От софтверного инженера к AI‑исследователю: путь через Воронеж, Лондон и Mistral AI
История карьерного перехода: от веб‑разработки в Воронеже до индустриального AI‑исследования в Mistral AI и Revolut, с опытом в Meta, Сколтехе и двумя магистратурами.
Как всё начиналось
В 2020‑х годах автор работал в небольших аутсорс‑компаниях Воронежа, разрабатывая веб‑проекты и участвуя в локальных конференциях. Технические задачи были интересны, но ощущение «тупости» в быстро меняющемся мире AI всё сильнее давило.
Переезд в Лондон и первые шаги в AI
В 2022 году он переехал в Лондон, где получил стажировку в Meta. Там впервые столкнулся с масштабными инфраструктурными решениями для машинного обучения и открыл для себя открытый код. Опыт работы с трансформерами и участие в внутренних исследовательских проектах подтолкнули к мысли о профессиональном росте в AI.
Образование и публикации в России
Вернувшись в Москву, автор поступил в Сколтех на вторую магистратуру по «Интеллектуальным системам». За два года подготовил несколько научных статей, опубликованных в международных журналах, и начал вести собственный блог о практических аспектах AI‑исследований.
Возвращение в Лондон: Mistral AI и Revolut
В 2025 году открылась вакансия в Mistral AI – стартапе, специализирующемся на открытых LLM. Присоединившись к команде, он стал работать над индустриальными моделями, ориентированными на финансовый сектор. Позже перешёл в Revolut, где отвечает за интеграцию AI‑моделей в продукты компании.
Что дальше?
Автор отмечает, что путь к AI‑исследованиям полон неопределённостей, но каждый новый проект открывает «кучу приключений». Он планирует продолжать публикации, участвовать в конференциях и развивать open‑source инициативы, делясь опытом с начинающими инженерами.
История показывает, что переход от разработки к исследованию AI возможен даже без академической карьеры в топ‑университетах. Практический опыт в крупных компаниях (Meta, Mistral) и две магистратуры дают сильный фундамент. Для студентов это сигнал: стоит активно участвовать в open‑source проектах и публиковать результаты, чтобы ускорить переход в индустриальный AI. Однако путь требует готовности к постоянному обучению и ощущению «незнания», что является нормой в быстро меняющейся сфере.
