Einstellung von Ingenieuren, die noch nie einen Agenten geleitet haben

Wenn wir drei Jahre Erfahrung im Agentenbetrieb benötigen würden, würden wir aus einem sehr kleinen Pool von Leuten auswählen, die größtenteils die gleichen Lektionen bei denselben zwei oder drei Unternehmen gelernt haben. Das ist keine Einstellungsstrategie, sondern ein Engpass.

Die Frage, die wir stattdessen stellen, ist, welche vorhandenen Erfahrungen tatsächlich übertragen werden. Die Antwort war ziemlich konsistent.

Der Hintergrund, der sich am besten übertragen lässt, ist der Betrieb

Leute, die Systeme in der Produktion ausgeführt haben, wissen, was Agententeams aufregt: dass der interessante Teil beginnt, nachdem er funktioniert hat.

Sie fragen, wer angerufen wird. Sie fragen, was passiert, wenn dies um drei Uhr morgens ausfällt und der Erbauer gegangen ist. Sie instrumentieren, bevor sie optimieren. Sie sind misstrauisch gegenüber Systemen, die nicht erklären können, was sie getan haben.

Jeder dieser Instinkte ist direkt auf Agenten anwendbar, und keiner von ihnen ist für jemanden offensichtlich, der Erfahrung darin hat, Dinge zu bauen, die demonstriert werden.

Data Engineering lässt sich überraschend gut übertragen

Die Agentenqualität ist meist ein Datenproblem beim Tragen eines Modelkostüms. Abruf, Chunking, Herkunft, Veraltung, der Unterschied zwischen einem Dokument, das existiert, und einem, das gefunden werden kann.

Ingenieure, die Zeit mit Pipelines verbracht haben, denken bereits darüber nach, woher die Daten kommen, was sie verändert hat und ob durch die Transformation etwas verloren gegangen ist. Das ist genau die Linse, die den Parsing-Fehler findet, nach dem niemand gesucht hat.

Was wir in einem Interview untersuchen

Wir fragen nach einem System, das jemand betrieben hat und das sich auf eine schwer zu erklärende Weise schlecht benommen hat, und wir achten auf den Verlauf der Untersuchung. Haben sie eine Hypothese aufgestellt und diese getestet, oder haben sie Dinge geändert, bis sie aufhörten? Beides passiert, und nur einer von ihnen skaliert.

Wir fragen, woher sie wissen würden, ob sich ein System stillschweigend verschlechtert hätte. Kandidaten, die eher nach Maß als nach Wachsamkeit streben, schneiden hier meist gut ab.

Und wir fragen, was sie nicht automatisieren würden. Es handelt sich um eine als technische Frage getarnte Wertefrage, deren Antworten informativ sind.

Was wir nicht testen

Rückruf von Modellnamen und Benchmark-Ergebnissen. Dieses Wissen hat eine Halbwertszeit von etwa vier Monaten und ist leicht zu erwerben.

Ob jemand unsere Plattform genutzt hat. Offensichtlich nicht, und wir wären ein seltsames Unternehmen, wenn wir das erwarten würden.

Geschwindigkeit bei einem Whiteboard-Puzzle, das die Übung beim Whiteboard-Puzzle misst.

Was wir Kandidaten ehrlich sagen

Das Werk hat eine erhebliche unscheinbare Komponente. Vieles davon betrifft Zuschreibung, Eigentum, Bewertungskriterien und Prüfpfade und nicht Modellexperimente. Wer das langweilig findet, liegt nicht falsch, er ist einfach für etwas anderes geeignet, und das wird im Vorstellungsgespräch besser geklärt als im vierten Monat.

Wir sind von Natur aus distanziert und bevorzugen die persönliche Arbeit dort, wo es praktikabel ist, und wir sagen das, anstatt den Vertrieb als allgemein besser darzustellen.

Wege hinein

Auf der Karriereseite finden Sie offene Stellen. Das Scholars-Programm ist ein Fernteilzeitprogramm mit einem Mentor und erfordert keine vorherige Forschungserfahrung. Der Beitritt zur Open Development Community ist kostenlos und bietet eine sinnvolle Möglichkeit, sich einen Überblick über unsere Arbeitsweise zu verschaffen, bevor Sie entscheiden, ob Sie dies möchten.

Als nächstes

Karriere, das Scholars-Programm und die Seiten der Open Development Community decken jeden Weg ab. Fragen können an contact@capconsultor.eu gestellt werden.