Я маю сертифікат Claude Certified Architect від Anthropic, що означає реальний час, витрачений на проєктування та побудову рішень на Claude та LLM-тулінгу — а не лише читання документації. Коли я оцінюю кандидатів на роль AI-інженера для клієнтів MindHunt, саме цей практичний бекграунд визначає, що я насправді перевіряю. Ось ця рамка.
Чому стандартні технічні співбесіди не працюють для AI-ролей
Більшість технічних співбесід для AI-ролей побудовані людьми, які самі не будували production LLM-систем — тож вони за замовчуванням перевіряють термінологію. «Чи знаєте ви, що означає RAG? Ви користувались LangChain? Що таке векторна база даних?» Ці питання відфільтровують обізнаність, а не компетентність. У 2026 році майже кожен кандидат відповість правильно, бо термінологія тепер широко відома. Саме тому вона перестала бути корисним фільтром.
Що я насправді перевіряю
1. Де вони сказали LLM «ні»
Я прошу кандидатів описати випадок, коли вони конкретно вирішили не використовувати LLM для чогось, і що використали натомість. Люди з реальним production-досвідом одразу мають кілька прикладів — детермінована логіка перевершує LLM за вартістю, латентністю чи надійністю. Люди без такого досвіду або не можуть відповісти, або описують випадок, що насправді не про цей tradeoff.
2. Як вони знають, що система дійсно працює
Побудувати AI-функціонал — легка частина. Я досліджую методологію оцінки — як вони вимірюють якість, окрім «в демо виглядало добре». Сильні кандидати говорять про eval-набори, регресійне тестування при зміні промптів та відстеження режимів відмов у production. Слабші кандидати описують ручну перевірку вибірково, або нічого.
3. Конкретна production-невдача, детально
Я прошу розповісти про випадок, коли щось зламалось у production — галюцинація, що мала значення, стрибок вартості, проблема з латентністю, агент, що застряг у циклі. Конкретність відповіді — і є сигнал. Реальні практики можуть точно описати, що зламалось, як вони про це дізнались, і що змінили. Кандидати без production-досвіду дають розмиті або гіпотетичні відповіді.
4. Їхня ментальна модель поточного ландшафту
Я питаю, що змінилося в їхньому підході до побудови з LLM за останні шість місяців. Ця сфера рухається достатньо швидко, щоб хтось, чия ментальна модель заморожена 18 місяців тому — навіть якщо тоді вона була відмінною — пропускав контекст, що має значення зараз (нові моделі, змінена структура вартості, розвинені agent-патерни).
Червоні прапорці, які я навчився помічати
- Кожна відповідь — «так, LLM це вміє». Реальні практики мають думки про те, де LLM — неправильний інструмент. Безумовний ентузіазм — це ознака.
- Термінологія без глибини. Правильне використання термінів на кшталт «RAG», «агенти» чи «файнтюнинг», але нездатність заглибитись на рівень нижче при уточнюючому питанні.
- Немає думки про оцінку. Якщо хтось не може описати, як би він дізнався, що система деградувала — ймовірно, він не запускав її в масштабі.
- Лише демо-досвід. Відполірований проєкт вихідного дня — непоганий старт, але це не те саме досягнення, що система, яка обслуговує реальних користувачів у реальних умовах.
Як звучить дійсно сильна відповідь
Найкращі кандидати, яких я оцінював, стають конкретнішими, а не впевненішими, чим глибше я заглиблююсь. Вони самі розповідають про tradeoffs, які зробили, і чому, можуть описати, що зробили б інакше наступного разу, і говорять про вартість та латентність так само природно, як про можливості. Саме ця комбінація — технічна глибина плюс продуктове судження — реально передбачає, чи хтось випустить щось надійне, а не просто щось вражаюче в демо.
Як MindHunt це застосовує
Кожен кандидат, що потрапляє до шортлисту клієнта через наш сервіс підбору AI-інженерів, проходить саме цю рамку оцінки — на додачу до стандартного процесу перевірки MindHunt. Якщо ви намагаєтесь найняти AI/LLM-інженера і хочете технічного партнера, здатного реально відрізнити навички, це саме для цього.
Часті запитання
Хто такий Claude Certified Architect?
Сертифікат Anthropic, що визнає практичну експертизу в проєктуванні та побудові систем на Claude та LLM-тулінгу — прикладний досвід, а не загальний AI-сертифікат.
Чому це важливо для рекрутингу?
Оцінка від людини з реальним практичним LLM-досвідом може ставити уточнюючі питання, яких генераліст-рекрутер поставити не зможе — саме там проявляється реальний сигнал.
Чи використовується ця оцінка для кожного AI-пошуку MindHunt?
Так, на додачу до стандартної перевірки кандидатів MindHunt.
Автор
Вадим Лобарєв
MindHunt — AI-рекрутингова агенція для засновників, C-level та менеджерів з найму, які втомилися від «публікуй і сподівайся». Ми виконуємо перевірений процес пошуку для ваших найважливіших вакансій і показуємо роботу щотижня — щоб ви наймали з впевненістю, а не з надією.
