Кандидаты на первую ставку: аналитик процессов (картографирует задачи, считает эффекты), промпт-инженер или методист (настраивает ассистентов и ведёт библиотеку шаблонов), ML-инженер (строит и дообучает модели), продакт ИИ (отвечает за ценность и метрики). Порядок именно такой: без понимания процессов и метрик машинное обучение нанимать рано.
Логика экономии: две-три задачи закрывает подрядчик, а внутри компании нужен один грамотный заказчик — он пишет сценарии, принимает этапы и считает окупаемость. Штатный ML-инженер без очереди задач простаивает; обратная крайность — полный аутсорс без внутреннего владельца — разваливается на середине. Распределение ролей — в ответе об ответственности за ИИ; отдельная узкая роль — нужен ли ИИ-архитектор.
Обучение уже нанятых не менее важно: как устроено обучение сотрудников нейросетям; ошибки, которые дорого обходятся именно на старте, — разбор частых промахов внедрения. Наши услуги — ИИ-ассистенты для команд.