Лабсовая | О жизни HFLabs

Провели первый AI-кейсариум у нас в офисе

AI-кейсариум — проект Cloud​.​ru и Avito, который уже проходил на площадках Яндекса, UseTech, Райффайзенбанка. А теперь добрался и до Лабса ❤️

К нам пришли гости из Сбера, Асконы, СОГАЗа, Билайна и других компаний. Участники разделились на четыре команды, каждая получила свой бизнес-кейс и в конце защитила решение.

Мы составили задачи на любимую тему — про клиентские данные, конечно. Нужно было разобраться, что правда можно доверить нейросетям, хватает ли им контекста и какие риски стоит учесть.

Занятно, что кейсы про AI участники решали в том числе с помощью AI. И уже его идеи обсуждали, дополняли и доводили до финального решения ⚡

Погружаемся в семантику: делаем данные понятными для AI

Мы в Лабсе давно умеем наводить порядок в клиентских данных. А теперь хочется большего: сделать так, чтобы их понимали не только люди, но и машины.

Для этого мы развиваем семантический слой. Он должен объяснять AI, что означают данные конкретной компании, как они связаны между собой и где искать ответ на нужный вопрос. Звучит амбициозно! Так и есть 😵‍💫

Наш CEO Костя Степанов рассказал Forbes про большой шаг в будущее, почему без семантики даже хорошая LLM может заблудиться в корпоративных данных и что делать, чтобы этого не произошло.

📁 Читайте по ссылке

📈 Каково это — быть тестировщиком в Лабсе?

Сегодня, в День тестировщика, спросили об этом у нашей команды. Слово Саше Гайсину:

Быть тестировщиком — это в первую очередь быть инженером.

До сих пор существует мнение, что тестировщики совсем немного знают о технической стороне продукта, не разбираются в коде и не строят сложные системы. Их задача — проверить функциональность, найти баги и передать их разработчикам.

Но современный QA давно выглядит иначе.

Мы строим собственные системы вокруг продукта: автоматизацию, тестовые фреймворки, процессы и инфраструктуру. Работаем с API, базами данных, логами, CI/CD, кодом, ИИ-инструментами. Чтобы действительно понять, почему что-то сломалось, нужно понимать, как продукт работает изнутри.

При этом тестировщик часто становится связующим звеном внутри команды. Разработчики глубоко знают свои части системы, а QA приходится видеть, как все эти части работают вместе. Иногда именно тестировщик оказывается тем человеком, который лучше всего понимает систему целиком — от того, что видит пользователь, до того, что происходит внутри системы.

Но инженерный подход — это еще и постоянное развитие.

Для меня это умение привносить в команду что-то новое. Следить за развитием технологий, исследовать новые инструменты и подходы, но не просто ради самого факта использования чего-то нового.

Важно понимать, действительно ли новая технология принесет пользу, какую проблему поможет решить и как ее можно применить в своей работе.

Именно поэтому QA для меня — далеко не только поиск багов и валидация релизов. Это понимание системы целиком, интерес к новым технологиям, желание постоянно развиваться и делать продукт, над которым работаешь, качественнее.

Поздравляем! И желаем интересных задач ❤️

🔔1 сентября мы решили посмотреть, какими лабсовцы были в детстве. И узнать, насколько неожиданными бывают маршруты в профессии!

Первые в рейтинге поставщиков MDM-систем

⚡️ TAdviser опубликовал рейтинг крупнейших поставщиков решений по управлению мастер-данными и НСИ по итогам 2025 года. HFLabs занял первую строчку. Спасибо нашим клиентам за доверие!

Аналитики собрали 14 участников российского рынка и сравнили их по выручке от проектов внедрения. У HFLabs это 1,15 млрд рублей — по сравнению с 2024 годом показатель вырос на 29%. 

➡️ Полный рейтинг и аналитический обзор с комментариями нашего CTO Никиты Назарова — по ссылке.

HFLabs — о клиентских данных

У нас хорошие новости: Лабс — №1 в рейтинге поставщиков MDM-систем

Гордимся командой! 🚀

Ищем аналитика данных AI/LLM

Друзья, небывалое событие! Мы ищем человека, чтобы развивать новые продукты «Дадаты».

Цель затеи — собрать максимально полное представление о российских компаниях на основе открытых источников. Превратить разрозненные тексты, данные с сайтов, документы, хоть черта лысого в полезные структурированные данные.

Кто нам нужен

Новый аналитик возьмёт на себя весь цикл работы с неструктурированными данными: от сбора и обработки сырой информации до оценки ее качества и превращения результата в продукт.

Предстоит многое выстраивать с нуля. Поэтому нужен человек, которому комфортна неопределённость, интересно разбираться в новом. А еще подходящий кандидат умеет самостоятельно находить решения и брать на себя ответственность.

Чем предстоит заниматься

• Проектировать и настраивать пайплайны по сбору и обработке данных из новых источников;
• проектировать и настраивать LLM-агентов для поиска и сбора в Сети данных о компаниях;
• придумывать и создавать бенчмарки для оценки качества работы агента;
• обучать и использовать ML/NLP модели для классификации и сегментации данных.

Что нужно для работы

• жить в Москве;
• иметь опыт работы с LLM и понимать, как они устроены;
• четко знать Python и библиотеки для анализа данных — pandas, numpy;
• представлять, как работать с внушительными объемами текстовых и неструктурированных данных (миллионы строк, терабайты текста);
• иметь опыт построения пайплайнов по сбору и обработке данных;
• знать классические методы построения ML- и NLP-моделей и метрики оценки их качества;
• повседневно использовать AI-инструменты в работе — Codex, Claude Code, Cursor.

Будет легче, если вы:
• создавали бенчмарки и оценивали качество работы LLM и агентских систем;
• работали с веб-парсингом — Scrapy, Playwright, Requests, Beautiful Soup;
• настраивали локальные LLM или системы их оркестрации — vLLM, Ollama;
• работали с данными российских юридических лиц и ИП.

Что предлагаем

• Конкурентная зарплата, пересматриваем минимум раз в год;
• по-честному гибкий рабочий график — люди удивляются;
• ДМС от «АльфаСтрахования», с первого дня;
• рабочее место — гибрид. В основном — тихий и просторный офис, в двух минутах пешком от м. Парк Культуры. Но если пару дней в неделю из дома — тоже годится;
• маленькая команда без бюрократии, в «Дадате» всего 11 человек;
• курсы и конференции по специальности;
• не экономим на инструментах: оплачиваем сервисы, полезные для работы, включая зарубежные и облачные — ChatGPT, Claude, Figma, Copilot и другие. Технику тоже купим.

Если интересно, отправьте резюме на @dadata_jobs. Тем, кто подходит, предложим тестовое после первого собеседования.

Приходите, у нас круто, без хвастовства

Лабс рекомендует: горячая вакансия в DaData

Наши партнеры и большие друзья (вы наверняка слышали про DaData) ищут в команду аналитика данных AI/LLM. Поможем ребятам найти хорошего коллегу 📢

«Главное, что я забираю с собой, — это люди»

Таня Бунто проработала в Лабсе целых девять лет! И успела попробовать себя в разных ролях — от аналитика до директора по развитию продукта, спикера конференций и даже преподавателя. Недавно в своем канале она поделилась, каково это — быть частью Лабса.

🔥 Утром можно было обсуждать с DBA, почему приложение перестало видеть базу данных, днем — встречаться с вице-президентом крупной компании и говорить о внедрении платформы, а вечером — готовить доклад для профессиональной конференции.

«И это невероятно круто! Свобода действий и ответственность под ключ. Я благодарна Лабсу за эту возможность побыть в разных ролях, как в квантовой вселенной. За проекты, где создавалось новое с нуля, приобретало форму и приносило пользу».

Но профессиональный опыт — лишь часть пути: «Именно люди сделали эти девять лет такими счастливыми».

Кстати, Таню в Лабсе часто называли «человек-оркестр» (вы только посмотрите видео!). И годы, проведенные вместе, будем вспоминать с теплотой ❤️

🧑‍🎓Запустили аналитическую семинарию

Теперь по четвергам в Лабсе проходит аналитическая семинария — внутреннее обучение для аналитиков. #неканикулы

В коротком видео создатель семинарии, руководитель группы аналитиков Тамара Ушурова рассказывает, что это за проект и зачем он нужен⤵️

⚡️В новом выпуске подкаста «Человеческий фактор» обсуждаем, как искать работу сегодня и завтра

У нас в Лабсе есть свой подкаст, и этим летом мы начали записывать второй сезон. В нем мы говорим с бизнесом о бизнесе — чем он живет, как видит будущее, что его волнует и где видит точки роста.

🎙Гостья нашего нового выпуска — Евгения Григорьева, директор по маркетингу HH.​ru.

Обсудили с Женей:

◾️Какие вакансии сейчас в топе? 
◾️Как искать работу, когда ИИ помогает соискателям написать резюме, а работодателям — выбрать из них подходящие? 
◾️Что будет с джунами, если большинство их задач уже выполняет ИИ? Как строить карьеру зумерам? 
◾️Как алгоритмы HH.​ru анализируют резюме и можно ли их обойти?

Ведут подкаст Костя Степанов, CEO HFLabs, и Антон Богин, CEO DaData. 

Смотрите и слушайте подкаст на удобной платформе:
YouTube
Rutube
VK
Яндекс.Музыка
Apple Podcasts