Найм стажеров через LinkedIn: что я поняла, организовав стажировку по AI

Каждую неделю 49 миллионов человек используют LinkedIn для поиска работы, и каждую минуту через LinkedIn нанимают 6 человек. Мы в CodyBee AI создали программу международной стажировки в области AI и анонсировали ее всего одним постом в LinkedIn. Результаты удивляют и заставляют задуматься.

Мы опубликовали пост в LinkedIn о стажировке AI SUMMER, предложив не просто реальную практику, но программу (конечно, бесплатную) группового обучения от нашего СТО (ex-Сколково, ex-Data Monsters).

Нам писали, как студенты, ищущие стажировку для вуза, так и программисты, которые уже работают в IT, но хотят начать свой путь в AI.

Больше половины кандидатов не смогли даже синхронизироваться по времени и прийти на звонок для знакомства. Это уже был первый тревожный сигнал о том, что уровень организованности и ответственности у потенциальных стажеров оставляет желать лучшего - минус 10 кандидатов при попытке организовать звонок на 20 минут. Это было первое разочарование.

Мы понимаем, что кандидаты не обязаны знать все о нашей компании. Однако самый простой вопрос: "Почему вы решили написать нам?"показывает интерес и мотивацию.

Но никто из кандидатов не смог четко объяснить, чем мы занимаемся, и только благодаря наличию знакомых букв AI в названии CodyBee AI они говорили, что мы - про искусственный интеллект. Один из кандидатов сказал: "Вы работаете с искусственным интеллектом, и это круто." И ничего более внятного. Никто даже не назвал сферу деятельности, а у нас, между прочим, AI-тулза для разработчиков, то есть для них же самих - AI код ревью, который в виде бота в ГитХабе оставляет комментарии к тем строчкам кода, где видит ошибки или возможность для улучшения.

Это свидетельствовало о поверхностном отношении к поиску стажировки и, возможно, о том, что такие кандидаты пишут в сотню-другую компаний. Мы понимаем, что это то, как работает холодный аутрич в LinkedIn, и большинство просто делает массовые рассылки, меняя только имя адресата и название компании, а кто-то более продвинутый даже использует ботов. Но если тебе предстоит звонок, кажется, было бы неплохо уделить хотя бы одну минуту просмотру сайта компании, с которой у тебя звонок. Никто из 8 кандидатов, с которыми мы созванивались, этого не сделал.

Когда мы спрашивали: "Что именно вас привлекает в AI?", абсолютно все говорили общими фразами про будущее AI и его потенциал, но не имели даже базового понимания и, уж тем более, не могли связать свои интересы с конкретными задачами.

После ознакомительных звонков кандидаты активно присылали фоллоу-апы. С точки зрения прокачки LinkedIn, они действовали идеально. Они знали, как правильно оформлять последующие сообщения, выражать благодарность за встречу и подтверждать свой интерес. Эти сообщения были грамотно составлены и выглядели профессионально.

На первый взгляд, это создавало впечатление, что кандидаты действительно заинтересованы и готовы к стажировке.

Несмотря на то, что фоллоу-апы были грамотные у всех, мы все же выбрали 4 человека для стажировки (из оставшихся 8, то есть ровно 50%), тех, кто нам показался наиболее заинтересованными.

Мы устроили групповой звонок, на котором познакомили их друг с другом и более подробно рассказали программу стажировки, формат задач на каждом этапе и еще 30 минут звонка посвятили погружению их в реальный (практический, а не теоретический) мир AI. Всей группе дали одно задание (которое никак не относится к нашим текущим задачам), чтобы они сами еще до того, как подпишем документы, понимали, что их ждет не на словах, а на деле.

И тогда 3 из 4 человек исчезли. Через неделю я задала каждому из них вопрос о том, есть ли какой-то прогресс или вопросы. Ответы троих из четверых были однотипными: "Я не могу начать выполнение задания, потому что..." и дальше следовали отговорки.

Единственная, кто выполнил задание, была студентка из Туниса, которая при первой встрече показалась нам наиболее заинтересованной. Она же стала нашим стажером на лето.

Опыт общения с потенциальными стажерами показал, что многие современные кандидаты умеют великолепно представлять себя в LinkedIn и создавать впечатление компетентных специалистов. Однако, когда они столкнулись с реальной задачей, их реакция была одинакова - ни один из них не смог начать выполнение задания, оправдываясь различными причинами.

Вчерашние выпускники превосходно владеют навыками прокачки своих профилей в LinkedIn. Они знают, как правильно оформлять свои страницы, что писать в фоллоу-апах и как произвести впечатление на работодателя, то есть они умеют продавать себя в LinkedIn, но не имеют базового понимания для выполнения конкретных задач. Это приводит к необходимости еще более тщательного контроля и проверки их работы.

Однако, когда дело доходит до реальной работы, ситуация кардинально меняется. Кандидаты, которые выглядят идеально на своих профилях и демонстрируют высокую активность, оказываются неподготовленными к выполнению задач, где требуется думать самим, а не просто спросить ChatGPT и выдать ответ за свой.

И именно тогда, когда разработчики, вместо того чтобы глубоко вникать в задачи и решать их самостоятельно, просто копируют код из ChatGPT, как никогда нужно более тщательно проверять не сам кусок этого кода, а как он встраивается в контекст проекта, и не "поломается" ли что-то, если замерджить это сейчас.

CodyBee бот, интегрированный с GitHub, находит баги и возможности для улучшения в PR, оставляет комментарии к каждой строчке кода, где нужны изменения и предлагает более подходящее решение в контексте проекта.

Мы верим,: что так мы вносим свой вклад в поддержание высокого стандарта разработки и обеспечение эффективной работы команды.