Собеседование на AI PM в Иннотех

Почему Иннотех — особенный работодатель для AI PM

«Иннотех» — крупная российская IT-компания, входит в группу ВТБ. Это «свой» tech-провайдер банка-гиганта плюс многих корпоративных клиентов: ВТБ, «Почта России», промышленные группы. Для AI PM это значит работу в гибридном контексте — отчасти как enterprise vendor (продаёшь решения внешним клиентам), отчасти как in-house tech для ВТБ-экосистемы.

AI PM в «Иннотехе» отвечает за AI-фичи на стыке banking и enterprise: credit scoring для розницы и МСБ, anti-fraud в платежах и онлайн-банкинге, NLP для документооборота (договоры, инструкции, отчётность), recommendation финансовых продуктов, churn prediction по картам и продуктам банка, AML и санкции, LLM-копилоты для банковских сотрудников. Главный челлендж — Иннотех живёт под двумя «коронами»: ВТБ как стейкхолдер с жёсткими требованиями к качеству и сроку, и регулятор как arbiter любого изменения в риск-моделях.

Стек: классические ML-модели (XGBoost, CatBoost) для скоринга, графовые модели для anti-fraud, NLP-пайплайны (BERT для классификации, LLM для генерации), real-time feature store для inline-инференса, ClickHouse и Greenplum для big-data аналитики, on-premise LLM-deployment.

Актуальные вакансии — на hh.ru и сайте Иннотеха.

Этапы собеседования

Цикл — 4-5 этапов, 2-3 недели. Параллельно — проверка СБ.

1. HR-скрининг (30-45 минут)

Рекрутер проверяет AI-фокус, базовое ML, опыт в банкинге или fintech. Любой experience в credit scoring, AML или anti-fraud — большой плюс. Готовь питч на 90 секунд: какие AI-фичи запускал в финансах, какие метрики двигал, насколько глубоко знаешь регуляторную среду.

2. AI / ML grounding (45-60 минут)

С ведущим PM или ML-лидом. Темы: credit scoring (PD, LGD, EAD, основы IRB), anti-fraud (class imbalance, fraud-типы), AML (rule-based vs ML, граничные условия SCB), особенности банковских данных. На LLM-блоке — копилоты для банковских сотрудников и compliance на коммуникацию с клиентами.

Подготовка: LLM-фичи, ML для PM.

3. Product кейс с AI-фичей (90 минут)

Дают кейс «спроектируй LLM-копилот для банковского сотрудника». Жди вопросов про аудиторию (операционист в отделении vs клиент-менеджер VIP), JTBD (быстро найти ответ на вопрос клиента / правильно оформить кредитную заявку), UX (где встроен копилот в банковский ПК), риски (compliance с банковской тайной, hallucinations с условиями продуктов), метрики (AHT — average handle time, FCR — first call resolution, customer satisfaction), MVP (пилот в одном отделении, затем масштабирование). Сильные кандидаты сразу обозначают, что в банкинге copilot — это не дополнительная панель, а замена устаревшего поиска во внутренних системах.

Подготовка: Prompt engineering, RAG и context.

4. Metrics / experimentation (45 минут)

Эксперименты в банкинге: A/B на сотрудниках возможен, но осторожно (нельзя «экспериментировать» с критичными процессами). Спросят, как делать пилот в одном отделении, как сравнивать с pre-AI baseline. Готовь evaluation framework для LLM: gold set от методологов, regulatory red-team на запрещённые ответы.

Подготовка: AI-метрики и evaluation.

5. Поведенческое (45 минут)

STAR с тимлидом. Истории про конфликт с compliance, факап в проде, спор с риск-командой ВТБ. В Иннотехе многоступенчатые согласования — проверяют, как ты живёшь в матричной структуре.

Особенности по командам

Credit scoring AI. ВТБ-кредиты для розницы и МСБ: PD-модели, behavioural scoring, скоринг по альт-данным. Тесно работает с риск-офицерами банка и Bank of Russia compliance. Подойдёт PM с экспертизой в credit risk.

Anti-fraud AI. Real-time скоринг транзакций ВТБ-карт, fraud-detection в онлайн-банкинге, защита от телефонных мошенников. Тесно работает с операционным фрод-мониторингом. Подойдёт PM с anti-fraud / payments-security background.

Document NLP. Корпоративный документооборот: классификация договоров, извлечение реквизитов, авто-генерация драфтов. Подойдёт PM с document-AI / RPA background.

AML AI. Anti-money laundering: detection подозрительных операций, sanctions screening, customer due diligence enhancement. Подойдёт PM с AML/CFT компетенцией.

LLM-копилоты. Помощники для операционистов, клиент-менеджеров, аналитиков. Самый горячий R&D-блок. Подойдёт PM с любовью к LLM-фичам и пониманием банковских процессов.

Что Иннотех ценит в AI PM

AI понимание. Слабый: «обучим бустинг». Сильный: «для PD-модели — XGBoost с SHAP-объяснениями для регулятора; для AML — graph-based detection поверх; для копилота — LLM с RAG из методологии ВТБ on-premise».

Banking / fintech context. Знание базы: PD/LGD/EAD, IRB, AML, KYC, SCB рейтинги. Слабый: «улучшим скоринг». Сильный: «улучшим AUC PD-модели на МСБ-сегменте без падения approval rate выше 1.5 pp».

Compliance / regulator. Понимание ЦБ-требований, базельских стандартов. Слабый: «выкатим A/B». Сильный: «модель проходит regulatory review с документацией, SHAP-объяснениями, валидацией на out-of-time выборке».

Business metrics. Не «AUC», а «снижение PD на портфеле, рост approval rate, ROE кредитного продукта, retention клиентов». Связывай AI с P&L банка.

Cross-team. Риск, бизнес, IT, compliance, СБ — PM собирает консенсус. Проверяется на behavioral.

Как готовиться: план

За 4-6 недель до планируемого собеса:

1. Неделя 1 — ML базовые + banking primer. Метрики, class imbalance. Параллельно — основы credit risk (PD/LGD/EAD), AML. ML для PM.
2. Неделя 2 — LLM глубже. Архитектура, on-premise vs cloud, hallucinations. Параллельно — прорешай вопросы по Python, ML и SQL в Карьернике: 1500+ задач с разбивкой по темам, по 10-15 минут в день закрывают пробелы перед собесом. LLM-фичи.
3. Неделя 3 — Prompt + RAG. Enterprise RAG с правами доступа. Prompt engineering, RAG.
4. Неделя 4 — Cost / latency. On-premise LLM TCO. AI cost и latency.
5. Неделя 5 — Mocks + behavioral. Mock-кейс LLM-копилот для банка.
6. Неделя 6 — Polish. Перечитай regulatory documents (ЦБ, Базель), новости ВТБ Tech и Иннотех.

Частые ошибки

«Добавим chatbot» без бизнес-кейса. Слабо: «AI-бот для операционистов». Сильно: «у нас 40k операционистов, AHT по типовым операциям 8 минут; copilot снижает до 4.5 минут, retention сотрудников +6 pp, ROI 12 месяцев».

Игнор compliance / hallucinations. В банкинге halluc = операционист по подсказке копилота нарушил compliance. Слабый: «доучим». Сильный: «для money/compliance — обязательный grounding из методологии, цитата источника обязательна».

Без banking / fintech. Кандидат не различает PD от Default Rate — это видно сразу. Изучи: credit risk, AML, KYC.

Без regulator-awareness. Слабый: «выкатим». Сильный: «модель идёт через ВРС (внутренние рейтинговые системы) с документацией для ЦБ».

AI metrics only. Слабо: AUC 0.78. Сильно: «PD-модель снижает потери на портфеле розничных кредитов на 11%, approval rate +1.2 pp без роста риска».

Связанные темы

• Собеседование на AI PM
• LLM-фичи в продукте
• Prompt engineering
• RAG и context
• AI-метрики и evaluation
• AI cost и latency

FAQ

Удалёнка в Иннотехе для AI PM?

Гибрид и удалёнка распространены. Часть встреч с ВТБ-стейкхолдерами очно.

Зарплатные вилки 2026?

Middle AI PM: 380-540k. Senior: 540-780k. ВТБ-экосистема платит выше средне-рыночного.

Английский нужен?

Базовый — желательно. Большинство стейкхолдеров и регулятор — русскоязычные.

Сколько этапов?

4-5 этапов, 2-3 недели. Дополнительно — проверка СБ.

Это официальная информация?

Этапы основаны на публичных источниках и опыте кандидатов. Уточняйте у рекрутера — команды и грейды могут менять процесс.