Собеседование на AI PM в VK Cloud

Почему VK Cloud — особенный работодатель для AI PM

VK Cloud — облачная платформа VK, один из трёх лидеров рынка отечественного облака (наряду с Yandex Cloud и Cloud.ru). Бэкенд — гигантская инфраструктура VK с собственными ML-исследованиями (KandinskyVision, ruGPT). AI PM здесь работает в уникальном context: продукт продаётся B2B-разработчикам, но соседствует с серьёзным in-house AI Research-блоком VK.

AI PM в VK Cloud отвечает за инфраструктурные AI-продукты для B2B-разработчиков: ML Platform (managed ML SaaS), foundation models hosting (open-source модели через сервис), AutoML, GPU-инфраструктура для inference и training, специализированные AI-сервисы (CV, NLP API). Главный челлендж — продаёшь инфра-продукты инженерам, у которых высокая планка к стабильности, цене и документации; плюс конкуренция с Yandex Cloud и Cloud.ru.

Стек: Kubernetes + GPU-инфра, vLLM/TGI-аналоги для serving, MLflow, JupyterHub, custom-инструменты для биллинга, ClickHouse и Greenplum для аналитики, интеграции с VK-экосистемой (VK ID, реклама, классифайды).

Актуальные вакансии — на hh.ru и сайте VK Cloud.

Этапы собеседования

Цикл — 4-5 этапов, 2-3 недели.

1. HR-скрининг (30-45 минут)

Рекрутер проверяет AI-фокус, базовое ML, опыт в cloud/B2B SaaS/dev-tools. Готовь питч на 90 секунд.

2. AI / ML grounding (45-60 минут)

С ведущим PM или ML-лидом. Темы: ML-метрики, LLM-внутрянка (serving, KV-cache, batching, quantization), foundation models, ML platform internals.

Подготовка: LLM-фичи, ML для PM.

3. Product кейс с AI-фичей (90 минут)

Дают кейс «спроектируй ML Platform для enterprise». Жди вопросов про аудиторию (стартап vs enterprise), JTBD (POC vs production с SLA), UX, риски (cost burnout, latency spikes), метрики (MAU клиентов, gross margin per токен), MVP.

Подготовка: Prompt engineering, RAG и context.

4. Metrics / experimentation (45 минут)

Эксперименты в B2B-инфра: feature-flags, cohort-метрики, retention API-клиентов.

Подготовка: AI-метрики и evaluation.

5. Поведенческое (45 минут)

STAR. Истории про конфликт с infra-командой, факап с downtime, спор с клиентом про SLA.

Особенности по командам

ML Platform. Jupyter, эксперимент-трекинг, AutoML, деплой в Kubernetes. Подойдёт PM с dev-tools background.

Foundation models hosting. Хостинг open-source моделей (Qwen, Llama, отечественные). Подойдёт PM с интересом к LLM-инференсу.

AutoML. Автоматизация для не-ML-инженеров. Подойдёт PM с no-code background.

GPU Infrastructure. GPU-инстансы и K8s-кластеры. Подойдёт PM с инфра/devops background.

Ecosystem AI. Интеграции с VK-продуктами (реклама, классифайды). Подойдёт PM с интересом к VK-экосистеме.

Что VK Cloud ценит в AI PM

AI понимание. Слабый: «возьмём LLM». Сильный: «для batch — vLLM с continuous batching; для low-latency — quantized 4-bit + speculative decoding».

Cloud / B2B SaaS context. Знание API-продуктов, биллинга, SLA в B2B.

LLM-инфра fluency. Понимание архитектуры serving, batching, quantization.

Business metrics. MRR клиентов, gross margin, retention.

Cross-team. Инфра, ML-исследователи (включая VK AI Lab), sales, customer success.

Как готовиться: план

За 4-6 недель до планируемого собеса:

1. Неделя 1 — ML базовые + cloud primer. ML для PM.
2. Неделя 2 — LLM глубже. 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. Prompt engineering, RAG.
4. Неделя 4 — Cost / latency. TCO для разных моделей. AI cost и latency.
5. Неделя 5 — Mocks + behavioral. Mock cloud-AI-кейс.
6. Неделя 6 — Polish. Перечитай VK AI Lab research, новости VK Cloud.

Частые ошибки

«Добавим chatbot» без бизнес-кейса. Слабо: «как OpenAI». Сильно: «для enterprise в РФ — compliance, цена в рублях, SLA — ROI 2x против зарубежных моделей через прокси».

Игнор cost / latency. Слабый: «возьмём большую модель». Сильный: «для 80% — quantized 7B, для сложных — 70B; экономия 8x».

Без cloud / SaaS. Кандидат не знает биллинг/SLA — провал.

Без LLM-инфра. Слабый: «возьмём API». Сильный: «vLLM, continuous batching, KV-cache».

AI metrics only. Слабо: bleu. Сильно: MRR, gross margin per токен.

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 VK Cloud для AI PM?

Гибрид и удалёнка распространены.

Зарплатные вилки 2026?

Middle AI PM: 420-580k. Senior: 580-840k. VK-экосистема платит выше рынка.

Английский нужен?

Базовый — желательно.

Сколько этапов?

4-5 этапов, 2-3 недели.

Это официальная информация?

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