Собеседование на AI PM в Yandex Cloud

Почему Yandex Cloud — особенный работодатель для AI PM

Yandex Cloud — облачная платформа Яндекса и один из лидеров российского cloud-рынка. В отличие от Selectel или VK Cloud, у Yandex Cloud сильный AI-stack за плечами: YandexGPT, SpeechKit (синтез и распознавание речи), Translate, Vision, DataSphere для ML-эксперимента — всё это годами строилось внутри Яндекса. Для AI PM это значит работу на платформе, где AI — не сторонний модуль, а флагман.

AI PM в Yandex Cloud отвечает за AI-инфраструктурные продукты для B2B-разработчиков: YandexGPT API (LLM как сервис), SpeechKit и Translate API, Vision (CV API), ML Platform / DataSphere (managed ML SaaS), AutoML, foundation models hosting. Главный челлендж — продаёшь B2B-разработчикам, которые знают цену каждому токену и каждой миллисекунде; плюс конкурируешь с зарубежными провайдерами через прокси и со своими российскими (VK Cloud, Cloud.ru).

Стек: Kubernetes + GPU-инфра, vLLM/TGI-аналоги для serving, MLflow и Yandex-инструменты, JupyterHub в DataSphere, custom-инструменты для биллинга, ClickHouse / YT для аналитики, integration с YandexGPT-инфраструктурой.

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

Этапы собеседования

Цикл — 4-5 этапов, 2-3 недели. Я-style — могут быть дополнительные секции с алгоритмическим уклоном для технических PM-позиций.

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 (DataSphere).

Подготовка: LLM-фичи, ML для PM.

3. Product кейс с AI-фичей (90 минут)

Дают кейс «спроектируй YandexGPT-интеграцию для enterprise». Жди вопросов про аудиторию (стартап vs banking-enterprise), JTBD (POC vs production с SLA), UX (квота-менеджмент, биллинг), риски (cost burnout, latency spikes), метрики (MAU клиентов, TPS, P95-latency, gross margin per токен), MVP. Сильные кандидаты сразу разводят «технические» и «бизнес» метрики.

Подготовка: Prompt engineering, RAG и context.

4. Metrics / experimentation (45 минут)

Эксперименты в B2B-инфра: feature-flags на уровне API, cohort-метрики. Готовь evaluation для LLM: gold benchmarks (MMLU, MERA), online proxy на токенах биллинга.

Подготовка: AI-метрики и evaluation.

5. Поведенческое + Yandex Values (45 минут)

STAR + Yandex Values. Истории про конфликт с infra-командой, факап, спор с клиентом про SLA. Yandex проверяет ownership, фокус на пользу пользователю, готовность копать вглубь.

Особенности по командам

YandexGPT API. LLM как сервис: API, SDK, biling, фильтры безопасности, fine-tuning. Самая горячая команда. Подойдёт PM с любовью к LLM.

ML Platform / DataSphere. Managed ML SaaS: Jupyter, эксперимент-трекинг. Подойдёт PM с dev-tools background.

SpeechKit / Translate / Vision. Предобученные модели как API. Подойдёт PM с интересом к specialized AI-сервисам.

AutoML. Автоматизация для не-ML-инженеров.

Foundation models hosting. Хостинг open-source моделей. Подойдёт PM с интересом к LLM-инференсу.

Что Yandex 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; стоимость отличается в 6 раз».

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

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

Business metrics. MRR клиентов, gross margin per токен, retention API-клиентов, TTV новых интеграций.

Cross-team + Yandex Values. Ownership, технический drill-down, фокус на пользу.

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. Архитектура, serving, batching, quantization. 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. Подготовь Yandex Values-истории.
6. Неделя 6 — Polish. Перечитай документацию Yandex Cloud, YandexGPT.

Частые ошибки

«Добавим chatbot» без бизнес-кейса. Слабо: «YandexGPT как OpenAI». Сильно: «для enterprise в РФ — compliance с 152-ФЗ; YandexGPT закрывает это, плюс цена в рублях, плюс SLA — ROI 2x против использования 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: «работает». Сильный: «vLLM, continuous batching, KV-cache; throughput 5x vs naive».

AI metrics only. Слабо: bleu. Сильно: MRR клиентов, retention 90-day, 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 Yandex Cloud для AI PM?

Гибрид и удалёнка распространены. Часть встреч очно (Москва).

Зарплатные вилки 2026?

Middle AI PM: 420-590k. Senior: 590-860k. Yandex платит выше рынка.

Английский нужен?

Базовый — желательно для research-статей.

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.