57 rozmów kwalifikacyjnych o pracę w OpenAI: doktorantka ujawniła kulisy poszukiwania pracy w IT

Zdobycie pracy w jednej z najbardziej pożądanych firm technologicznych świata okazało się znacznie trudniejsze, niż wielu osobom się wydaje. Absolwentka doktoratu z informatyki, Alice Liu, opowiedziała o swojej drodze do oferty od OpenAI i opublikowała szczegółowe notatki z poszukiwania pracy, które już określa się jako jedne z najbardziej wartościowych wskazówek dla specjalistów z branży IT i sztucznej inteligencji.

W trakcie poszukiwania pracy przeszła przez 57 pełnych rozmów kwalifikacyjnych w 11 firmach, odbyła 46 rozmów z rekruterami i jeszcze 16 spotkań po otrzymaniu ofert pracy. Swoje doświadczenia badaczka szczegółowo opisała w artykule „Notes on the Industry Job Search”, w którym nie tylko przedstawiła proces rekrutacji, ale też zebrała dziesiątki przydatnych materiałów do przygotowania się do rozmów kwalifikacyjnych.

Dlaczego poszukiwanie pracy okazało się tak trudne

Na pierwszy rzut oka Alice była idealną kandydatką. Przez sześć lat studiowała w doktoranckich studiach na Uniwersytecie Waszyngtońskim, zajmowała się badaniami z zakresu przetwarzania języka naturalnego i uczenia maszynowego, publikowała prace naukowe i brała udział w dużych projektach badawczych.

Jednak nawet z takim CV musiała przejść prawdziwy maraton rozmów.

Według Liu współczesne firmy AI oceniają kandydatów jednocześnie pod kilkoma względami. Przy czym wielu kandydatów świetnie radzi sobie z jednym typem zadań, a oblewa inny.

Jakie rozmowy kwalifikacyjne prowadzą firmy AI

W trakcie poszukiwania pracy Alice wyróżniła kilka głównych formatów rozmów.

Zadania algorytmiczne

To klasyczne zadania programistyczne, podobne do ćwiczeń z platformy LeetCode. Kandydat musi szybko napisać działający kod i wyjaśnić swoje rozwiązanie.

Według Liu nawet doświadczeni badacze często nie doceniają tego etapu i tracą dobre oferty z powodu zbyt małej praktyki.

Machine Learning Coding

Ten format staje się coraz popularniejszy.

Kandydatowi proponuje się zaimplementowanie fragmentów sieci neuronowych lub algorytmów uczenia maszynowego bezpośrednio podczas rozmowy. Na przykład:

- napisać mechanizm uwagi (attention);

- zaimplementować uczenie regresji logistycznej;

- zbudować prostą sieć neuronową;

- wyjaśnić działanie transformerów;

- zaimplementować tokenizer.

Zdaniem Liu właśnie ten etap obecnie sprawia kandydatom największe trudności.

System Design dla ML

Podczas takich rozmów sprawdza się umiejętność projektowania rzeczywistych systemów AI.

Od kandydata można usłyszeć prośbę o zaprojektowanie:

- chatbota na poziomie ChatGPT;

- systemu rekomendacyjnego;

- wyszukiwarki;

- systemu rankingu treści;

- infrastruktury do trenowania dużych modeli językowych.

Tutaj ocenia się nie kod, lecz rozumienie architektury i umiejętność podejmowania decyzji inżynieryjnych.

Research Interviews

Są szczególnie ważne w przypadku ofert badawczych.

Kandydat szczegółowo opowiada o swoich projektach naukowych, publikacjach i eksperymentach.

Według Liu wielu pracodawców poświęca temu etapowi nawet więcej uwagi niż publikacjom w CV.

Rozmowy behawioralne

Mimo technicznego charakteru branży firmy aktywnie sprawdzają umiejętności komunikacyjne.

Kandydatów pytają:

- jak rozwiązywali konflikty;

- jak radzili sobie z porażkami;

- jak pracowali w zespole;

- jak podejmowali trudne decyzje.

Liu zauważa, że wielu inżynierów traktuje takie pytania zbyt lekko i popełnia duży błąd.

Najważniejszy wniosek: sam dyplom już nie pomaga

Jednym z najbardziej zaskakujących wniosków badaczki jest to, że silne wykształcenie przestało być gwarancją sukcesu.

Jej zdaniem stopień naukowy pomaga dostać zaproszenie na rozmowę, ale później pracodawców interesują już wyłącznie praktyczne umiejętności.

„Nikogo nie obchodzi, jak mądrze wyglądasz na papierze. Ważne jest, by pokazać, że potrafisz rozwiązywać realne problemy” — taki wniosek wyciąga autorka.

Jak się przygotowywała

Liu poświęciła setki godzin na przygotowania.

Najwięcej uwagi poświęcała:

- rozwiązywaniu zadań LeetCode;

- powtarzaniu podstaw uczenia maszynowego;

- ćwiczeniu ML Coding;

- poznawaniu architektur współczesnych modeli językowych;

- przygotowywaniu opowieści o własnych projektach;

- treningowi odpowiedzi na pytania behawioralne.

Rekomenduje, aby nie uczyć się odpowiedzi dosłownie na pamięć, lecz przygotować zestaw historii z własnego doświadczenia, które można dopasować do różnych pytań.

Dlaczego networking okazał się ważniejszy niż CV

Osobny rozdział swojego artykułu Liu poświęciła kontaktom w branży.

Jej zdaniem znacząca część możliwości pojawia się nie dzięki zimnym zgłoszeniom na oferty pracy, lecz dzięki rekomendacjom znajomych.

Ona radzi:

- uczestniczyć w konferencjach;

- chodzić na spotkania branżowe;

- utrzymywać kontakt z byłymi współpracownikami;

- nie bać się pisać do osób z interesujących firm;

- publicznie opowiadać o swoich projektach.

Zdaniem badaczki dobre relacje zawodowe mogą skrócić drogę do rozmowy kwalifikacyjnej nawet kilkukrotnie.

Jak nie wypalić się podczas poszukiwania pracy

Jednym z najbardziej wartościowych fragmentów artykułu stały się porady dotyczące walki z wypaleniem emocjonalnym.

Po dziesiątkach rozmów nawet silni kandydaci zaczynają tracić pewność siebie.

Liu zaleca:

- nie traktować odmowy jako oceny własnej wartości;

- pamiętać, że wiele decyzji wynika z wewnętrznych potrzeb firmy;

- robić przerwy między rozmowami;

- nie przygotowywać się całą dobę;

- zostawiać czas na odpoczynek i kontakt z ludźmi.

Przyznaje, że sama wielokrotnie czuła zmęczenie i rozczarowanie, zwłaszcza po odmowach od firm, do których bardzo chciała trafić.

Jak zdobyć najlepszą ofertę

Po otrzymaniu pierwszych propozycji praca się nie kończy.

Liu podkreśla, że wielu kandydatów boi się omawiać warunki, choć negocjacje są normalną częścią procesu rekrutacji.

Radzi:

- nie przyjmować od razu pierwszej oferty;

- porównywać kilka propozycji;

- dopytywać o bonusy i opcje na akcje;

- otwarcie i profesjonalnie rozmawiać o wynagrodzeniu;

- wykorzystywać konkurencyjne oferty jako argument w negocjacjach.

Jej zdaniem umiejętne negocjacje mogą zwiększyć łączne wynagrodzenie o dziesiątki tysięcy dolarów rocznie.

Co ostatecznie pomogło dostać się do OpenAI

Według samej Liu decydujące znaczenie miały nie dyplom ani publikacje, lecz połączenie kilku rzeczy:

- głębokie zrozumienie uczenia maszynowego;

- systematyczne przygotowanie do rozmów;

- umiejętność wyjaśniania trudnych idei prostymi słowami;

- relacje zawodowe;

- wytrwałość.

Jej historia pokazuje, jak bardzo konkurencyjny stał się rynek pracy w erze sztucznej inteligencji. Nawet kandydat z silnym doświadczeniem naukowym przeszedł przez 57 rozmów kwalifikacyjnych, zanim otrzymał upragnioną ofertę. Jednak doświadczenie Alice dowodzi, że staranne przygotowanie i konsekwentna praca nad własnymi umiejętnościami mogą otworzyć drzwi nawet do najbardziej prestiżowych firm technologicznych świata.