Как найти тимлида в проекты по Computer Vision: история одного вызова

О клиенте

Наш клиент — IT-подразделение одного из крупнейших в мире производителей никеля, палладия и платины. Компания обеспечивает IT-поддержку более 70 предприятий структуры и активно внедряет системы видеоаналитики для промышленной безопасности.

Ситуация

Добывающая промышленность сопряжена с высокими рисками: обрушения, взрывы, задымления. Для защиты работников применяется видеоаналитика: контроль опасных зон, мониторинг объектов, фиксация потоков руды. Чтобы повысить безопасность и технологичность процессов, компания с 2019 года активно внедряет инструменты компьютерного зрения (Computer Vision, CV).

Для управления проектами требовался опытный тимлид. Внутренний HR искал CV-специалиста 3 месяца безрезультатно, после чего клиент обратился к нам — мы регулярно помогаем компании закрывать сложные позиции.

Задача

Найти тимлида для двух проектов по Computer Vision. В его подчинении — две команды. В каждой по 3 человека: data scientists и DevOps.

CV-специалист должен сочетать глубокую техническую экспертизу (20% работы) с сильными управленческими (40%) и коммуникационными навыками (40% времени — общение с бизнес-заказчиками).

Требования

Hard Skills:

• Технологии: Python, C++, PyTorch, OpenCV, Linux, GitLab.

• Инфраструктура: ONNX, Triton/TensorRT, Jetson, CVAT, Docker, Kubernetes, Kafka, Grafana.

• Навыки: MLOps, оптимизация моделей, развертывание решений.

Опыт: 4+ лет в ML, 3+ лет в Computer Vision (CV), 2+ лет руководства командами специалистов по машинному обучению (ML).

Soft Skills: проактивность, грамотная коммуникация с заказчиками, умение защищать решения команды, стрессоустойчивость.

Дополнительно: готовность к командировкам в Мончегорск, Норильск, Читу (2-3 раза в год на неделю).

Процесс работы

Времени на поиск было немного. Один проект уже был запущен и нуждался в доработках. Второй находился на тестовых стендах в Москве — запуск планировался через полгода. Риски срыва сроков нарастали, но временные рамки были не единственной трудностью в поиске тимлида.

Сложности

Узкий нишевой рынок. Специалисты, совмещающие экспертность в CV/ML и опыт управления, крайне редки. Особенно в формате team lead.

Стоп-листы. HR клиента уже отсеял 63 кандидата, которые по разным причинам не подошли. Это усложнило поиск новых вариантов. Для такого узкопрофильного запроса это очень много.

География. Периодически нужно посещать локации, на которых запускают проекты, и проверять работу ПО. Командировки в города с суровым климатом стали стоп-фактором для ряда сильных кандидатов.

Жесткие критерии. У заказчика было обязательное требование к ровному стажу — от 3 лет постоянной работы на последнем месте (изначально этого в задаче не было, все выяснилось в процессе поиска). Это отсекало часть перспективных специалистов. Дополнительный фильтр — строгая проверка службой безопасности (СБ) клиента.

Запрос на высокие софты. CV-специалист должен уметь эффективно общаться с заказчиками любого уровня сложности, защищать свои решения и отстаивать интересы команды.

Зарплатный дисбаланс. Вилка рынка для вакансии team lead в проекты по computer vision — 500-700 тысяч рублей на руки. Бюджет клиента — 400 тысяч рублей. Эта разница стала основной причиной отказов среди сильных кандидатов.

Решение

При оценке задачи сразу стало ясно: зарплата существенно ниже рынка. Клиент не мог увеличить бюджет, и мы стали вести поиск в заданных рамках.

Сначала мы отработали открытый рынок — наша стандартная практика. После этого картина всегда становится яснее.

Вакансия вызвала интерес, однако 80% кандидатов отказались после озвучивания суммы. Оставшиеся тоже не подходили.

Первый кандидат имел хороший технический бэкграунд, но его стаж на предыдущих местах составлял от 6 месяцев до 2 лет. Клиент отказался рассматривать его из-за риска текучести. Так к первичным сложностям (узкий рынок, низкий бюджет) добавилось требование непрерывного стажа от 3 лет. 

Другой специалист обладал достаточной технической экспертизой, но на роль тимлида не подходил из-за недостатка управленческого опыта.

Еще один кандидат успешно строил команды по нескольким направлениям AI — компьютерное зрение, работа с естественным языком, биометрия и другие. Он отказался от предложения, пояснив, что «вырос» из позиции и по функционалу, и по оплате.

Мы нашли опытного руководителя из научной сферы с проектами в CV, CNN, ML. И его, и заказчика все устраивало — мы готовились закрыть позицию. Но у клиента очень сложная система проверки, и СБ отклонила специалиста.

Однако через 2 дня мы привели еще одного потенциального кандидата. Она работала в научно-исследовательском центре с оптоэлектроникой, AI, руководила CV-проектами и даже преподавала в этой области. Но командировки в суровые регионы стали стоп-фактором. Несколько дней она обдумывала свое решение и в результате отказалась процесситься дальше.

Кандидаты отсеивались по разным причинам: кто-то отменял встречу, кто-то не устраивал клиента. Было очевидно: на открытом рынке подходящего специалиста найти сложно. Мы обратились к внутренней базе ВИЗАВИ Консалт.

Там нашелся кандидат, с которым мы ранее сотрудничали: он перешел в IT-подразделение крупного холдинга на руководящую позицию в лабораторию искусственного интеллекта. Он идеально вписывался в профиль технически (включая знание C++, помимо стандартного Python) и по опыту.

Из-за сокращений в его текущей компании кандидат был готов к переходу. Он даже согласился немного «упасть» по деньгам — привлекли стабильность клиента и интересная команда.

Однако возникла новая проблема: клиент не успел окончательно согласовать бюджет. Процесс затянулся, и появился риск потери кандидата.

3 недели мы поддерживали интерес специалиста, держали в курсе дел. Наконец, он получил офер. Но на работу не вышел.

Несколько недель прежний работодатель не хотел отпускать ключевого сотрудника. И все же мы оказались убедительнее — спустя месяц наш кандидат приступил к работе на новом месте.

Результат

Мы закрыли позицию тимлида за 4 недели. Еще через 1,5 месяца кандидат вышел на работу — все это время мы поддерживали с ним активные коммуникации.

Итого:

• Предложений рассмотреть вакансию — 14,

• Проведено внутренних собеседований — 8,

• Отправлено резюме клиенту — 6,

• Проведено внешних собеседований (с клиентом) — 5,

• Офферы — 1,

• Выход на работу — 1. Испытательный срок пройден успешно.

Проект стал вызовом из-за множества «красных флагов»: низкая зарплата, жесткие требования, сложная география и обилие формальностей. Зато этот кейс показал, насколько важны обширная внутренняя база, гибкость в переговорах и способность работать с жесткими ограничениями.

Поможем найти специалистов любого уровня сложности: быстро проведем поиск IT-специалистов для проектов в Computer Vision и других направлениях, а также организуем профессиональный подбор персонала в нужной вам сфере. Первые резюме покажем уже через день, а собеседования организуем в течение 2–3 дней с момента старта работы по вакансии.
Оставьте заявку на подбор, и мы проконсультируем вас об условиях сотрудничества — это бесплатно.

Делимся кейсами, рассказываем про исследования рынка труда, HR-тренды и методы подбора специалистов в нашем блоге и телеграм-канале — подписывайтесь.