько должен. Главное, что это было сделано не "build me cost split app", а с полным пониманием того, что вы хотите: какой хотите UI, какую хотите базу данных, какие внешние API подключить (тут под капотом OpenAPI анализирует траты), как будет работать алгоритм расчета. Данное демо без авторизации, чтобы не мучить вас логином/паролем (то есть у всех одна база данных трат), но настоящая версия, разумеется, будет - со всеми примочками.

Сила этого примера именно в том, что ИИ работает НА ВАС, а не наоборот. Сделав пару таких глубоких кейсов, вы сможете повторить то же самое для СВОЕЙ идеи. А идей продакту обычно хватает)


Экономьте месяцы самостоятельного поиска - закрепляйте знания на практике в симуляторе, а если хотите 2 дополнительные кейса (где мы подключим платежку и Telegram API), то велкам на интенсив на следующей неделе (следующий поток будет уже в новом году).

Друзья, как мы и обещали, мы продолжаем скрупулезно наполнять нашу базу знаний полезными статьями. Наш подход - не просто блог с проходными заметками, а ядро практических знаний о профессии. Например, статья по API имела смысл 5 лет назад, имеет смысл сейчас и будет иметь смысл через 5 лет. Да, к ней добавятся примеры и всякие AI-бантики, но ядро останется.

Встречайте новую статью по А/Б тестированию.

- Мы смотрим на реальный пример из результатов поиска магазина Amazon
- Объясняем на пальцах довольно сложную тему про распределения (напишите в комментах, получилось ли у нас сделать это простым языком)
- Даем 2 практических примера, как пользоваться A/B калькулятором (которые мы сами собрали на Replit - но это уже другая история)


Наслаждайтесь. И да прибудут с вами хард-скиллы продакта!

Как подаваться на вакансии при нынешнем состоянии рынка

Наши студенты и друзья, которым сейчас приходится искать работу, рассказывают, что рынок вакансий выглядит далеко не лучшим образом. Судя по всему, после долгого периода роста рынка, когда устроиться на продуктовую позицию было относительно просто, наступает период охлаждения. Баланс сил качнулся в сторону работодателей.

Несколько волн сокращений в крупных компаниях выплеснули на рынок высоквалифицированных кандидатов с сильными резюме, с которыми теперь приходится конкурировать всем остальным соискателям.

Неизбежным следствием этого стало то, что на каждую вакансию теперь приходит очень большое количество откликов. HR рекрутеры и нанимающие менеджеры активно вооружаются средствами автоматизации.

Причем не только в больших компаниях. Доступность LLM и средств автоматизации вроде n8n позволяет даже средним компаниям создавать для себя бездушные автоматизированные воронки отбора. Один очень продвинутый технический директор (спасибо, Миша!) поделился тем, какой пайплайн они собрали у себя для автоматизации найма. Если вы ищете работу и подаетесь на вакансии в 2025, то вам очень полезно будет знать, с чем примерно вы имеете дело.

Даров)
В тему резюме, хочу поделиться.

В какой-то момент поток найма стал очень большим и кол-во кандидатов начало переваливать за 800 на позицию.

Сорсеры и рекрутеры стали захлебываться на заливке пайпа, время цикла (заливки) выросло с 2х до 8 дней.

Попробовали следующую автоматизацию.

- подключили сорсинг автоматом с разных площадок (в нашем случае - huntflow + интеграции)
- натравили локальную модельку + автоматизацию на сбор контекста и вычистку персухи
- подключили gpt-4o по апихе, заливаем в него очищенные резюме с нужными промтами (методология оценки резюме + контекст компании + контекст команды)
- на выходе получаем ранжированные резюме с комментариями и рекомендациями
- потом рекрутер проводит скрининг-интервью с кандидатами. Записи заливаются в транскрибатор
- дальше снова gpt-4o (методология оценки + контексты + скрининг)
- в методолгии зашито требование подтверждать выводы цитатами из скрининга. Чтобы модель не фантазировала – поверх натянута автоматизация, которая чекает цитаты и если видит фантазии – заставляет модель перегонять оценку.
- на выходе получаем отранжированные резюме + скрининги с комментариями по проведению собеседований (на что обратить внимание)

Внедрялось долго и больно, шли через мвп + human in the loop + независимые параллельные оценки модели и человека.
Было очень мучительно, но добились совпадения на ~80% (оценка человека vs оценка модели).
Ну и пришлось процессы на этапе испытательного срока докрутить, чтобы быстрее отлавливать ошибки найма.

Вывели уже 4 человека таким образом, докручиваем систему по обнаруженным косякам (что мы и модель упустили). Но пока никто испыталку не зафейлил.

К чему я это все. Мы точно не первые в этом направлении. Поэтому, думаю, кандидатам стоит понимать новую реальность, точно также, как и компаниям. Например, я перестраиваю уже собесы так, чтобы их мог пройти только человек, умеющий использовать AI.

Как вы думаете, во что стоит инвестировать кандидату, чтобы стать более конкурентным на таком рынке?

Когда я (Владимир) устраивался в Букинг 10 лет назад, я был программистом. Найм для технарей предельно понятен: ты либо можешь кодить, либо не можешь. Либо можешь придумать алгоритм под пристальным взглядом интервьюеров, либо нет. При этом, мое резюме особо не имело значения - да там особо ничего и не было, это была моя первая серьезная работа после PhD.

Найм продактов (и выше) отличается: ооооочень сложно проверить (а вам - показать) в течение 60 минут, что вы - профессионал. Программист просто напишет элегантный рекурсивный алгоритм обхода графа связей в три строчки и все ахнут. А вы что? Расскажете, как двигали тикеты в джире? Как писали стратегию? Да просто описать контекст проблемы у вас займет минут десять. А доказать, что за красивыми словами стоит дело, а главное, что его сделали именно вы - очень сложно.

Из этого следуют три вывода: один грустный, второй практический, один футуристический.

1️⃣ Грустный в том, что до сих пор при найме продакта решает резюме (не его форма, а содержание). Логика простая: число лет умноженное на крутость предыдущих компаний = ваш скилл, потому что вас уж точно там попинала жизнь и если вы выжили, то мозг на месте.

2️⃣ Практический вывод такой: даже если вы новичок, пытайтесь на интервью показать свои хард-скиллы, потому что это именно та твердая почва, на которой вы можете продемонстрировать свой мозг. Если вам назначили интервью по "Technical Acumen" (Технические знания), то это просто подарок! По сути вам очерчивают зону и говорят "Сейчас будем говорить только про технологии: API, архитектуру и тд". Ваша задача - поддержать разговор и решить задачку. Хотите научиться, вы знаете куда идти. У нас уже много отзывов типа "Прошел симулятор / интенсив - легко решил кейс".

Ну и так далее: если интервьюеры заговорили про A/B - вверните историю, как вы грамотно разрешили дилемму а-ля "основная метрика зеленая, а поддерживающая - красная" - это выдает в вас бывалого экспериментатора. Зашла речь про ML? Расскажите, как вы заметили в своем продукте задачку классификации и быстро собрали MVP и сейчас делаете там кучу денег.

Хард скиллы повсюду, их надо просто замечать и уметь быстро показывать, что вы в теме. Только не имитировать, а правда иметь это в опыте.

3️⃣ Футуристический вывод: просматривается тренд, что интервью продактов от "просто поговорили о прошлом и теоретических умопостроениях" создает много проблем нанимателю: проскакивают те, кто уверенно говорят, а потом выясняется, что внутри у них пусто (выясняется через пару месяцев, когда уже поздно). Поэтому больше компаний внедряют разного рода тесты: например, "сделай стратегию добавления доставки в приложение Uber" и презентуй (к сожалению это тоже хакается с помощью Васи-помощника-за-денежку).

Поэтому придумали еще и кейс-на-лету: вас просят решить что-то, к чему вы не готовились.

Например, все больше компаний дают "А нарисуй-ка нам архитектуру Тиндер", а сейчас появляются первые упоминания про тесты по AI-прототипированию при найме. Мой прогноз, что будет еще больше: появятся полноценные мини-симуляторы (по аналогии с пре-скринингом для прогеров), которые чекают человека по базовым хард-скиллам.

Что я могу сказать? Отлично! Лучшие - пройдут, а болтуны и пустые пиджаки пойдут... заниматься чем-то еще. (А потом нас всех заменит AI, хе-хе).

Надеюсь, было полезно.

А если хотите учиться, то потоки по "Технологиям для продакта" и сразу за ним "AI-прототипирование для продакта" стартуют уже скоро, до пятницы ранняя цена, следующий поток уже зимой.