Пробить потолок для тестировщика в $5 000-10 000 и выйти на $8 000-15 000

Значимый прорыв формирует отрасль ИИ: lilia_urmazova 35 минут назад Краткое содержание статьи Пробить потолок для тестировщика в $5 000-10 000 и выйти на $8 000-15 000 Простой 2 мин 1K Тестирование IT-систем * Тестирование веб-сервисов * Карьера в IT-индустрии Кейс Это не кликбейт, а диапазоны сеньорских зарплат для ML Evaluation Engineer, тестирующего AI, и для чистого ML Engineer вне US (в US они еще выше). Для российского же рынка, где падение числа QA-вакансий ощутимо опережает мировое, эту заметку можно назвать более приземленно: "У каких IT-специальностей перспективы трудоустройства менее туманны". Моя 20+ летняя карьера в IT на текущий момент выглядит так:Manual QA → Automation QA → QA Lead → QA Manager → AI QA Engineer → ML Evaluation Engineer → ML EngineerРасскажу немного про последний переход ML Evaluation Engineer (тестировщик AI) → ML Engineer (разработчик AI).

Когда работаешь как ML Evaluation Engineer, логично со временем сделать еще один шаг - до чистого ML Engineer. Этот переход гораздо короче и естественнее, чем QA → Dev. Ведь на позиции ML Evaluation Engineer ты уже глубоко разбираешься в AI-моделях, метриках, вовсю вайбкодишь пишешь полноценный код и строишь ML-пайплайны.

Технические детали

По сути, главное - это еще больше погрузиться в белый ящик, чтобы лучше понимать внутреннее устройство AI-моделей и знать, в какой ситуации какая именно реализация эффективнее. Из преимуществ - при этом переходе можно не только получать зарплату больше тестерского максимума, который раньше был доступен лишь для роли Head of QA. Более важный момент - вырастает и востребованность специальности.

Как говорится, если не можешь предотвратить AI-трансформацию, возглавь её. Каждый очередной переход в ряду "Manual QA → Automation QA → QA Lead → QA Manager → AI QA Engineer → ML Evaluation Engineer → ML Engineer" приносил новые интересные задачи и рост зарплаты ~30-50%. Сложно ли пройти этот путь?

Сильно зависит от личного бэкграунда, но можете попробовать примерить его на себя. Завтра выйдет заметка про 10 бесплатных учебных ресурсов, которыми активно пользовалась при переходе из классического QA в ML QA. Спойлер: это непросто и без знания математики не обойтись.

А чуть позже напишу про необычный опыт (металлодектор и спецкомната под видеонаблюдением) сдачи экзамена Anthropic, который был частью перехода в ML Eval Engineer → ML Engineer. Всё это будет на Хабре с анонсом в телеграм-канале.

Этот прогресс даёт важные сигналы о будущем отрасли, и технологический мир внимательно наблюдает.