Собеседование на ML Engineer в amoCRM

Почему amoCRM — особенный работодатель для MLE

amoCRM — облачная CRM-система для отделов продаж, специализируется на малом и среднем бизнесе. На международных рынках компания работает под брендом Kommo, что делает её международным B2B SaaS-продуктом с инфраструктурой и командой, частично разнесённой между странами. Десятки тысяч компаний-клиентов, миллионы пользователей-менеджеров продаж, миллиарды коммуникаций (звонки, чаты, email) в системе ежемесячно. Для ML-инженера это уникальный B2B SaaS с большим объёмом коммуникационных данных и возможностью разрабатывать AI-копилоты для sales.

ML-системы: NLP-распознавание звонков и чатов (sentiment, темы, ключевые сущности), lead-scoring (предсказание вероятности закрытия сделки), AI-копилоты для менеджеров (саммаризация переписки, предложения следующего действия), recommendation в marketplace интеграций, антифрод (детекция бот-атак, спама). Активная интеграция LLM в продукт — одно из перспективных направлений.

Стек: Python + Catboost для табличных задач + PyTorch / transformers для NLP + K8s для deployment + ClickHouse как аналитический движок + MLflow для трекинга экспериментов. В международной части возможен интенсивный использование managed-сервисов AWS / GCP.

Актуальные вакансии — на hh.ru и сайте amoCRM / Kommo.

Этапы собеседования

Цикл занимает 3-4 недели и включает 5-6 этапов. amoCRM/Kommo — международный B2B SaaS с двуязычным процессом, упор на NLP и production-навыки.

1. HR-скрининг (30-45 минут)

Рекрутер проверяет фон: production-опыт ML, B2B SaaS / CRM / NLP background — большой плюс. Английский — важен, особенно для команд Kommo (международный продукт). Готовь питч на 90 секунд: проекты, бизнес-эффект, стек. Если есть опыт в CRM, sales-tools, conversational AI — упомяни сразу.

2. ML-теория (60-90 минут)

Базовая секция с ведущим ML-инженером. Темы: градиентный бустинг (CatBoost vs XGBoost), NLP-фундаментал (transformers, BERT-like модели, fine-tuning), classification и ranking, sentiment analysis, named entity recognition, summarization подходы. Будь готов рассказать про адаптацию моделей под русский и английский языки (multilingual modeling), про LLM-fine-tuning и in-context learning.

Подготовка: ML-теория.

3. Python live coding (60 минут)

Live-кодинг: 1-2 задачи на алгоритмы (LeetCode Medium), плюс задача на ML-pipeline — написать функцию для обработки текстов (tokenization, embedding aggregation), реализовать sampling для negative pairs в ranking. Готовиться по LeetCode минимум 3-4 недели.

Подготовка: Python для DS.

4. ML System Design (90 минут)

Кейсовая секция. Кейсы уровня «спроектируй lead-scoring pipeline для CRM», «call NLP для sentiment + topic detection», «marketplace recommendation для интеграций». Нужно: уточнить бизнес-метрику и target, описать архитектуру (data → features → model → inference → monitoring), выбрать модели и обоснование, продумать latency (для AI-копилотов важна низкая задержка). Слабые ответы — сразу к LLM; сильные — где видно понимание trade-off и production-проблем.

Подготовка: MLOps, Model serving, Feature stores.

5. Production / scale (60 минут)

Секция про инфраструктуру: K8s deployment, мониторинг моделей, обработка multilingual нагрузки. Кейсы про откат модели, drift detection, инциденты с упавшим качеством. Заготовь 2-3 истории с цифрами.

Подготовка: Monitoring drift, Deployment strategies.

6. Поведенческое + английский (45 минут)

С тимлидом и/или представителем команды. STAR-формат: конфликт с продактом, факап с моделью, спор по архитектуре. Часть собеса может быть на английском — особенно если претендуешь на Kommo team. amoCRM ценит ownership, инициативу и кросс-культурную работу.

Особенности по командам

CRM AI / Lead-scoring. Ядро B2B SaaS-аналитики: предсказание вероятности закрытия сделки на основе истории коммуникаций, поведения в системе, демографии компании. Команда работает с табличными моделями + sequence modeling истории взаимодействий. Подойдёт тем, у кого опыт с classification и ranking.

Call AI / NLP звонков. Самая характерная для amoCRM команда: распознавание звонков (ASR), sentiment, темы разговора, ключевые сущности. Стек включает custom NLP-модели + интеграции с external ASR (Yandex SpeechKit, Tinkoff Voice, западные провайдеры для Kommo). Подойдёт MLE с NLP-опытом и интересом к conversational AI.

Copilot для менеджеров. AI-помощник для sales-менеджеров: саммаризация переписки, предложения next-best-action, авто-заполнение полей. Тесная работа с LLM (как сервисы, так и fine-tuned модели). Перспективное направление с большим потенциалом роста.

Marketplace AI. Recommendation в marketplace интеграций amoCRM (тысячи приложений и интеграций). Аналитик-MLE считает recsys для интеграций на основе профиля компании, истории использования. Подойдёт тем, у кого опыт с recsys в e-commerce или подписочных marketplace.

Анти-фрод. Детекция бот-атак, спама в формах, abuse функционала. ML-системы анализируют поведенческие паттерны, network signals, content. Подойдёт тем, у кого опыт в anti-fraud или security.

Что amoCRM ценит в MLE

Production ML. Базовое требование. Нужны истории про реальные модели в проде с количественным эффектом. Слабый — «делал на Kaggle»; сильный — «lead-scoring на 100k активных компаниях, AUC=0.84, +15% win rate в pilot».

B2B SaaS / CRM context. Понимание особенностей CRM-данных: heterogeneity среди компаний, разные циклы сделок, sparse data для маленьких клиентов. Если в B2B SaaS не работал — изучи блоги Salesforce, HubSpot Engineering.

NLP fluency. Transformers, attention, BERT-like модели, fine-tuning, LLM-инфраструктура. Без NLP-опыта сложно — amoCRM активно использует NLP для всех коммуникационных сценариев.

K8s. Без K8s не пройдёшь production-секцию. Хотя бы 1 модель сам в K8s подними.

Английский (Kommo). Для команд, работающих с международным продуктом, английский — критичен. Готовь себя пройти часть собеса на английском, особенно поведенческую часть.

Как готовиться: план

За 6-8 недель до собеседования:

1. Неделя 1-2 — Python + ML + NLP. LeetCode Medium 30+ задач, освежи transformers, BERT, fine-tuning. 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. Python для DS, ML-теория.
2. Неделя 3 — K8s + Docker. Подними хотя бы 1 модель в K8s, изучи deployment strategies.
3. Неделя 4 — MLOps + feature stores. Train-serving skew, model registry. MLOps, Feature stores.
4. Неделя 5 — System design + CRM ML. Кейсы по lead-scoring, call NLP, recommendation. Model serving.
5. Неделя 6 — Monitoring + deployment. Drift detection, A/B-инфраструктура. Monitoring drift.
6. Неделя 7-8 — Mocks + behavioral + английский. Mock-интервью, 5-7 STAR-историй, mock на английском.

Частые ошибки

Без B2B SaaS domain. Кандидат говорит «у меня опыт с консьюмер-продуктами» — на System Design отвалится. Сильный — «понимаю heterogeneity B2B-клиентов, разные циклы, sparse data».

Без NLP. Кандидат говорит «делал классификацию» — без transformers — слабо для amoCRM. Сильный — «работал с fine-tuning BERT для классификации тематики звонков, sentiment, NER».

Без K8s. Кандидат говорит «деплоил через docker-compose» — слабо. Сильный — «деплоил через Helm chart, использовал HPA, canary на 5% трафика».

Только notebook. Кандидаты, которые писали только в Jupyter, валятся на live-coding и system design. Сильный — «свои проекты переписал в виде пакетов с тестами».

Слабый английский. Для Kommo-команд — критическое ограничение. Сильный — «свободно обсуждаю архитектуру и поведенческие истории на английском».

Связанные темы

• Собеседование на ML Engineer
• MLOps
• Feature stores
• Model serving
• Monitoring и drift
• Deployment strategies

FAQ

Удалёнка в amoCRM для MLE?

Часто полная удалёнка, особенно для команд Kommo. Международная команда с распределёнными часовыми поясами.

Зарплатные вилки 2026?

Middle MLE: 290-440k. Senior: 440-660k. Опционы возможны для team-lead и senior+.

Английский нужен?

Да, особенно для Kommo. Свободный говорящий — большой плюс.

Сколько этапов?

5-6 этапов, 3-4 недели с момента первого скрининга.

Это официальная информация?

Этапы основаны на публичных источниках и опыте кандидатов. Уточняйте у рекрутера.