Как Циан меняет правила в найме сотрудников на технические позиции, какие компетенции компания считает наиболее важными в соискателях и как внедрялись изменения, рассказал Максим Радюков, директор по информационным технологиям Циана.

Внутренняя потребность

IT-команда Циана насчитывает около 400 человек. Из них 75% уже используют AI-инструменты в работе. При этом 40% работают с агентскими моделями (Claude Code, Codex, Cursor Agent и другие), а 60% — с инструментами автодополнения (GitHub Copilot). Около 35% кода в компании уже пишется с помощью AI.

Сейчас мы хотим развивать команду в сторону использования агентских моделей, так как копайлоты-автодополнения считаем морально устаревшими. В течение года мы стремимся к тому, чтобы 100% сотрудников перешли на работу с агентскими инструментами.

Для внедрения любой новой технологии нужны соответствующие компетенции. Именно поэтому мы решили встроить проверку AI-навыков в процесс найма.

Подготовка к изменениям

Движение к AI-first компании начинается не с найма, а с формирования ожиданий внутри.

Основные этапы запуска проекта:

1. Мы сформулировали видение того, как будет выглядеть разработка через 3 года.
2. Сформировали матрицы компетенций сотрудников, где AI-навыки стали обязательными для большинства грейдов.
3. Изучили, как меняется культура и принятия AI-инструментов в компании.
4. Вместе с HR провели ряд тестовых собеседований на внутренних сотрудниках — тех, кто уже активно использует AI-агентов, чтобы откалибровать ожидания и понять, какие вопросы на собеседовании работают.
5. Организовали практическое погружение команды рекрутмента в специфику AI-инструментов для разработки. Создание собственных мини-проектов помогло коллегам перейти от теоретического знания терминологии к более глубокому пониманию. Это качественно повысило уровень оценки кандидатов.
6. Запустили пилот и анализируем эффективность.

Как теперь устроен найм на технические позиции в Циане и что мы оцениваем

На техническом интервью кандидату теперь предлагают решить практическую задачу — но не голыми руками, а с использованием AI-инструментов.

Что мы оцениваем

1. Декомпозиция задачи до начала разработки. Хороший кандидат не бросается сразу писать код. Он начинает с формирования непротиворечивых бизнес- и функциональных требований вместе с AI-агентом. Затем просит его сформировать целевую структуру и описать требования к технической архитектуре проекта. На следующем этапе необходимо разбить процесс на конкретные задачи и выполнить их шаг за шагом.
2. Контроль скоупа (объема работ). Одна из главных проблем работы с агентами — они "раздувают" объём решения. Модель выдаёт огромный потенциал, и люди начинают строить космолёт. В мире без AI-инструментов разработчик сталкивается с тем, что у него просто не хватает времени на реализацию этого космолёта и начинает отрезать лишнее из скоупа. Но при использовании моделей создается ложное чувство всемогущества, скоуп раздувается, разработчик заигрывается, и проект никогда не запускается. Кандидат должен уметь постоянно возвращать модель к тому, что действительно важно и необходимо.
3. Валидация результатов. Важно оценить, как кандидат проверяет качество того, что выдал AI-агент, возвращается ли он к результатам каждого шага и есть ли у него понимание, когда агента нужно остановить и направить по другому пути.
4. Контекст, архитектура и инструментальная грамотность. Мы анализируем, решения, которые принял кандидат в конкретной ситуации при работе с AI-агентом: как кандидат сжимает контекст, что он оставляет в документации и многое другое.
5. Способность объяснить код. Независимо от того, кто написал код — человек или AI-агент — кандидат должен объяснить каждую строку.

Что мы ожидаем от кандидатов

В зависимости от позиции и грейда ожидания будут отличаться.

На джуниор и мидл позиции важно, чтобы кандидаты активно использовали агентские инструменты в ежедневной работе и демонстрировали уверенный навык взаимодействия с ними.

На позициях сеньора и выше ожидания принципиально другие: нам важна система мышления при работе с AI-агентами на более высоком уровне. Например, понимание того, как модифицировать архитектуру направления или всей компании, улучшить стандарты кодирования и внутренние процессы, в том числе качества и безопасности, так, чтобы работа с агентами стала еще более эффективной.

Для технических менеджеров проверка устроена иначе. Мы оцениваем не умение писать код с агентом, а понимание того, как адаптировать процессы, подходы и архитектуру компании под AI. Кандидат должен знать, как правильно внедрять технологии, эффективно организовать производственный цикл и настраивать работу со смежными функциями. На этой позиции нам нужен человек, который понимает, как переизобрести продуктовую разработку с учётом AI-агентов. То есть, оценивается не знание конкретных инструментов или векторных баз данных, а способность к новому мышлению и механикам работы.

Кроме того, от менеджера мы ожидаем, что он сам использует AI в работе для подготовки документации, аналитики, анализа данных и понимает, что то, что можно сделать за 5–10 минут с помощью модели, не нужно делать руками несколько часов.

Заменяет ли AI джунов

Самый частый вопрос, который я слышу последние 2 года: если AI берёт на себя задачи, на которых раньше учились джуны, — кто через 5-10 лет станет сеньором?

Уже сейчас мы видим, что инженеры на младших грейдах генерируют функциональный код, но не способны объяснить логику. Звучит страшно. Но мне эта ситуация напоминает кое-что другое.

Когда индустрия переходила от языка программирования низкого уровня (Assembler) к более высоким, был точно такой же страх, что молодое поколение не будет понимать, как работает компьютер на низком уровне. Потом появились Java, Python, PHP, Ruby, JavaScript. И сейчас есть много сильных сеньоров, которые работают с языками программирования высокого уровня и успешно решают бизнес-задачи. Изменился подход к самому программированию: каждый следующий уровень абстракции требовал большей бизнес-ориентированности и более верхнеуровневого мышления.

Можно сколько угодно рассуждать, что "раньше люди были другие" — но и мир стал таким. С переходом на AI-агентов мы стоим на пороге нового витка развития. Мира, в котором будут другие правила. И Циан должен быть на передовой этого перехода.

Мировые тренды

В движении к цифровизации мы не одиноки и тщательно анализируем мировые тренды, которые формируются прямо сейчас.

1. Shopify. В апреле 2025 года CEO Тоби Лютке разослал внутренний меморандум: команды обязаны доказать, что AI не может выполнить задачу, прежде чем запрашивать расширение штата.
2. Duolingo. CEO Луис фон Ан объявил компанию "официально AI-first".
3. Google агрессивно наращивает найм AI-инженеров. Microsoft сообщает, что 30% кода уже генерируется AI.

Конечно, мы держим в уме и негативные кейсы:

1. Исследование METR (июль 2025): 16 опытных опенсорс-разработчиков с использованием AI выполнили 246 реальных задач на 19% медленнее. При этом сами разработчики думали, что ускорились на 24%. Это были эксперты на хорошо знакомых кодовых базах, но результат показывает, что AI — не серебряная пуля. Внедрение AI-трансформации надо четко измерять и валидировать.
2. Klarna заморозила найм в конце 2023, развернула AI-ассистента на 2,3 млн обращений в месяц и сократила штат на 40%. А потом CEO Себастьян Сиемятковски публично признал, что стратегия была неправильной. Качество сервиса упало, и компания начала заново нанимать людей.

Отдельно хочу остановиться на втором кейсе, потому что он важен для каждого, кто хочет двигаться агрессивно. AI-first ≠ AI-only.

Для нас AI — это экзоскелет для мозга. Это то, что усиливает команду, но не заменяет.

Принципы Циана в IT-найме

1. Оценивать суждение, а не владение инструментом. Конкретный инструмент устареет — способность мыслить с AI останется.
2. Сохранять фундамент. AI-компетенция — надстройка над инженерными навыками, а не замена. Традиционный системный дизайн никуда не уходит.
3. Разделять ожидания по грейдам. Джун использует агента. Сеньор модифицирует архитектуру, чтобы агенты работали эффективно. Менеджер развивает процессы и внедряет решения на уровне компании.
4. Пилотировать, потом масштабировать. Сначала — внутренний пилот, обучение рекрутеров и только потом — масштабирование на весь найм.

Мы не знаем точно, каким будет мир разработки через пять лет. Но мы знаем, что хотим быть готовы к любому сценарию. И для этого нам нужны люди, которые не боятся этого нового высокотехнологичного мира, а создают его вместе с нами.