Правильный найм в AI-стартапах: как избежать потерь
За последние шесть месяцев я отклонил с десяток питч-деков от AI-стартапов. Причина была не в продукте, а в структуре команды и найма.
Вот типичные примеры, когда из-за одной ошибки деньги улетают в трубу:
Кейс 1: Research Scientist с зарплатой $260 000 занимается исключительно настройкой промптов через Anthropic API.
Кейс 2: Два ML Engineer, общая зарплата $370 000, работают только с GPT-4 API, не имея собственных R&D моделей.
Кейс 3: Senior ML Engineer за $220 000 занимается промпт-инжинирингом для юридической платформы.
Во всех этих случаях фаундеры переплачивают $80 000 – $150 000 в год, потому что не понимают функциональную разницу между AI-ролями. Результат — деньги сжигаются в среднем в полтора раза быстрее.
Я не HR, а инвестор — но всё равно заметил, что эта проблема стала устойчивым паттерном.
Спустя полгода один из фаундеров вернулся с корректной финансовой моделью. На мой вопрос «Как удалось решить проблему?» сказал:
«Сходил к Майку Волкову. Он объяснил: для работы через API не требуется ML Engineer за $200k. Нужен AI Product Engineer за $120k. В итоге позицию закрыли за три недели, а runway вырос с 12 до 22 месяцев».
10 месяцев жизни стартапа чуть не прогорели — и всё из-за неправильного найма.
Нужно разобраться с наймом в AI?
Майк специализируется на работе с AI-стартапами. Он поможет:
- точно определить, какие скиллы должны быть у специалиста, который вам нужен,
- найти специалиста по рыночной цене,
- продлить ваш runway.
→ Нужна помощь с наймом в AI? Пишите Майку: @mikevolkov
Хотите глубже разобраться в структуре AI-ролей?
Подпишитесь на канал — там разборы кейсов и объяснение разницы между ролями.
Корректный найм прибавит 6–10 месяцев операционной жизни стартапа. Не потеряйте это время
Подписывайтесь на Telegram Money For Startup Андрей Резинкин.