Backend-разработчик в продукт для отделов продаж — Хамедов Санжар Рустанжон Оглы

Что за продукт

Отделы продаж в B2B тратят часы на ручной поиск: кому звонить, что у компании происходит, с чего начать разговор. Мы решаем эту проблему.

Продукт собирает данные о российских компаниях из государственных реестров и сайтов, находит по каждой недавнее событие (выиграла тендер, сменила директора, наняла логистов, открыла филиал), отвечает на произвольный вопрос клиента по сайту компании с подтверждающей цитатой и собирает подсказку для первого касания. Клиент получает таблицу, где каждая строка – это компания, с которой можно работать сегодня, и повод, почему именно сегодня.

Похоже на Clay, только для российских юрлиц и без базы контактов физлиц.

Что уже подтверждено

Продукт продаётся и работает у клиентов. Несколько результатов из последних проектов:

• IT-интегратор: 2 231 компания с сигналом роста → 38 ответов руководителей уровня CEO → оплаченный контракт за 2 месяца. Первые ответы на 14-й день.
• Перевозчик негабарита: 112 лидов с ЛПР за 6 месяцев по сигналу «на сайте компании тяжёлый груз».
• Поставщик для застройщиков: 36 ответов по сигналу «у компании новый проект в продаже», застройщики сами просят демо.

Почему открываем позицию

Код сейчас пишет основатель. Клиенты платят, задач стало больше, чем он успевает делать между продажами и внедрениями. Пора отдать инженерную часть человеку, который будет ею заниматься постоянно и вырастет вместе с продуктом.

Вы будете первым инженером в компании. Начинаем с частичной занятости: задач пока на 40 часов в месяц, и честнее платить за них, чем обещать полную ставку без объёма. Как только поток задач станет постоянным, а по плану это начало 2027, оформляем в штат на полный день.

Чем вы будете заниматься

Если коротко, вы отвечаете за то, чтобы данные собирались, обрабатывались и доезжали до клиента в срок и с нужным качеством. Внутри это четыре вещи:

Сбор данных. Продукт ходит в десяток источников: государственные реестры, платные API, сайты компаний. Вы делаете так, чтобы сбор был устойчивым: источник упал или сменил разметку, а поставка всё равно вышла. Замеряете, сколько стоит одна запись, и находите, где сэкономить.

Обработка. Из сырых данных собирается профиль компании и событие, которое стало поводом для разговора. Вы поддерживаете и расширяете эту логику: новые типы событий, новые источники, новые поля под запросы клиентов.

Ответы ИИ. Клиент задаёт вопрос, модель отвечает по сайту компании. Ваша задача — чтобы каждый ответ подтверждался цитатой из текста страницы, а повторный запуск давал тот же результат. Здесь много интересной работы с LLM в проде: детерминированность, проверка результата кодом, кэширование, запасной поставщик.

Поставка. Обогащённые записи уходят клиенту таблицей, а дальше прямо в его CRM. Вы делаете так, чтобы запуск, статус и выдача работали из интерфейса оператора, без ручных шагов на сервере.

Первая большая цель — собрать и отгрузить поставку на 20 000 записей действующему клиенту так, чтобы весь путь от запуска до выдачи прошёл в автоматическом режиме и себестоимость записи была известна цифрой. По дороге вы разберётесь в коде, замерите узкие места и сами предложите, что чинить дальше.

Интерфейс уже есть, работает, и на этом этапе его достаточно поддерживать. Основная работа бэкенд и данные.

Как устроена работа

Задачи приходят письменно, с целью и критерием приёмки. Как именно решать, выбираете вы. Раз в неделю созвон с основателем: разбираем сделанное, планируем следующее. Остальное в переписке, в удобное вам время.

Что нам важно в вас

• Уверенный Python.
• Опыт с данными в бою: парсинг с троттлингом и блокировками, платные API, миграции без потери данных, фоновые задания.
• Работали с LLM в продуктовом коде и проверяли результат кодом.
• Понимаете, как устроен проект: слои, границы модулей, где живёт состояние, как добавить источник, чтобы остальное не сломалось.
• Пишете код с нейросетями как основным инструментом (Claude Code, Codex, Cursor или аналог) и делаете это быстро. При этом читаете всё, что сгенерировано, и можете объяснить каждую строку. Мы ценим и скорость, и понимание.
• Уверенно чувствуете себя на Linux-сервере без панели.
• Пишете тесты. Результат работы формулируете цифрой на выборке.
• Фронт на уровне поправить страницу или добавить кнопку. Этого достаточно.
• Будет плюсом опыт работы в таких компаниях как Контур Компас (Контур Фокус), Rusprofile, Dadata, Датаньютон и т.д.

Как мы работаем

• Самостоятельно. Вы получаете цель и критерий, дальше решаете сами. Если задача поставлена криво, говорите об этом сразу, и мы её переставим.
• Оценка сроков может плавать, это нормально. Главное, чтобы мы узнали об этом первыми.
• Опираясь на замеры. «Доля доменов с ответом выросла с 54 до 71 % на выборке 200» — вот так выглядит хороший отчёт.
• Просто. Если можно закрыть задачу настройкой, закрываем настройкой. Сложные решения оставляем на момент, когда они реально понадобятся.
• С инициативой. Видите, что можно улучшить, — предлагаете. Видите, что критерий выполнен, а клиенту это не поможет, — говорите. Такие замечания у нас ценятся.

Что вы получите

• Продукт, который уже продаётся, и клиентов, которые ждут результата вашей работы. Обратная связь от рынка приходит за недели, а не за годы.
• Полную ответственность за инженерную часть с первого дня. Технические решения принимаете вы.
• Работу с реальными данными о российском бизнесе и с LLM в проде, где важна проверяемость, а не демо.
• Рост вместе с компанией: от первого инженера к тому, кто будет собирать команду, когда она понадобится.
• Гибкий график и удалёнку.

Условия

• На старте: договор с самозанятым, задачи с ценой и сроком, оплата после приёмки. Загрузка около 40 часов в месяц.
• После выхода на постоянную загрузку: трудовой договор, полный день, оклад от 190 000 ₽. Предусмотрен опцион для первых сотрудников.
• Права на код переходят компании, это в договоре.
• Тестовое задание на 3–4 часа оплачивается.

Как откликнуться

В отклике ответьте на три вопроса, каждый в 3–5 предложениях:

1. Опишите свой проект, где данные стоили денег за запрос или за строку. Сколько стоила одна запись, как вы это считали, что сделали, чтобы снизить, и на сколько снизили.
2. Расскажите про последний случай, когда нейросеть при написании кода вас подвела: что она сделала не так, как вы это заметили, что изменили в работе с ней после этого.
3. Опишите проект, где источник данных сломался в проде (сменил разметку, начал отдавать 403, ввёл лимиты). Как узнали, сколько времени прошло до починки, что изменили, чтобы в следующий раз узнать раньше.

Мы читаем каждый отклик с ответами на эти вопросы и отвечаем всем, кто их прислал. Ссылка на GitHub будет плюсом.