Нейрослоп не пройдёт: отбор в первую Школу аналитиков hh
vborisov03 56 минут назад Объяснить с Нейрослоп не пройдёт: отбор в первую Школу аналитиков hh Простой 14 мин 2.2K Блог компании hh.ru Учебный процесс в IT Карьера в IT-индустрии Искусственный интеллект Кейс Мы получили...
Will Anthropic have the best AI model at the end of October 2026?
В сфере искусственного интеллекта произошло заметное событие. vborisov03 56 минут назад Объяснить с Нейрослоп не пройдёт: отбор в первую Школу аналитиков hh Простой 14 мин 2. ru Учебный процесс в IT Карьера в IT-индустрии Искусственный интеллект Кейс Мы получили больше 250 тестовых на 25 мест в первую Школу аналитиков hh. Многие решения были сделаны с нейросетью, и это нормально — аналитики в работе тоже пользуются LLM-инструментами.
Вопрос был в другом: как за аккуратным текстом от LLM разглядеть кандидата с пониманием того, что он делает. Я — Валя Борисов, тимлид команды аналитики Trust&Safety в hh. ru, и параллельно организатор процесса отбора в Школу аналитиков.
Технические детали
По долгу основной работы стараюсь сделать так, чтобы все стороны найма обладали достоверной информацией друг о друге. Тестовое в эру нейрослопа ставит ту же задачу: понять, стоит ли за красивым результатом сам человек. Для начала немного контекста.
В сентябре 2026 года hh запустил первую Школу аналитиков. Основная цель — обучить ребят-студентов, которые заряжены получить практический опыт в аналитике, а потом взять их на стажировки в команды. Концепция школ для нас не новая: на данный момент прошло 3 Школы продактов и 16(!!!
) Школ программистов. Школу программистов прошло более 375 человек, из которых 110+ попали в технический департамент hh. Общая рамка отбораПеред любым отбором возникает вопрос, а кого мы вообще хотим видеть как целевого студента школы?
Отраслевые последствия
В Школе аналитиков мы делаем акцент на практических навыках. Поэтому фокус хотелось сделать на ребятах, кто умеет интерпретировать данные и давать применимые к жизни рекомендации. Это приводит к первой проблеме — уход от рамки академических задач усложняет проверку и повышает уязвимость к нейрослопу.
Рядом есть вторая проблема — «аналитика данных» ещё не прижилась как полноценная дисциплина в большинстве университетских программ. Python, SQL, Matlab, R, Excel - все владеют разным инструментарием. Мы решили, что лучший вариант — не требовать знание конкретных языков, а дать выбрать самый удобный вариант.
Спойлер: 85+% всё равно выбрали Python)Практические проблемыОкей, нам нужны практико-ориентированные задачи, которые не привязаны к конкретному ЯП и доступны студентам разных курсов. А как сделать задачи, которые позволят ранжировать кандидатов по уровню? В эпоху ИИ-агентов стопроцентный слоп в тестовом может выглядеть убедительнее реального решения.
Этот прогресс даёт важные сигналы о будущем отрасли, и технологический мир внимательно наблюдает.



