Лиляна Халембакова, DataArt: ,,AI инженерите са все по-търсени”

Секторът на разработката на решения с изкуствен интелект се развива много динамично. Все повече компании започват да внедряват AI и ML технологии в реални бизнес процеси и продукти, които целят да донесат конкретна стойност и да подобрят ефективността на услугите. Това води до нарастващо търсене на квалифицирани специалисти, които могат да покрият различни аспекти на разработката – от анализ на данни, моделиране и оптимизация, до внедряване и поддръжка на решенията.

Ето какво споделя Лиляна Халембакова, ръководител на Recruitment отдела на DataArt България, за тенденциите в сектора и за практическите съвети към хората, които искат да се развиват като AI инженери.

Как се развива AI секторът в България и кои са най-търсените роли в момента?

В глобален план, включително и в България, се наблюдават две паралелни тенденции. Компаниите започват да внедряват AI проекти като реални решения за бизнеса, а не просто като експериментални прототипи.

В същото време недостигът на опитни специалисти води до засилено търсене на квалифицирани кадри.

В DataArt най-често се търсят инженери по машинно обучение, архитекти на AI решения и специалисти по данни.

Тези роли изискват умения за целия цикъл на проекти – от събиране и обработка на данни, през моделиране и оптимизация, до внедряване и поддръжка на решенията. Все по-често се очаква и познание по MLOps – как моделите да са устойчиви, как се следи поведението им във времето, как се управляват версиите и се реагира на промени в данните.

Какъв опит имат кандидатите, които успяват да се класират за AI позиции?

Успешните кандидати обикновено имат солидна основа и опит в реални проекти. Често това са хора с техническа и математическа подготовка, които вече имат опит с програмиране и анализ на данни. Някои започват като софтуерни инженери или анализатори и постепенно се насочват към машинно обучение. Общото между тях е умението да структурират проблеми, да намират практически решения и да мислят критично за възможностите на технологиите.

За senior позициите понякога търсим и опит в ръководене на екипи или управление на проекти, докато за middle ниво акцентът е повече върху нивото на техническите умения и способността да реализират работещи решения.

Колко важен е академичният профил на кандидатите спрямо практическия опит при подбор на AI инженери и разработчици?

Академичната подготовка остава важна, особено по отношение на математика, статистика и алгоритми. Но практиката има решаващо значение. Може да срещнем хора с впечатляващи дипломи, които знаят теорията отлично, но нямат опит в реалното внедряване на модели. И обратно – специалисти без силен академичен профил, но с практическо портфолио и завършени проекти често показват по-голяма зрялост и разбиране. В DataArt практическото приложение на знанията тежи повече, защото бизнесът иска решения, които работят.

Кои технически умения и инструменти са задължителни, за да се кандидатства успешно за AI роля в DataArt?

Най-важното е стабилно владеене на програмиране, предимно Python. След това идват библиотеките за машинно обучение – TensorFlow или PyTorch, както и умения за работа с данни. Облачните платформи като AWS, Azure, GCP също са ключови, защото голяма част от проектите се изграждат и внедряват в облачна среда.

Все по-често се търси и опит с генеративни модели и LLM технологии, като OpenAI и AWS Bedrock, както и умение да се работи с техники за извличане и използване на информация, например Retrieval-Augmented Generation (RAG). За по-старшите роли е важно не само владеенето на тези технологии, но и способността да се предложи архитектура, да се ръководят проекти и да се интегрират AI решения ефективно в бизнес процесите.

Какви знания за обработка на данни, подготовка на признаци и моделиране се очакват от кандидатите?

Кандидатите трябва да умеят да обработват данни, да създават подходящи признаци и да изграждат и оценяват модели. Важно е критичното мислене – да могат да преценят надеждността и устойчивостта на модела и неговата приложимост в реална среда. Искаме хора, които не просто използват готови алгоритми, а разбират какво се случва „под повърхността“ и могат да вземат информирани решения.

Какви са най-честите етапи от процеса на подбор при вас и как кандидатите могат да се подготвят най-добре?

Обикновено процесът започва с първоначален разговор с HR, за да се ориентираме в мотивацията и опита. Следва техническо интервю, което понякога е съпроводено и с техническа задача. Тъй като сме глобална компания, чиито клиенти са предимно в Западна Европа и САЩ, правим оценка и на нивото на английски език с наш преподавател. Много често обсъждаме и реални проекти на кандидата, защото искаме да разберем начина му на мислене. Най-добрата подготовка е кандидатът да прегледа основните концепции, но и да бъде готов да говори открито за собствения си опит: какви предизвикателства е срещал, как ги е преодолял и какво е научил.

Какъв съвет бихте дали на хора, които тепърва искат да навлязат в AI разработка, за да имат реален шанс на пазара?

Бих ги посъветвала да започнат с основите – математика, статистика и програмиране. Участието в състезания или стажове е също добър начин за натрупване на опит. В DataArt в момента основно търсим хора с по-голям опит, но това не значи, че няма място за начинаещи в сектора. Пазарът расте и ще има нужда от нови специалисти. Важното е да покажат желание да учат, постоянство и готовност да растат заедно с технологиите.