20-летний студент Middlebury College Макс Фридлендер стал пятым сотрудником Petrarch — стартапа из батча Y Combinator S26, который поставляет данные для передовых AI-лабораторий. История показывает, что ранний сотрудник стартапа может получить доступ к продажам и переговорам высокого уровня быстрее, чем успеет оформить первую корпоративную презентацию, сообщает Y Combinator Blog.
Фридлендер изучает прикладную математику и до Petrarch делал голосовых AI-агентов для сервисного бизнеса. Знакомство с будущими работодателями началось с сообщения в LinkedIn: один из основателей, Иан, хотел обсудить данные для голосового ИИ. Макс не стал изображать восторг и прямо сказал, что первоначальная идея, по его мнению, не сработает. Разговор на этом не закончился. Когда команда упомянула предстоящее интервью в Y Combinator, Фридлендер попросил держать его в курсе, а после принятия стартапа в программу получил предложение о стажировке.
У него были более привычные варианты: позиции SDR и business development в крупных компаниях. Но именно предсказуемость этих предложений стала аргументом против них. Фридлендер выбрал маленькую команду, где можно быстро ошибаться, переделывать и видеть последствия своих решений. Для начинающих специалистов это важная поправка к популярному совету «идти в стартап ради опыта»: опыт сам по себе ничего не гарантирует. Ключевой вопрос — дают ли человеку реальную зону ответственности, а не только доступ к общему чату и календарю руководителя.
В Petrarch она появилась почти сразу. В первые месяцы Макс стал самостоятельно вести сделки, обсуждать условия контрактов, координировать коммуникацию между сторонами и заниматься юридической проверкой. В одном случае команда уже считала, что закрыла контракт на сумму в несколько десятков тысяч долларов, но договорённость сорвалась в последний момент. Фридлендеру пришлось за 36 часов пересобрать условия сделки и получить три подписи. Это не история о героическом аврале как норме работы, а довольно точное описание ранней стадии: процессов ещё мало, цена ошибки заметна, а право принять решение часто приходит вместе с обязанностью всё исправить.
Параллельно он автоматизирует собственную воронку. Фридлендер собрал скрейпер и набор инструментов для поиска нишевых лидов и автоматизации первичного контакта, чтобы заинтересованные потенциальные клиенты бронировали встречу прямо в его календаре. В рабочем стеке — Claude Code в терминале, Apollo и VS Code. Примечательно здесь не перечень сервисов, а смена роли: ранний сотрудник стартапа в продажах всё чаще не ограничивается CRM и письмами. Он сам строит небольшие внутренние инструменты, проверяет гипотезы о целевой аудитории и сокращает ручную работу там, где она мешает скорости.
Для разработчиков и продакт-менеджеров этот кейс — напоминание, что рынок AI-инфраструктуры состоит не только из моделей и GPU. Лабораториям, создающим передовые модели, нужны данные, а компаниям вокруг этого спроса — люди, способные одновременно понимать продукт, разговаривать с заказчиком и быстро собирать рабочие процессы. Такая универсальность особенно ценна в командах, где нельзя передать задачу отдельному отделу продаж, юристам, аналитикам и инженерам по автоматизации.
При этом романтизировать формат не стоит. Фридлендер прямо говорит о резких эмоциональных перепадах: хорошие и плохие дни в стартапе ощущаются сильнее, чем в его прежней работе. Компенсацией он называет влияние на стратегию и отсутствие жёсткой дистанции по должностям: основатели прислушиваются к идеям команды, а коллеги примерно одного возраста могут одновременно серьёзно разбирать контракт и шутить в перерывах. Для HR это тоже полезный сигнал: раннему найму недостаточно продать опционы и слово «автономия». Нужно честно объяснить темп, риск и то, какие решения человек действительно сможет принимать.
Фридлендер планирует однажды запустить собственную компанию и считает, что постоянная практика снижает страх действовать как основатель. Вероятно, именно это становится главным карьерным продуктом ранних AI-команд: не строка в резюме и не набор модных инструментов, а привычка брать на себя неопределённые задачи. По мере роста рынка данных для ИИ спрос на таких людей будет расти — но вместе с ним вырастет и требование отличать самостоятельность от банального отсутствия поддержки.
