Как мы нанимаем, грейдируем и решаем задачи prompt-инженеров в финтехе: опыт Точки

В «Точке» за два года сформирован собственный департамент работы с ИИ и появилась уникальная роль — prompt-инженер, отвечающий за эффективную интеграцию LLM в бизнес-процессы. Статья Екатерины Шихиевой подробно раскрывает специфику найма, грейдирования и задач этой профессии на примере финтех-компании.

Ключевые задачи prompt-инженера: подбор и дообучение моделей (ChatGPT, Claude, Gemini, Qwen, YandexGPT), построение пайплайнов, парсинг данных, разработка ассистентов (например, «Точка Ассистент»), настройка RAG и оптимизация стоимости токенов. Важный фокус — маскирование персональных данных и соответствие российскому законодательству.

Основные вызовы: редкий и многопрофильный профиль кандидата: знания в Python, ML, Data Science, лингвистике, безопасности, документообороте, а также владение двумя языками. В 2024 году из 219 кандидатов только 15 прошли все этапы и были наняты; за первые 6 месяцев 2025 года — всего 5 из 135. Большинство отсеивается на этапе тестового задания.

• Prompt-инженер — это аналитик, копирайтер, ML-исследователь, разработчик, ментор.
• В компании введена система грейдов и специализаций (PE-архитектор, PE-редактор, PE-универсал и др.).
• Рынок пока слабо понимает специфику профессии, зачастую путая prompt-инжиниринг с простым использованием ChatGPT.

Вывод: зрелый prompt-инжиниринг требует системного мышления, глубокого погружения в бизнес, продвинутого тестирования и умения работать на стыке дисциплин. Опыт «Точки» — пример зрелого и масштабируемого подхода к интеграции LLM в крупной компании.