New Yorko Times

Характер моей работы в гугле
#career #google

Ладно, наверное можно уже аккуратно рассказать. Я работаю не в том самом гугле, где можно сидеть на пенсии, неспешно ковыряя монорепу, а в Cloud. Если традиционный Гугл критикуют за Процессы и гиперопеку своих гуглеров, то в облаке прям customer first и довольно живо. Много народу из большой тройки, также из Амазона и Майкрософта немало людей перетянули. Пока по интенсивности прошлые работы кажутся счастливым детством 😅 но все же клиенты европейские, так что в 6 вечера уже без митингов. По загрузке бодро, но в пределах 40 ч/нед. Хотя последнюю неделю часто и по вечерам сидел.

Наша команда зовется field solution architects, и это очень похоже на более известную роль customer engineers, но с той разницей, что мы работаем бок о бок с клиентами в течение 4-6 недель - в режиме co-build, с их кодом и данными. Что здорово (для меня) - никакого production кода, чисто GenAI MVP. Тематики разные, но из часто повторяющегося и приносящего деньги - всевозможные RAG, call center support AI (чат-боты) и поиск. Гугл довольно убедительно продает «гугловский поиск на ваших данных», а поскольку для RAG главное R-retrieve, т.е. поиск, неплохо продается и RAG.

Примечательно, что оплачивают нас не клиенты, а сам гугл; так что можете представить, спрос огромный. Для клиентов мы все же не бесплатны, ожидается, что они проинвестирует свои ресурсы в прототип - людей, компьют и прочее.

По сути работы стало больше инжиниринга или скорее system design - собирать из кусков лего кастомизируемые решения. Мне, привыкшему быдлокодить в жупитере, есть что подучить. Зато это вот прям брать последние наработки того же DeepMind и тут же нести внедрять «в поле». Вчера вышел условный автоматический prompt optimizer - завтра несешь проверять в проекте.

Исследовательской я бы работу не назвал, из креатива чаще задачи в стиле проверки качества решения. Скорее это на стыке бизнеса и исследований, в конечном счете работа с людьми, и продавать, в широком смысле, тоже надо учиться. В KPI у нас не только «число прототипов в год», но и доход от них в проде. Это заставляет думать головой и не просто продавать пирожки, пока расхватывают, но и задумываться над ROI (а как весело было без этого).

По духу работа похожа на кэггл - в течение 4-6 недель надо прям выложиться, потом может быть затишье перед новым проектом.

Наверно реально в деталях я могу рассказывать только про публичные проекты, так что надеюсь, скоро таких немало появится. Если есть вопросы - попробую ответить. Хоть может и не сегодня, в день рождения 😀

www.group-telegram.com/hk/new_yorko_times.com/318

8.2K viewsYury Kashnitsky, edited  Nov 1, 2024 at 16:01

Характер моей работы в гугле
#career #google

Ладно, наверное можно уже аккуратно рассказать. Я работаю не в том самом гугле, где можно сидеть на пенсии, неспешно ковыряя монорепу, а в Cloud. Если традиционный Гугл критикуют за Процессы и гиперопеку своих гуглеров, то в облаке прям customer first и довольно живо. Много народу из большой тройки, также из Амазона и Майкрософта немало людей перетянули. Пока по интенсивности прошлые работы кажутся счастливым детством 😅 но все же клиенты европейские, так что в 6 вечера уже без митингов. По загрузке бодро, но в пределах 40 ч/нед. Хотя последнюю неделю часто и по вечерам сидел.

Наша команда зовется field solution architects, и это очень похоже на более известную роль customer engineers, но с той разницей, что мы работаем бок о бок с клиентами в течение 4-6 недель - в режиме co-build, с их кодом и данными. Что здорово (для меня) - никакого production кода, чисто GenAI MVP. Тематики разные, но из часто повторяющегося и приносящего деньги - всевозможные RAG, call center support AI (чат-боты) и поиск. Гугл довольно убедительно продает «гугловский поиск на ваших данных», а поскольку для RAG главное R-retrieve, т.е. поиск, неплохо продается и RAG.

Примечательно, что оплачивают нас не клиенты, а сам гугл; так что можете представить, спрос огромный. Для клиентов мы все же не бесплатны, ожидается, что они проинвестирует свои ресурсы в прототип - людей, компьют и прочее.

По сути работы стало больше инжиниринга или скорее system design - собирать из кусков лего кастомизируемые решения. Мне, привыкшему быдлокодить в жупитере, есть что подучить. Зато это вот прям брать последние наработки того же DeepMind и тут же нести внедрять «в поле». Вчера вышел условный автоматический prompt optimizer - завтра несешь проверять в проекте.

Исследовательской я бы работу не назвал, из креатива чаще задачи в стиле проверки качества решения. Скорее это на стыке бизнеса и исследований, в конечном счете работа с людьми, и продавать, в широком смысле, тоже надо учиться. В KPI у нас не только «число прототипов в год», но и доход от них в проде. Это заставляет думать головой и не просто продавать пирожки, пока расхватывают, но и задумываться над ROI (а как весело было без этого).

По духу работа похожа на кэггл - в течение 4-6 недель надо прям выложиться, потом может быть затишье перед новым проектом.

Наверно реально в деталях я могу рассказывать только про публичные проекты, так что надеюсь, скоро таких немало появится. Если есть вопросы - попробую ответить. Хоть может и не сегодня, в день рождения 😀

BY New Yorko Times