Переход в ИИ-команду внутри Google выглядит привлекательным, но на практике требует месяцев или даже лет подготовки. Четыре сотрудника компании рассказали, как им удалось сменить специализацию и почему интереса к ИИ недостаточно без практики, самостоятельной работы и времени.
Переход в ИИ-команду внутри Google выглядит привлекательным, но на практике требует месяцев или даже лет подготовки. Четыре сотрудника компании рассказали, как им удалось сменить специализацию и почему интереса к ИИ недостаточно без практики, самостоятельной работы и времени.
Инженер Эмрик Донадеи рассказал в интервью Business Insider, что долго не решался подаваться в ИИ-команду, потому что не чувствовал себя достаточно подготовленным. Переломным моментом стало участие во внутреннем семидневном хакатоне Google в 2024 году.
По его словам, проект, над которым он работал, не был прорывным, но дал практический опыт и стал точкой входа для общения с другими командами. «Я не сделал ничего революционного, но у меня появился реальный опыт и конкретный результат», — говорит он. Примерно через десять месяцев после хакатона Донадеи получил новую должность и начал подключаться к ИИ-исследованиям, open-source-инициативам и вопросам безопасности моделей. Он подчеркивает, что хакатон был лишь стартом, а дальше потребовалась постоянная самостоятельная практика.
Майтри Мангал перешла в ИИ-команду, имея опыт обычного software-инженера. Подготовка заняла около года, в течение которого она ежедневно посвящала обучению примерно два часа. Важным элементом для нее стало создание контента в соцсетях. Мангал говорит, что объяснение материала другим радикально ускорило ее собственное понимание технологий. «Это полностью изменило мой подход к обучению», — отмечает она. Даже после перехода на ИИ-должность Мангал продолжает учиться почти каждый день, совмещая внутренние тренинги и внешние курсы. По ее словам, смена команды не означает завершения обучения.
Рахул Касанаготту шел к работе с ИИ дольше — около двух с половиной лет. Он использовал декретный отпуск, чтобы погрузиться в тему, прочитал более десяти книг по ИИ и прошел специализированные курсы по deep learning. Ключевым фактором он называет собственные проекты и практические демонстрации. «Самая большая проблема — убедить людей, что ты действительно умеешь это делать», — говорит Касанаготту. Без рабочих прототипов и примеров кода, по его словам, менеджеры не готовы рисковать и брать кандидата в ИИ-команду.
Милица Цветкович пришла в ИИ-сферу по другой траектории. После магистратуры по статистике она работала ML-инженером, преподавала и в итоге поняла, что хочет меньше заниматься кодом и больше работать на стыке технологий, бизнеса и коммуникаций. Она считает, что ее главным преимуществом стал навык объяснять сложные технические вещи нетехнической аудитории. «Умение говорить просто о сложном — самый ценный навык, который я приношу», — говорит она. По ее словам, переход в ИИ-команду Google стал не резким поворотом, а естественным результатом накопленного опыта.
Несмотря на разные пути, все собеседники сходятся в одном: переход в ИИ требует месяцев или лет системной работы, реальных проектов и постоянного самообучения. Теория без практики почти не работает, а обучение не заканчивается даже после смены роли. Как резюмирует Цветкович, этот путь больше похож на марафон, где результат — это не удача, а сумма всех усилий, приложенных задолго до финиша.
Релоцировались? Теперь вы можете комментировать без верификации аккаунта.