Что топ-работодатель на самом деле ценит в кандидате в 2026 году

На собеседованиях я в первую очередь смотрю не на то, какими AI-инструментами пользуется кандидат. Мне гораздо интереснее, что человек делает до первого промпта.

Обычно я даю неструктурированный бизнес-кейс. Например:
«Продажи растут, но прибыль снижается. Руководитель предлагает сократить маркетинг. Что будем делать?»

Слабый кандидат сразу начинает предлагать решения. Сильный сначала уточняет, какое решение нужно принять. Затем раскладывает проблему на блоки, формулирует гипотезы, определяет необходимые данные и решает, что действительно важно проверить. И только после этого подключает ИИ.

Здесь проявляются навыки, которым десятилетиями учили в стратегическом консалтинге:

🟡 структурирование — превратить неясную проблему в понятную систему

🟡 problem solving — сформулировать и проверить ключевые гипотезы

🟡 приоритизация — не анализировать всё подряд

🟡 количественное мышление — перевести мнения в показатели

🟡 синтез — ответить на вопрос и что из этого следует?

🟡 top-down коммуникация — начать с главного вывода.

Чем мощнее становится ИИ, тем меньше ценится способность просто производить информацию. И тем важнее умение правильно поставить задачу, проверить результат и принять решение.

Именно такие навыки мы хотим оценивать и развивать в Синапс Лаб, через симуляции реальных бизнес-задач, а не тесты на знание правильных терминов.

В следующем посте расскажу, с чего необходимо начать чтобы создать действительно полезного AI-агента.

Если тема откликается, поставьте ❤️. А ещё лучше перешлите пост человеку, который сейчас готовится к собеседованиям 😌

Иван Бильдин, Руководитель AI-трансформации и продуктовый лидер, сооснователь Синапс Лаб.
#ВзглядРаботодателя #Синапс_Продукт

Командой Синапс Лаб уже собраны «горячие предложения» для буста твоей карьеры! Более 10 актуальных стажировок в ведущих компаниях из более чем 10 индустрий ждут своих героев. Пройди SAT и попади в их число!

Мы в Синапс Лаб верим в развитие скиллов на практике, преемственность и эффективность непрерывной обратной связи от опытных команд. Особенно, если ты на старте своей карьеры!

Поэтому нашим соискателям мы предлагаем поддержку на всем пути:

1- примерь на себя работу в компании мечты: пройди ИИ-симуляцию на примере реальной бизнес задачи от работодателя

2 - сдай успешно SAT (Synapse analytical test) или получи детальный план развития и прокачай недостающие скиллы на тренажере, чтобы улучшить свой результат

3 - получи доступ к стажировкам в нашем закрытом Комьюнити

4- пройди собеседование с нанимающим менеджером и получи оффер!

Нас отличает то, что мы ведем диалог напрямую с нанимающим менеджером и понимаем актуальные требования, задачи и статус вакансии. Предотобранные нами кандидаты с учетом технологии отбора в BIG3 попадают в HiPo пул топ-компаний.

Мы также даем обратную связь на этапе финального собеседования и что стоит дополнительно прокачать (а главное, как!), даже если не случится «тот самый» мэтч. Ты точно не останешься в информационном вакууме, гадая, куда затерялось твое CV.

Ну а возможность поработать в ведущих индустриях в командах экс-консультантов и получить кратный буст структурированного мышления, фокуса на результат (оwnership) и устойчивости за счет твоего прямого влияния на эффект (impact), доступа к лучшим практикам и нетворкингу - на вес золота! Особенно в условиях неопределенности, высоких скоростей и ИИ-зации.

В следующих постах подробнее расскажем про каждую из стажировок.
Проголосуй за топ-три стажировки (индустрии), про которые хочешь узнать первыми. А те, кто успешно сдадут SAT и попадут в наше закрытое Комьюнити - первыми узнают делали. Дерзай!

На подходе также успешные кейсы ребят, которые первыми прошли Диагностику скиллов Синапс Лаб и вышли на стажировку - про их путь и лайфхаки скоро расскажем!

#Синапс_стажировки

Друзья, видим ваш интерес к работе в Tech & AI-стартапах и консалтинге, поэтому хотим начать серию постов про вакансии с Agentic Lab - платформы создания ИИ-ассистентов для бизнеса, запущенной 2мя выходцами из McKinsey

Команда проектирования и внедрения ИИ-решений ищет Junior аналитика

Что предстоит делать:
- Погружаться в бизнес клиента в фокусных вертикалях (финансы, коммерция, операции, юридический отдел)
- Проектировать ИИ-решения для клиентов
- Участвовать во внедрении ИИ и обеспечивать достижение реального эффекта на операционные метрики и P&L

Ожидания от кандидата:
- Успешная сдача SAT (все еще действует бесплатный промокод SAT100)
- Активное использование инструментов ИИ-разработки и аналитики
- От 1го года опыта работы

Для отклика отправляйте свое резюме на askme@synapselab.ru

Кроме быстрого погружения в мир ИИ, это еще и отличная возможность поработать бок-о-бок с командой консультантов Большой тройки и перенять лучшие практики консалтинга

А на видео основатели - Мирослав Гридин и Владимир Макаров рассказывают как ИИ будет менять профессии

Полный выпуск можно посмотреть в YouTube

Я мечтала попасть в McKinsey ещё в институте.
И была уверена, что не готова. Отвлекла себя другим — устроилась в большой холдинг, сказала себе «потом». В первый раз я даже резюме не смогла заставить себя написать, не то что отправить.

Через несколько лет попробовала снова. Резюме — за один день. Весь отборочный цикл — за две недели. Оффер.

Конечно многое изменилось между первым и вторым разом, но главное — я перестала ждать момента, когда будет «не страшно».

Возможно тебе страшно ровно так же, как было мне. Вопрос только в том, сколько лет ты готов на это потратить?

Поэтому мы и сделали так, чтобы путь можно было пройти не за годы сомнений, а за пару недель. И это не абстрактные «возможности» — это реальные стажировки, и компании уже ждут твоё резюме. Итак, куда можно попасть после SAT:

➡️ Стажёр / младший аналитик в консалтинге
Окажешься в ритейл-практике и наконец поймёшь, почему на полке стоит именно этот йогурт и именно по такой цене. Ассортимент, ценообразование, цепочка поставок, e-com, планирование продаж и запасов — не в учебнике, а вживую.

➡️ Стажёр / аналитик в tech-компании
Научишься запускать цифровые продукты и разбираться в ИИ не на словах. Заодно посчитаешь юнит-экономику — спойлер, пригодится даже в собственном стартапе.

➡️ Стажёр / аналитик в горной металлургии
Да, это ИИ в тяжёлой промышленности, а не в презентациях. Техобслуживание оборудования, умные закупки, автоматизация проектирования. Узнаешь, как алгоритмы предсказывают поломку гигантских машин и планируют работу бригад.

Два шага, а не квест на месяц:
Сдай SAT по промокоду SAT100 — бесплатно
Резюме на askme@synapselab.ru

Вакансии открыты прямо сейчас, компании ждут именно тебя. Я потратила много времени на страх, тебе так делать не обязательно. У тебя есть промокод и два шага. Пользуйся разницей. Оставайся с нами — расскажем, как прошёл отбор.

Екатерина Вавилова

«Не понравится команда — пойду к маме управлять заводом!»
Хороший план. Жаль, заводик есть не у каждой мамы 😅

У всех остальных так: коллег ты почти никогда не выбираешь. Зато выбираешь, как с ними работать. И от этого растёт всё: результат, настроение, желание открывать рабочий чат по утрам.

Проще всего договориться обо всём на берегу. Вот 5 правил игры, которые, правда, работают:

➡️ Как принимаем решения. Голосуем, решает лидер или спорим, пока все не согласятся? Без договорённости каждый тянет одеяло на себя.

➡️ Кто за что отвечает. «Я думал, это твоя задача» убила больше проектов, чем дедлайны. Проговорили роли вслух, и половина конфликтов просто не случится.

➡️ Как говорим «нет» и даём обратную связь. Критика идеи ≠ критика человека. Договорись об этом до первого спора, тогда токсичности будет не за что зацепиться.

➡️ Где и когда общаемся. На чек-ине ставим задачи, на чек-ауте сверяем прогресс. Доска для задач, рабочий чат, отдельный чат для мемов, созвоны только по делу. И никаких «есть вопросик» в 23:00.

➡️ Что делаем, когда всё горит. Кто эскалирует, к кому бежать, где точка невозврата. А лучше держать руку на пульсе и тушить, пока только подгорает.

Дружба в команде — приятный бонус. Вместе отметить победу или поныть друг другу тоже полезно, если по делу: выговориться, спросить совет, услышать, что у тебя получается, а что можно делать иначе.

Но есть бонус посильнее, о нём почти не говорят: команда может стать твоим играющим тренером! Просто скажи вслух, чего хочешь:

➡️ Хочешь научиться выступать: тебе отдают подготовку питча, а потом честно говорят, что улучшить.

➡️ Ты сова и на утренних брейнштормах спишь: их переносят на дневное время.

➡️ Два раза в неделю у тебя спорт: на это время не ставят созвоны.

Без таких правил рано или поздно начинаешь прыгать кузнечиком из команды в команду. С ними есть шанс найти свою.

А какое правило ты бы первым ввёл у себя в команде? Пиши в комменты 👇

На прошлой неделе synapselab.ru просто исчез.

Дата-центр Яндекса, где жил наш сайт, остановился после атаки беспилотника. Данные ушли вместе с ним. И было непонятно, есть ли шанс на восстановление.

Внутри мы спорили. Ждать и надеяться, что что-то удастся вытащить? Или не ждать и собирать заново?

Решили пересобрать. И да, мы снова работаем 🙌

Забавно: мы строим продукт про то, как готовиться к переменам. И сами получили самый честный тест.

Самым дорогим в этой истории могло стать не то, что мы потеряли, а ожидание. Каждая неделя «а вдруг» — это неделя без сайта, без сервиса для тебя, без движения. И никаких гарантий в конце.

В спокойные времена можно подождать ещё немного информации. В турбулентность полной картины не будет. Вообще.

Что помогло нам решить быстро:
➡️ Посчитать цену бездействия. Не «что будет, если ошибёмся», а «что будет, если просто ничего не решим».
➡️ Отделить своё от чужого. Восстановление дата-центра от нас не зависит. Новый сайт зависит.
➡️ Выбрать «достаточно хорошо», а не идеально. Идеальное решение в кризис приходит слишком поздно.
➡️ Договориться один раз и не возвращаться к спору каждый день.

Раньше это называли качеством руководителя или предпринимателя. Сейчас это навык для всех, кто строит карьеру.

Турбулентность вообще хорошо проявляет, что на самом деле ценно. Не должность и не строчка в резюме, а:
➡️ умение действовать без полной картины
➡️ люди рядом, с которыми можно быстро договориться
➡️ навыки, которые остаются с тобой, куда бы ты ни пошёл: то, что ты умеешь делать, а не где ты это делал

А какое решение ты сейчас откладываешь? Напиши в комментариях, иногда достаточно сказать вслух.

И заглядывай на обновлённый synapselab.ru 👋

Сила "еще"

Двадцать лет на заводе против восьми недель.

Директор производства знает каждый станок по звуку. Консультант ещё два месяца назад не отличал прокат от литья. На совещании они спорят о том, почему встаёт линия.

И до первопричины докапывается консультант.

Мы много раз видели такие сцены, пока работали в McKinsey. Дело не в том, что консультант умнее директора. Директор — блестящий эксперт, но его глаз замылился в операционке. А консультанту помогает всего одно слово — «ещё».

«Я не разбираюсь в металлургии» → «Я ещё не разбираюсь в металлургии».

Разница в одном слове, но за ним стоит другое поведение. Ты не ждёшь, пока тебя научат, а идёшь и выясняешь сам. Психолог Кэрол Дуэк назвала это growth mindset: убеждённость, что способности растут от усилий, а не даны раз и навсегда.

На практике это выглядело так:
➡️ задавать «глупые» вопросы мастерам в цеху, пока не поймёшь, как всё устроено на самом деле
➡️ не верить цифре, пока не увидел, откуда она взялась
➡️ решив задачу, спросить себя, ту ли задачу ты решал
➡️ приходить к директору не с мнением, а с фактами, которые он сам не успел собрать

А теперь неудобная часть.

Роль «дали задачу — сделал по ТЗ» уходит. Именно такие задачи сейчас забирает ИИ. От человека ждут другого: уточнить, зачем это нужно, прокопать глубже, заметить, что ТЗ вообще не про то.

И ещё одно. Раньше этому учили на работе: был онбординг, наставник, полгода на то, чтобы войти в роль. Сейчас таких мест всё меньше. Компании нанимают осторожно и хотят, чтобы человек включился сразу.

Получается как со школой. Когда-то туда шли учиться читать. Сейчас в первый класс приходят уже читающими. С самостоятельностью происходит то же самое: её всё чаще ждут на входе, а не выращивают внутри.

Честно ли это? Не очень. Но хорошая новость в том, что этот навык можно натренировать заранее.

Начни с малого. Когда в следующий раз получишь задачу (учебную, рабочую, любую), до начала задай себе три вопроса:
➡️ зачем это тому, кто просит?
➡️ что будет считаться хорошим результатом?
➡️ чего мне ещё не хватает, чтобы сделать это хорошо, и где это взять?

В симуляциях Synapse Lab мы тренируем именно это: не просто решить задачу, а разобраться, какую задачу на самом деле нужно решить. Чтобы привычка копать глубже появилась до первого оффера, а не после.

А у тебя было такое: сделал всё по заданию, а оказалось, что нужно было другое? Расскажи в комментариях 👇

Как перестать путаться в задачах: правило MECE 🧩

Представь: ты открываешь шкаф, чтобы быстро найти худи. Дёргаешь дверцу — оттуда вываливается зимняя куртка, три зарядки от старых телефонов и кроссовки. Ты опаздываешь и в итоге надеваешь то, что лежало на стуле.

Иногда наш мозг ведёт себя так же.

Ты обсуждаешь проект с командой и накидываешь план: «Собрать данные в Excel», «Разобраться с бюджетом», «Доделать презентацию». А потом выясняется, что «данные» и «бюджет» — одна и та же задача, а слайды вообще должен был делать другой человек.

Чтобы такого не случалось, в McKinsey придумали принцип MECE.

Mutually Exclusive, Collectively Exhaustive.
Взаимоисключающие, совместно исчерпывающие.

Звучит сложно, но на деле это правило «идеального шкафа»:

➡️ Mutually Exclusive (ME): ничего не пересекается
Футболка не лежит одновременно на полке «Спорт» и «На каждый день». Нет повторов и задач-клонов.

➡️ Collectively Exhaustive (CE): учтено всё
В шкафу есть всё, что нужно для выхода на улицу. Если ты разбил проект на задачи, никакая мелочь не выскочит из ниоткуда за день до дедлайна.

Разберём на примерах.

📚 Ситуация 1: структура диплома или эссе
❌ Не MECE: в основной части в кучу свалены история, анализ и твои мысли. Непонятно, где заканчивается одно и начинается другое.
☑️ MECE: глава 1 — только теория, глава 2 — только анализ цифр, глава 3 — только выводы.
Результат: текст не дублируется, пункты не наслаиваются друг на друга.

🤝 Ситуация 2: командная работа
❌ Не MECE: Аня делает дизайн и собирает метрики. Макс пишет текст и тоже собирает метрики.
Результат: получилось две разные аналитики, и все запутались.
☑️ MECE: Аня — только визуал. Макс — только текст. Ты — только аналитика.
Результат: у каждого свой блок (ME), и вместе вы закрываете задачу целиком (CE).

Как применить MECE прямо сейчас?
Планируешь неделю или делишь проект? Прогони список через два вопроса:
➡️ Пересекаются ли эти пункты? Если да — объедини или раздели.
➡️ Если сложить всё вместе, получится целое? Если нет — что-то упущено.

Пять минут на такую проверку экономят часы разбора завалов. Как с тем самым шкафом.

А ты используешь MECE в учёбе или работе? Делись в комментариях 👇

Эффект обезболивающего: почему мы решаем одни и те же проблемы по кругу

Если у вас что-то болит, пить лекарство — обычная стратегия. Но плохая. Боль уйдет, но проблема может не исчезнуть, пока вы не дойдёте до врача.

В карьере и бизнесе мы постоянно «пьем лекарство или клеим пластырь».

Помните историю из прошлого поста, где консультант и директор завода пытались понять, почему постоянно встаёт производственная линия? Давайте посмотрим, как именно консультант докопался до сути.

Он не был экспертом в металлургии. Он просто использовал метод, придуманный в Toyota — правило «5 Почему».

Большинство менеджеров останавливаются на первом вопросе:
— Почему встала линия?
— Сгорел подшипник.
Решение большинства: Быстро заменить подшипник. Дать премию механику за скорость.

Но через месяц линия встанет снова. Потому что мы вылечили симптом, а не болезнь. А вот что происходит, если задать вопрос «Почему?» пять раз:

Почему сгорел подшипник? → Потому что не хватило смазки.
Почему не хватило смазки? → Потому что сломался насос.
Почему сломался насос? → Износился вал внутри него.
Почему износился вал? → Попала металлическая стружка.
Почему попала стружка? → На насосе не было фильтра.

Вместо того чтобы каждый месяц покупать дорогие подшипники и терять миллионы на простое линии, завод покупает фильтр за 500 рублей. Проблема решена.

А теперь перенесем это в обычный офис.

Как часто вы сталкиваетесь с тем, что задача сорвана?

1. Почему мы провалили дедлайн по презентации? → Я не успел собрать цифры.
2. Почему не успел? → Аналитики прислали выгрузку слишком поздно.
Обычный вывод: Аналитики плохие, пойду с ними ругаться.

Но копаем дальше:
3. Почему они прислали поздно? → Я поставил им задачу только в среду.
4. Почему в среду? → Думал, им нужен час, а оказалось — два дня.
5. Почему я этого не знал? → У нас нет регламента и понимания, как работают смежные отделы.

Навык докапываться до первопричины (Root Cause Problem Solving) — это то, что отличает крутого специалиста от линейного исполнителя.

Именно этот навык мы качаем в ИИ-тренажерах Synapse Lab - как зачет структурирования найти первопричину, чтобы решить любую сложную задачу.

А какую рабочую или жизненную проблему вы долго лечили «обезболивающим», пока не нашли реальную причину? Делитесь в комментариях 👇

Летающий Tesla Roadster: провал или будущее? Разбираем методом «5 почему» 🚀

На прошлой неделе Tesla показала новый Roadster: машина взлетает, переворачивается в воздухе и приземляется на четыре колеса. Половина интернета в восторге, вторая пишет «так он же не летает, а прыгает».

Кто прав? Отличный повод разобрать технику «5 почему». Суть простая: берёшь проблему и спрашиваешь «почему?», но каждый следующий вопрос задаёшь к предыдущему ответу. Так ты спускаешься от симптома к причине.

Проблема: Roadster не летает по-настоящему, только подпрыгивает.

Почему 1: почему только подпрыгивает?
Подъём дают сопла, которые выпускают сжатый воздух. Этого хватает на прыжок и манёвр, но не на полёт.

Почему 2: почему сжатый воздух, а не реактивный двигатель?
Ничего не горит, а воздух машина может закачивать снова прямо в движении. Для автомобиля это реалистичнее топлива.

Почему 3: почему важно, чтобы это оставалось автомобилем?
Tesla делает не самолёт, а машину, которой люди будут владеть и ездить. Производство планируют с 2028 года.

Почему 4: почему такой машине вообще нужны ускорители?
Roadster — машина не для семьи, а для драйва. Маск прямо говорит: главное здесь не безопасность, а удовольствие от вождения. Ускорители дают разгон до 97 км/ч за 0,81 секунды и трюки, которых нет ни у кого.

Почему 5 (корень): почему Tesla делает ставку на драйв?
По словам Маска, Roadster станет единственной машиной Tesla с ручным управлением. Это витрина для тех, кто любит водить сам. Полёт здесь — эффект, а не цель. Поэтому «не летает» — не провал.

Вот в чём сила метода.
Остановишься на первом «почему» — увидишь «не дотянули до полёта».
Дойдёшь до пятого — поймёшь, что результат оценивали не по той мерке.

Где это пригодится тебе? Возьми свою проблему, например, «не зовут на собеседования», и спускайся вниз:
Почему? Резюме не проходит отбор.
Почему? В нём обязанности, а не результаты.
Почему? …и так, пока не дойдёшь до того, что реально можно исправить.

Одно правило: каждый ответ должен быть фактом, а не догадкой. Иначе пять «почему» превратятся в пять оправданий.

Попробуй разобрать свою ситуацию и напиши в комментариях, до какого «почему» удалось дойти 👇

Два оффера на позицию аналитика: один из банка, другой из ритейла. Как понять, какой выбрать?

Я помню себя на последних курсах университета. Крупные компании приходили и презентовали себя, а дальше оставалось выбрать, чья история звучит убедительнее.

Мне очень хотелось увидеть всю картину целиком. А было ощущение, что я сшиваю лоскутное одеяло.

Сейчас я понимаю, в чём была ошибка.

Я выбирала профессию и компанию. А надо было выбирать ещё и индустрию.

Аналитик в банке, в ритейле и в логистике — это три разные работы. Разный темп, разная культура, разная зарплата. И часто это решает больше, чем название должности.

Я записала короткое видео, где за 5 минут разбираю:

➡️ Чем отличаются финансы, IT, FMCG, промышленность и другие крупные индустрии?
➡️ Почему на похожих позициях в разных отраслях могут платить существенно по-разному?
➡️ Как оценить первый оффер, учитывая не только текущую зарплату, но и перспективы на ближайшие 3 года?

Смотри здесь: https://www.youtube.com/watch?v=vnMO0D-m2_w

А если захочется проверить себя не в теории, на платформе Synapse Lab есть бесплатная симуляция рабочего дня аналитика или продакта.

Между какими индустриями выбираешь ты? Напиши в комментариях, будем разбираться вместе 💬

Екатерина Вавилова

Завтра мы на Дне карьеры экономфака МГУ 👋

Будем проводить карьерные сессии. Формат простой: садимся вместе и разбираем, куда ты движешься и чего не хватает, чтобы туда дойти.

➡️ какие роли сейчас реально ищут и что за ними стоит
➡️ как понять, хватает ли твоих навыков для старта
➡️ с чего начать, если пока непонятно, куда вообще хочется

Без общих слов, только твоя ситуация и следующий шаг.

📍 Время с 12.30-16.00
Место: Экономфак МГУ, 2й этаж - следуй по указателю «Карьерные сессии»

Если будешь рядом, подходи. Если знаешь кого-то с экономфака, перешли им пост 🙌

Поздравляем нашего Партнера - МГУ, им. М. В. Ломоносова с 17-ым местом в Московском международном рейтинге «Три миссии университета»-2026!

▪️Всего в рейтинг вошли 2000 университетов из 111 стран, включая 151 вуз из России

▪️1-ое место занял Гарвардский университет, 2-ое — Массачусетский технологический институт (MIT), далее - британские Оксфорд и Кембридж

▪️В топ-300: СПбГУ - 48-е, МФТИ — 63-е, НИУ ВШЭ - 143-е, НГУ- 233-е, МГТУ имени Баумана - 287-е место

Три объективных критерия определяют итоговую оценку и место в рейтинге: качество образования, научная деятельность и взаимодействие с обществом.

А какой вуз в твоем личном топе? Пиши в комменты