Poznaj Natalie, liderkę ds. pozyskiwania talentów w dziedzinie nauki w Amazon Ads

Poznaj Natalie Matushevsky, liderkę ds. pozyskiwania talentów z Bostonu specjalizującą się w rekrutacji pracowników technicznych i kadry kierowniczej. Natalie pełni obecnie funkcję szefa rekrutacji na stanowiska naukowe w Amazon, koncentrując się na doświadczonych, utalentowanych osobach do pracy w Amazon Ads, IMDb oraz w dziale ds. urządzeń i usług. Podczas pracy w Amazon Natalie pomogła wielu zespołom w zatrudnieniu utalentowanych osób do wspierania rozwoju nowych produktów od początkowej koncepcji do wdrożenia na pełną skalę.

Natalie jest świetnym obserwatorem i wie, co sprawia, że Amazon Ads jest ekscytującym miejscem, w którym naukowcy chętnie wprowadzają innowacje i przyczyniają się do jego rozwoju. W tym wywiadzie Natalie dzieli się swoimi spojrzeniami dotyczącymi pracy, jaką wykonują naukowcy, sposobu, w jaki kandydaci mogą przygotować się do rozmowy kwalifikacyjnej, oraz kultury, która definiuje role naukowe w Amazon Ads.

Myślę, że tym, co wyróżnia Amazon Ads, jest bliski kontakt naszych naukowców z klientami reklamowymi i konsumentami. W przeciwieństwie do innych dużych firm technologicznych, w których naukowcy mogą pracować nad abstrakcyjnymi problemami, praca naszych naukowców bezpośrednio wpływa na to, jak marki łączą się z klientami. Nasi naukowcy mogą stawiać czoła wyzwaniom na dużą skalę, od pomagania autorom wydającym samodzielnie swoje utwory w znalezieniu odpowiednich grup odbiorców po optymalizację kampanii dla dużych korporacji, takich jak Hyundai czy marka Marthy Stewart.

Wyzwania, którym nasi naukowcy pragną stawiać czoła, są zawsze ukierunkowane na klienta i dostosowane do nowych lub ulepszonych produktów, których poszukują nasi klienci. Nie sądzę, aby było to wyjątkowe dla nauki jako takiej. „Pracuj z pasją dla klienta” to misja obowiązująca wszystkich w Amazon. Ona istnieje w naszym DNA.

W tym roku zespół koncentruje się na generatywnej sztucznej inteligencji, aby zoptymalizować całościowy cykl obsługi klienta zarówno dla dużych, jak i małych marek. Nasi naukowcy zastanawiają się nad na przykład takimi pytaniami: „Jak sprawić, aby unikalna, spersonalizowana kampania była odpowiednia dla mniej znanej marki z ograniczonym budżetem? W jaki sposób można pogłębić zrozumienie optymalizacji lejków przez obecnych klientów? Jakie narzędzia możemy wprowadzić i pilotować, aby były łatwo dostępne do samodzielnego użytku? Gdzie możemy wykorzystać nowe technologie, aby wzmocnić kreatywną wizję”? Te tematy są od dawna poruszane w branży reklamowej, ale sposób działania szybko się zmienia. Tworzymy „kluczowe podejście” do produktów dla różnej wielkości klientów — od autorów wydających samodzielnie swoje utwory do znanych marek urządzeń gospodarstwa domowego. Innowacje w dziedzinie sztucznej inteligencji sprzyjają unikalnym i wyselekcjonowanym doświadczeniom dla obu typów klientów.

Największą rzeczą, jaką doceniają nasi naukowcy, jest możliwość sprawdzenia, czy opracowane przez nich techniki lub zastosowania działają w czasie rzeczywistym. W Ads cenimy zarówno naukę stosowaną, jak i teoretyczną. Nasi naukowcy mogą testować różne techniki i pomysły, a następnie wprowadzać je na rynek, aby je weryfikować, poznawać i udoskonalać w celu poprawy ogólnego zadowolenia klientów. Obserwowanie procesu wcielania w życie teoretycznych koncepcji dzięki ścisłej współpracy z działami ds. inżynierii, projektowania, produktu i dystrybucji umożliwia naukowcom wszechstronny rozwój kariery w zakresie wprowadzania nowych koncepcji w życie. Konsekwencją tego procesu jest głębsze zrozumienie „oddziaływania na dużą skalę” i tego, czego faktycznie potrzeba, aby wprowadzić nowy produkt na rynek z uwzględnieniem konieczności rozwiązywania po drodze rzeczywistych problemów i rozumienia kompromisów.

Amazon kładzie duży nacisk na własność, widoczność i odpowiedzialność. Umiejętność zrozumienia kompromisów w procesie rozwiązywania rzeczywistych problemów nie jest oficjalną zasadą przywództwa obowiązującą w Amazon, ale właśnie tej cechy szukamy u osób, które chcą z nami współpracować. Kiedy rekrutujemy naukowców, członkowie mojego zespołu zadają sobie pytania: „Jak bardzo kreatywny może być kandydat? Czy potrafi przekazać swoją wizję i zmobilizować innych wokół siebie, aby zrozumieli, co próbuje osiągnąć? Czy potrafi uczyć się na własnych błędach i wykorzystywać wnioski w dalszej pracy”?

Praca w organizacji takiej jak Amazon może być czasami wyzwaniem dla naukowców, którzy rozpoczęli tutaj pracę bezpośrednio po ukończeniu szkoły wyższej. Nagle okazuje się, że terminy i dodatkowa komunikacja po drodze zostają skompresowane w krótsze ramy czasowe. Niektórzy muszą się dostosować. Jednocześnie dla wielu ludzi jest to wielka okazja do doskonalenia nowych umiejętności. Rygor, wdrażanie podstawowych zasad i wiedza o tym, kiedy podnieść rękę, aby współpracować lub zasięgnąć porady w zespołach, mają swoją wartość. Kładziemy nacisk na sposób myślenia „myśl odważnie, daj sobie czas”, co jest ciekawym problemem do rozwiązania, biorąc pod uwagę liczbę klientów, do których docierają nasze produkty. Amazon jest wymagający, ale jednocześnie ekscytujący!

Szukamy różnych zakresów umiejętności w zależności od poziomu, rodzaju produktu i zespołu. Na poziomie zaawansowanym zdecydowanie szukamy osób, które mogą bazować na swoich wcześniejszych doświadczeniach i powiązać je z naszymi zasadami przywództwa. Na przykład jeśli kandydat zdecydowanie hołduje zasadom „Ucz się i bądź ciekawy” oraz „Wykazuj się postawą właścicielską”, pomoże mu to odnieść sukces w Amazon. Krótko mówiąc, szukamy inteligentnych, pracowitych, dociekliwych osób, które są zmotywowane do rozwiązywania złożonych problemów.

Szukamy również osób, które potrafią zrozumieć skalę zasięgu firmy Amazon i udowodniły, że potrafią działać na dużą skalę na bardziej doświadczonym poziomie. Wyjaśnienie skali, w jakiej pracujemy w porównaniu z innymi firmami, jest prawdopodobnie najtrudniejszą kwestią do wyjaśnienia potencjalnym kandydatom. Szczerze mówiąc, sama zrozumiałam to dopiero wtedy, gdy dołączyłam do zespołu.

Największe wyzwania, jakie napotykamy, gdy szukamy najlepszych talentów, są zwykle specyficzne dla danej dziedziny — na przykład znalezienie odpowiedniego specjalisty w zakresie rozpoznawania obrazu lub inżynierii optycznej. W kontekście generatywnej sztucznej inteligencji, w zależności od tego, jaki problem próbuje rozwiązać firma, możemy potrzebować naukowców, którzy pracowali nad określonym typem dużych modeli językowych. Jesteśmy jednak otwarci na zatrudnianie naukowców z różnych dziedzin.

Niekoniecznie. To zależy od konkretnej roli i tego, na jakim etapie rozwoju produktu znajduje się zespół. Zrozumienie podstawowych ram jest ważne, ale zatrudniamy naukowców z różnych środowisk, takich jak usługi finansowe, opieka zdrowotna, środowiska akademickie oraz duże i małe firmy z branży technologicznej. Oczywiście, jeśli zamierzasz kierować uznanym zespołem naukowców w dziedzinie technologii reklamowej, warto mieć wcześniejsze doświadczenie, dzięki czemu można się szybciej wdrożyć, ale generalnie nasi naukowcy przyjeżdżają tu z różnych środowisk i rozwijają różnorodne ścieżki kariery.

Powinni poważnie traktować etap przygotowawczy. W zależności od poziomu i doświadczenia kandydata organizowane przez nas rozmowy kwalifikacyjne trwają od pięciu do sześciu godzin i koncentrują się zarówno na zasadach przywództwa, jak i możliwościach technicznych. Przygotowujących się kandydatów zachęcam do sprawdzenia dziedzin, które wymienili w swoich życiorysach, przypomnienia sobie podstawowych zasad kodowania i przejrzenia publikacji, które napisali lub do których wnieśli wkład, ponieważ osoby przeprowadzające rozmowy kwalifikacyjne mogą chcieć głębiej zrozumieć wcześniejsze doświadczenia badawcze kandydatów. Zachęcam również kandydatów do nieszablonowego myślenia. Jeśli wcześniejsze doświadczenia kandydata nie pozwalają na udzielenie odpowiedzi na pytanie zadane przez rekrutera, może przyznać, że nie jest to problem, z którym się wcześniej spotkał, ale nadal powinien spróbować znaleźć na nie teoretyczną odpowiedź. Rekruterzy chcą poznać sposób myślenia kandydata i wnioski, jakie może on przedstawić w oparciu o swoją wizję, doświadczenie i proces myślowy. Kandydat powinien skoncentrować się na tym, co wnosi, na co wywarł wpływ i jak radził sobie z porażkami lub wyzwaniami.

Nasza społeczność naukowców w Amazon obejmuje znacznie szersze obszary niż tylko reklamy. Nauka jako dziedzina pracy jest bardzo ugruntowana w Amazon. Mamy rozwiniętą sieć współpracowników, którzy pracują wspólnie podczas wydarzeń — zarówno wewnętrznych, jak i zewnętrznych. W firmie od kilku lat organizujemy coroczną konferencję uczenia maszynowego dla naszych talentów naukowych. To fantastyczna platforma, na której każdy zespół może zaprezentować swój wkład w rozwój całej branży. Dodatkowo regularnie odbywają się rozmowy panelowe i dyskusje technologiczne, podczas których naukowcy mogą podnosić swoje umiejętności i rozwijać sieć kontaktów. Mieliśmy kilku fantastycznych innowatorów, którzy wymieniali się z członkami naszych zespołów spostrzeżeniami na różne tematy. Niektórzy z nich nadal współpracują z naszymi zespołami.

To, co uwielbiam w nauce w Amazon, to to, że nasze myślenie o zatrudnianiu wykracza poza standardowe role. Dołączyłam do Amazon, aby pomóc zwiększyć zasięg programu Amazon Scholars, i mój zespół wykonał fantastyczną pracę, rozszerzając program Amazon Scholars na profesorów nadzwyczajnych i doktorantów. Oznacza to, że innowatorzy, którzy są zaangażowani w działalność akademicką, mogą poświęcić swój czas w okresie letnim, podczas urlopu naukowego lub w niepełnym wymiarze godzin w ciągu roku i pracować razem z naszymi naukowcami nad testowaniem i wypróbowywaniem teorii w praktyce.

Jeśli dzięki Twojemu wsparciu kilka zespołów z powodzeniem wprowadziło na rynek niesamowite nowe produkty, to odczuwa się wielką satysfakcję, że Twoja praca pozytywnie wpływa na naszych klientów, a Ty możesz budować kolejne elementy udanej kariery naukowej.