Циан меняет подход к техническому найму

В Циане навыки работы с AI стали частью оценки кандидатов на технические позиции. Речь не о формальном вопросе «пользовались ли вы нейросетями», а о практическом задании, где соискатель должен показать, как он решает задачу вместе с AI-инструментами.

По словам Максима Радюкова, директора по информационным технологиям Циана, внутри компании это не выглядит внезапным экспериментом. IT-команда Циана насчитывает около 400 человек, и 75% сотрудников уже используют AI-инструменты в работе.

Ещё одна заметная цифра: около 35% кода в компании уже пишется с помощью AI. При этом Циан хочет смещать фокус от простых автодополнений вроде GitHub Copilot к агентским инструментам — Claude Code, Codex, Cursor Agent и похожим решениям.

Коротко: компания проверяет не «знание модного инструмента», а то, умеет ли кандидат думать и работать в новой среде разработки.

Что теперь смотрят на собеседовании

На техническом интервью кандидат получает практическую задачу и может использовать AI. Но сама проверка устроена не вокруг скорости написания кода.

В Циане обращают внимание на несколько вещей:

— умеет ли человек сначала разложить задачу на требования и этапы;
— контролирует ли он объём решения, не позволяя агенту «строить космолёт»;
— проверяет ли результат после каждого шага;
— понимает ли архитектурные решения;
— может ли объяснить код, даже если его сгенерировал AI.

Последний пункт особенно важен. Если кандидат получил рабочий код, но не понимает, как он устроен, для компании это уже проблема, а не преимущество.

Почему агентские модели требуют другой дисциплины

В источнике хорошо заметна мысль: AI может ускорять разработку, но одновременно легко раздувает задачу. Модель способна предложить слишком сложное решение, добавить лишние функции и увести проект в сторону.

«AI-first ≠ AI-only».

Эта короткая формула важна для понимания подхода Циана. Компания не говорит, что AI заменяет инженеров. Скорее, она смотрит на него как на усилитель команды — полезный, но требующий контроля.

И вот здесь появляется новая компетенция. Разработчику уже недостаточно просто принять ответ модели. Нужно уметь остановить её, сузить скоуп, проверить логику и вернуть работу к реальной задаче бизнеса.

Ожидания зависят от уровня

Для джуниоров и мидлов в Циане важна уверенная ежедневная работа с AI-агентами. От сеньоров ждут большего: понимания, как менять архитектуру, стандарты кодирования и процессы так, чтобы AI-инструменты действительно помогали команде.

Для технических менеджеров проверка ещё шире. Там оценивают не умение писать код с агентом, а способность перестроить производственный цикл, документацию, аналитику и взаимодействие команд с учётом AI.

Это уже не история про «поставили нейросеть и стали быстрее». В реальности такие изменения затрагивают найм, грейды, обучение рекрутеров и внутренние ожидания от сотрудников.

Не только оптимизм

Циан в своём материале приводит и внешние примеры. Среди них Shopify, Duolingo, Google и Microsoft, которые по-разному усиливают AI-направление. Но рядом упомянуты и более осторожные кейсы.

Например, исследование METR, где опытные open source-разработчики с AI выполнили реальные задачи на 19% медленнее, хотя сами считали, что ускорились. Также приводится пример Klarna: компания активно делала ставку на AI-ассистента, но затем столкнулась с падением качества сервиса и вернулась к найму людей.

Это хороший противовес слишком бодрым разговорам про автоматизацию. AI в разработке уже стал рабочим инструментом, но его эффект нужно измерять, а не принимать на веру.

Финальная мысль здесь простая: Циан готовит найм под новую реальность разработки, но не отказывается от базовых инженерных навыков. Код всё ещё нужно понимать. Просто теперь к этому добавляется умение управлять AI как рабочим участником процесса.

AI постепенно переходит из категории «полезного бонуса» в обычное требование к работе разработчика. Причём важен не сам факт использования нейросетей, а новая дисциплина: постановка задачи, контроль скоупа, проверка результата.

Любопытно и то, что компания не делает вид, будто AI автоматически ускоряет всех и всегда. В материале прямо есть место для сомнений: без проверки качества и измерений такие внедрения легко превращаются в красивую, но не очень управляемую инициативу.

Для кандидатов это немного меняет правила игры. Теперь важно не только написать решение, но и показать ход работы: где остановил агента, где проверил, где упростил. Возможно, такие интервью будут сложнее привычных тестовых заданий, зато они ближе к тому, как разработка всё чаще выглядит на практике.

Источник: ComNews