Парадокс «роста внутри» и «отбора извне» в AI/ML-продукте
Замечали парадокс: Когда ты внутри компании и тебя развивают в продакт-лида в AI/ML-продукте — никто не ожидает, что ты знаешь все типы моделей. Тебя развивают потому, что ты умеешь в: — управлять неопределённостью — people management — понимать, как учиться и вовлекаться в суть. Потому что знают: разберёшься. Поймёшь любую ML-модель, если надо. Но как только ты приходишь извне, порог становится другим: — что ты уже знаешь базу: LLM, CV, MLOps pipeline — расскажи разницу между types of embeddings — покажи, как ты тюнил слои в трансформере — объясни, как мониторишь ML drift на проде Как будто потенциал работает только для своих. А ведь часто самые гибкие, быстрые, стратегичные и полезные продакты — не те, кто знает всё заранее, а те, кто умеет вникать в новое и вести за собой. Хочется, чтобы и в найме чаще смотрели на это: не только «в каких моделях ты эксперт», а «как быстро ты станешь экспертом в новых». Кто тоже с этим сталкивался — напишите. Очень интересно, как у вас. Ну а я в ответ разберусь и расскажу: что с этим делать 😌