Генеративный ИИ уже прочно встроился в продукты, сервисы, поддержку, аналитику, маркетинг и внутренние процессы компаний. А машинное обучение давно стало конкурентным требованием рынка, особенно для крупных компаний. Те, кто не умеет работать с данными и моделями, начинают проигрывать тем, кто умеет и работает.

Логичное следствие — резкий рост спроса на AI-инженеров, ML-разработчиков и data-специалистов. Где высокий спрос — там высокая цена, и одновременно — перегретый рынок кандидатов.

Онлайн-курсы выпускают сотни специалистов, резюме выглядят убедительно, но на практике качество сильно плавает. В итоге компании оказываются между двух рисков: либо переплатить, либо ошибиться.

Параллельно растёт интерес к гибким форматам привлечения — проектной работе, part-time, внешним командам. Data Science специалистов и ML-инженеров даже научились брать на аутстаффинг. Но классические недостатки аутстаффинга — непрозрачность ставок и квалификации специалистов — сохраняются и имеют даже более сильный эффект во всём, что касается ИИ.

Именно в этой точке и появляется задача, которую решает RIWO: дать компаниям доступ к действительно проверенным AI и Data специалистам — и сделать это в гибком формате. Ниже рассказываем, как именно мы выстраиваем проверку и почему ей доверяют и СТО с тимлидами, и ИТ-рекрутеры, и партнёрские менеджеры.

На RIWO специалисты приходят сами. Мы не подключаем аутстаффинговые агентства и не разрешаем размещать их «скамейки». Это принципиальная позиция.

Нам важно работать напрямую со специалистами, а не с витринами ресурсов. Человек регистрируется сам, заполняет профиль сам и проходит проверку сам. Это сразу снимает часть искажений: нет приукрашенных профилей от менеджеров по продажам и «универсальных сеньоров», которые внезапно одинаково сильны во всём.

К нам приходят разработчики и инженеры, которые ищут интересные проекты в AI/Data на полный день или хотят брать дополнительные проекты. Обычно это специалисты middle+ и senior уровня. Их мотивация понятна: интересные задачи, дополнительный доход, профессиональный рост и более гибкий формат работы.

После регистрации специалисты заполняют свой профиль. Заполняется он подробно: стек, специализация, коммерческий опыт, типы проектов, хард-скиллы, грейд. Мы смотрим не на красивое описание, а на структуру и содержательность. Уже на этом этапе видно, кто действительно работал в теме, а кто просто прошёл курсы.

После заполнения профиль не публикуется автоматически, а проходит проверку рекрутером. И здесь мы довольно приземлённы в критериях.

Мы почти не смотрим на формальное образование. И вам не советуем. Диплом сегодня не гарантирует практических навыков — и наоборот, сильные специалисты часто приходят из смежных областей или вообще самоучки. Это нормально для такой молодой технологической области как ИИ.

Зато мы внимательно смотрим на проекты. Не просто на факт участия, а на уровень задач. Если в опыте только учебные чат-боты или несвязанные индустрии — это ещё не красный флаг, но уже громкий звоночек. Если есть коммерческие AI/ML проекты или серьёзные внутренние решения — флаг однозначно зелёный.

Также мы смотрим на стек и глубину владения технологиями. Если профиль заполнен поверхностно, возвращаем на доработку. Это простой, но эффективный фильтр: мотивированные специалисты спокойно уточняют и дополняют, случайные отваливаются уже здесь.

Когда профиль выглядит содержательно и логично, мы отправляем кандидата на проверку хард скиллов — технический скрининг.

Технический скрининг на RIWO реализован с помощью AI-инструмента XeniaAI. Сразу скажем, что мы не просто отдали на откуп искусственному интеллекту один из самых важных этапов модерации, а встроили его в контролируемый человеком процесс.

Мы используем его только для проверки хард-скиллов. Пробовали добавлять софты, но получили размытые результаты и отказались. Поэтому софт-навыки оценивает человек на следующих этапах.

Скрининг проходит в формате устных онлайн-ответов на серию технических вопросов. Наборы вопросов не случайные. Мы собирали их итерациями: на основе собственного 10-летнего опыта в аутстаффинге, обратной связи от заказчиков и практикующих инженеров.

Механика такая: задаётся стек — например, для data engineer — и по нему формируются вопросы. Мы вручную проверяем формулировки. Если вопрос допускает ответ «да/нет» — он бесполезен, отправляем на переработку. Если AI формулирует слишком общий вопрос — переписываем сами. В результате получается гибрид: библиотека AI плюс человеческая инженерная логика.



Мы отдельно тестировали длину скрининга, нагрузку, время прохождения. Для сложных специализаций — например, Data Science — дополнительно валидировали вопросы с самими разработчиками: показывали, спорили, корректировали.

XeniaAI также фиксирует подозрительное поведение — например, постоянные переключения вкладок. Она не снижает за это баллы, но помечает сессию. Решение о достоверности результата всё равно принимает человек.

Мы отдельно тестировали длину скрининга, нагрузку, время прохождения. Для сложных специализаций — например, Data Science — дополнительно валидировали вопросы с самими разработчиками: показывали, спорили, корректировали.

XeniaAI также фиксирует подозрительное поведение — например, постоянные переключения вкладок. Она не снижает за это баллы, но помечает сессию. Решение о достоверности результата всё равно принимает человек.

Несмотря на AI-оценку, каждый скрининг просматривается рекрутером. Мы видим баллы по каждому вопросу, их вес, структуру ответа. Смотрим, где системе не хватило контекста, а где кандидат действительно поплыл.

Это важный момент: AI ускоряет и стандартизирует проверку, но не заменяет экспертное решение. Особенно в пограничных случаях.

После скрининга кандидат также может оставить обратную связь по вопросам. Мы регулярно её используем для донастройки сценариев. Скрининг для нас — это живой инструмент, а не застывший тест.

Те, кто набрал количество баллов, соответствующее грейдам middle или выше, переходят дальше, переходят дальше — к интервью с настоящим рекрутером.

Финальный этап — интервью с рекрутером RIWO. Здесь мы решаем сразу две задачи: повторно подтверждаем хард-навыки и проверяем софт-скиллы. Плюсом оцениваем готовность и умение работать по гибким моделям.

Разговор строится вокруг реального опыта из профиля. Мы просим разобрать проекты, решения, архитектурные выборы, ошибки. Если опыт надуманный, это вскрывается довольно быстро.

Отдельный блок — поведенческие сценарии. Как человек действует в конфликте, что делает при провале дедлайнов, как работает в многозадачности, как коммуницирует с заказчиком. Для гибкой занятости это критично: даже сильный инженер, который не умеет в адекватную коммуникацию, — риск для клиента.

Принципы платформы RIWO — клиентоориентированность, экологичная коммуникация, профессионализм и амбициозность. Если мы видим, что кандидат их не разделяет, его шансы на успешное прохождение модерации снижаются.

Разумеется, часть кандидатов отсеивается ещё раньше — просто не доходят до конца процесса. И это тоже полезный фильтр: немотивированные не проходят длинные воронки.

Итак, в результате нашего отбора на платформе остаются специалисты, которые:

• пришли сами, а не размещены агентом-посредником
• подробно раскрыли реальный опыт
• прошли тех. скрининг по хард-скиллам
• подтвердили навыки коммуникации и другие софт-скиллы

Для компаний это означает простую вещь: меньше риска ошибки найма и меньше переплаты за счёт отсутствия посредников.

Напрямую. Когда специалист проходит многоступенчатую проверку заранее, вероятность и стоимость ошибки найма снижается: меньше проваленных спринтов, меньше переделок, меньше скрытых потерь времени команды, которая обычно расплачивается за слабого исполнителя своим фокусом и переработками. Добавьте к этому отсутствие цепочки посредников и агентских надбавок — и вы получаете более честную ставку при более высоком уровне специалиста. В результате AI-проекты перестают быть финансово непредсказуемыми экспериментами и превращаются в управляемые инвестиции: с понятной стоимостью ресурса и более прогнозируемым результатом.

Если вы дочитали до этого места, скорее всего, подбор AI/Data-специалистов — это не абстрактная задача где-то в компании, а ваша личная зона ответственности.

Работа через RIWO даёт вам больше пространства для манёвра: можно быстро подключать и отключать специалистов под этапы проекта, не раздувая штат, быстрее показывать бизнесу промежуточные результаты и двигаться итерациями. Когда специалисты уже предварительно проверены, вы не начинаете каждый раз с «кота в мешке» — у вас есть понятная точка входа и предсказуемый уровень качества. Эксперименты обходятся дешевле, решения принимаются быстрее, а цена ошибки — ниже. Всё это даёт больше контроля над проектом и меньше вероятности, что кадровое решение ударит по срокам, бюджету и лично по вам.