Саркис Григорян:
Добрый вечер! Четверг, 7 часов, и мы с вами традиционно встречаемся в студии радио Mediametrics в передаче «Искусство интеллекта». Сегодня у нас в гостях Никита Блинов – сооснователь и ceo компании Rubbles, очень интересной компании, которая занимается обработкой данных для банковского сектора, для ритейла. И компания эта еще интересна тем, что у нее очень красивая история: стартап, выходцы из Яндекса (нашего всего), вышли на зарубежные рынки, инвестиции… Все прямо здорово, причем на волне сейчас модной big date и искусственного интеллекта. Вот расскажи чуть-чуть немножко о компании, как так у вас быстро все и интересно получилось? Потому что вы – интересная общая история для российского рынка.
Никита Блинов:
Всем добрый вечер! Спасибо большое, в первую очередь, за приглашение! Не могу сказать, что это было прямо очень быстро. Действительно, мы – я и 2 моих сооснователя снова Саша Фонарев и Влад Лисицкий – мы вместе работали в Яндексе. Занимались при этом довольно разными направлениями внутри Яндекса: как довольно глубоко аналитическими, с точки зрения анализа данных, так и вполне такими обще-менеджерскими, прямого отношения к Data Science не имевшими. Начинали мы именно Rubbles как компанию, которая работает с банками, то есть банки – это наша такая история, с чего мы начали, довольно долго занимались только ими. И наш, на самом деле, международный выход, он именно по банковскому направлению был осуществлен. Где-то пару лет назад, наверное, мы начали активно заниматься, действительно, ритейлом, предсказанием спроса, в частности, как такой основополагающей задачей, использующей Data Science в ритейле. Мы работаем с лидерами индустрии: с Х5 Retail Group, с М.Видео, с KFC, с большим количеством других игроков. И, на самом деле, поняли, что просто в целом сейчас этот тренд, он идет в абсолютно разные отрасли. Довольно очевидно, но именно не хайп, когда об этом все говорили, а именно реальное внедрение в реальный бизнес-процессы выходит за пределы и банка, и ритейла, и таких B2C-отраслей, уходит в более классическую промышленность. Этим тоже занимаемся, но относительно недавно, где-то с прошлого года, наверное. Вот, как-то так! В целом у нас заняло порядка пяти лет.
Саркис Григорян:
А как было решено выйти на зарубежный рынок, почему? Вам было здесь тесно, или вы поняли, что просто решили стать глобальными, или как?
Никита Блинов:
Это тоже было довольно давно, то есть где-то через год после того, как мы, в принципе, начали что-то делать. Мы просто поняли, что цикл продаж в такие крупные корпораты как банки, ритейл и так далее довольно длинный, и нет смысла себя ограничивать каким-то одним рынком. И при этом второй немаловажный фактор (на тот момент в конкретных банках, но в целом это верно для всех): нельзя сказать, что именно в этих индустриях Россия как-то отстает, хотя, в общем и целом, принято считать, что Россия во многих индустриях (справедливо) отстает от Запада. В частности, в тех местах, где мы работали, это было и продолжает быть не так, особенно в банкинге. И мы просто поняли, что ничего не мешает этим заниматься, скажем так, в таком формате. Почему нет, почему не попробовать? «Мы здесь ничего не теряем, там можем многое приобрести, давайте пробовать!» – такое было принято решение. Конечно, если бы мы знали, наверное, все те проблемы и трудности, с которыми нам придется столкнуться, мы бы как-то по-другому думали, но тогда как бы такой оппортунизм превалировал.
Саркис Григорян:
А что основное, какие трудности были, что вы думали по-одному, а получилось по-другому? Ты так с улыбкой об этом сказал…
Никита Блинов:
Да, такой опыт отразился на моем лице. На самом деле, основная трудность, если так резюмировать – это просто другая культура. Причем не же какого-то абстрактного – там и здесь. Здесь как бы это понятно – это одна страна в целом, а там – это очень разное, там есть Северная Америка, есть Западная Европа, причем она довольно сильно фрагментированная. Там, условно, работа в этой сфере в Испании и (не знаю) в Скандинавии – это абсолютно две разные просто вселенные! Есть еще Азия, куда мы, на самом деле, забегая вперед, более успешно, скажем так, вышли и на которой фокусируемся сейчас (я имею в виду Юго-Восточную Азию, в частности). Это абсолютно как бы разные вещи, и довольно сложно… То есть, по сути, для того, чтобы преуспевать на этих рынках, нужно быть на них локальными, с точки зрения управляющей команды, в первую очередь. И опять же технологии более-менее везде одинаковые, но то, чем мы занимаемся, это, на самом деле, только на определенный процент про технологии, про искусственный интеллект, но еще на очень большой часть это про бизнес-процессы, про культуру, про работу с людьми. И вот эти вещи, они как раз очень сильно отличаются от страны к стране. И для того, чтобы эти отличия все понять, учесть и в рамках этих отличий преуспеть, нужно быть местным (на довольно существенную часть своего времени, как минимум) в этих странах. На тот момент, когда мы начинали это делать, мы это не осознавали настолько. Ну, как бы это звучит очевидно, возможно, но…
Саркис Григорян:
Туризм с эмиграцией…
Никита Блинов:
Ну, да, это вот из этой серии. И на тот момент казалось, что как бы… Ну, мы входили конкретно в Западную Европу, про Азию и Америку мы не думали. Оказалось, она фрагментирована. Какая разница, грубо говоря, по встречам летать из Лондона, или из Москвы? Нет какой-то одной точки притяжения в Западной Европе, поэтому мы пытались делать из Москвы. У нас были там части локальных команд такие удаленные, но в целом это, в общем, не заработало без полного погружения в конкретный рынок в смысле географии. На тот момент у нас просто не было такого ресурса, чтобы и здесь продолжать расти и работать, и настолько погружаться в какой-то другой рынок. Поэтому первый опыт был не очень удачным, мы сделали из него выводы и пошли уже в более серьезные, более конкретные рынки.
Саркис Григорян:
За инвестициями и снова в бой?
Никита Блинов:
Ну, инвестиции, скорее, были до этого, то есть это было параллельно, но в целом да.
Саркис Григорян:
Скажи, вы выработаете все-таки с данными, насколько есть разница в работе с данными здесь и в Европе, с точки зрения GDPR и всех вот этих законов, большая ли разница?
Никита Блинов:
Да, разница существует, я не могу сказать, что она прямо гигантская. Любые большие корпорации, независимо от страны, на самом деле, довольно трепетно относятся к данным, особенно, если это касается (в нашем случае) банковских данных. Даже дело не в том, что они банковские, дело в том, что они конкретным физическим лицам, по сути, принадлежат. Например, в том же ритейле с этим проще, потому что это данные, грубо говоря, продажи шоколадок. Даже если они утекут, допустим, куда-то, в общем, это тоже неприятно, конечно, но это не то же самое совсем, что банковские данные о транзакциях куда-то утекут, поэтому отношение разное. То есть тут, скорее, важны не географические принципы отношения к данным, а типы данных сами по себе. И в банкинге, конечно, с этим очень строго, и GDPR, PSD2, вот эти все директивы западноевропейские, они дополнительно усиливают внимание к этим всем вопросам. Было непросто, но, с другой стороны, не смотря на все эти вещи, у нас были кейсы, когда нам западноевропейские банки для пилота данные отгружали в облако. В России сейчас тоже есть такие кейсы, но это исключение, а там это случается. Например, в той же Скандинавия (я почему говорил, что очень сильно еще от страны зависит), в той же Скандинавии многие банки уже прямо полноценно переезжают на облака, что в других местах мы вообще не встречали, и для многих банков это кажется нонсенсом, а там это более-менее начинает работать, скажем так. То есть тут, скорее, больше индустриальные есть аспекты, чем страновые, но страновые тоже есть, но они как бы неоднозначны, скажем так.
Саркис Григорян:
Кстати, касаемо страновых, касательно прописки компании, встречали ли вы какие-то сложности, или, может быть, что-то изменилось в последнее время с этим?
Никита Блинов:
Ну, у нас компания инкорпорирована вне России, та структура, по крайней мере, которая выступала лицом для наших внероссийских историй. Сложно сказать, есть формальная часть вопроса, то есть, по сути, прохождение формальных процедур прокьюремента в больших организациях, там все довольно понятно. Если это Европейский союз или Америка, то проблем быть не должно. Но есть такая менее формальная часть вопроса, но это, скорее, вопрос не инкорпорации, а вопрос, где IP производится (именно даже не принадлежит, а производится)? Если все понимают, что у тебя ключевая часть команды находятся в Москве, в России, на это могут смотреть неоднозначно, скажем так, в Западной Европе, хотя при этом юридически все инкорпорировано в Европейском союзе. То есть это такой вопрос… Вообще, любые продажи крупным корпоратам, а уж тем более, если дело касается данных – это вопрос доверия, в первую очередь. А доверие складывается из большого количества маленьких аспектов – это и, действительно, где у тебя компания инкорпорирована, и где у тебя команда, на самом деле, сидит при этом, и кто эта команда, и кто у тебя среди акционеров, то есть, какие фонды, не фонды, физики, люди, граждане какой страны и так далее. То есть очень много таких вещей, они, к сожалению, наверное, все играют роль. То есть это не исключительно вопрос качества продукта и твоих показателей, это еще и вопрос вот таких вещей, которые довольно субъективны в целом.
Саркис Григорян:
Кстати, про доверие, я прочитал эту историю, расскажи подробнее про то, как вас в Банк Америки пригласили, и вы там какие-то лекции читали, или что-то такое рассказывали про технологии…
Никита Блинов:
Да, было дело, это немножко было необычно, потому что это был 16-ый год. Вообще, когда мы выходили в Европу, когда начинали, поскольку у нас было мало денег, наша стратегия была через акселераторы. То есть нам нужно начать работать, допустим, с европейскими банками, а как к ним выйти на какие-то целенаправленные, большие, сложные системы продаж? У нас денег нет, а у них есть акселераторы, хакатоны, такого рода активности, где они сами открывают двери таким молодым стартапам, коими мы тогда были. Мы попали в один из таких акселераторов с Мастеркардом, это прямо его программа в Дублине, 3 месяца ее проходили. Через какое-то время после этого (через полгода где-то) Mastercard, та же команда, которая хостила этот акселератор, она уже как своему клиенту Bank of America в Шарлотт проводила большой недельный а-ля воркшоп как раз про персонализацию мобильных банков (это ровно то, чем мы занимаемся) и позвала нас, потому что мы были в их портфеле таких партнерских проектов (более-менее единственные на тот момент, кто занимался этой темой), позвала нас поучаствовать в этом воркшопе. Мы его открывали с полуторачасовой, кажется, или двухчасовой лекцией: вообще, что такое персонализация, как она работает, зачем это нужно? Очень такой базовый был рассказ, вообще, что это такое, людям, которые, судя по всему, вообще первый раз про это слышали. Дальше была неделя воркшопа, мы там тоже как-то участвовали, но уже в меньшей степени.
Саркис Григорян:
Круто!
Никита Блинов:
Это, скорее, свидетельство не того, насколько мы классные, а свидетельство того, насколько рынок был абсолютно…
Никита Блинов:
…никого кроме вас не было?
Никита Блинов:
Ну, по сути, да. Ну, кто-то, конечно, был, там были наши конкуренты, если в глобальном масштабе говорить. Просто так сложилось, что мы с Мастеркардом были в партнерских отношениях и продолжаем быть, на самом деле, до сих пор они регулярно нам что-то приводят, в смысле банков. Просто это уже не настолько странно выглядит, как тогда, когда, по сути, вчерашние студенты поехали через полмира из России в один из крупнейших банков Америки, по сути, такой воркшоп проводить по персонализации. Это просто свидетельство незрелости рынка было, сейчас, конечно, такое уже невозможно.
Саркис Григорян:
Есть вопрос относительно работы с данными в компании, потому что много компаний внутри себя создают отделы, которые занимаются data science и всеми этими методами. И есть два мнения: одни говорят, что лучше растить такую команду у себя и обрабатывать свои данные, учиться и так далее; другие говорят, что нет, лучше отдать тем, кто в этом профессионалы, пусть они этим занимаются. Здесь есть обратный вопрос: они компетенцию свою растят, мы внутри нет. Вот что ты на этот счет думаешь, встречались ли вы с такими аргументами, сложно ли заходить в компании?
Никита Блинов:
Да, конечно, это очевидный тренд. Действительно, многие, в основном, лидеры, если каждую вертикаль рыночную взять (самые ТОП-1 – ТОП-3, вряд ли даже глубже), они сейчас создают свои большие такие центры компетенций по анализу данных. Мы это видим как возможность для партнерства, на самом деле, то есть это же не исключает того, что этот же центр компетенций может работать с экспертами, с командами, с продуктами с рынка в любой конфигурации для того, чтобы какие-то вещи делать быстрее, какие-то вещи не повторять с нуля. Какие-то продукты, которые надо два года разрабатывать, сколько бы у тебя ни было дата-сайентистов, просто потому, что продукт сложный, ты можешь сразу взять готовый и побежать дальше. То есть тут зависит очень сильно от того, какая конкретно задача решается. Например, у нас очень плодотворное сотрудничество с X5, у которых на конец прошлого года был отдел из нескольких сотен своих дата-сайентистов, что не мешает нам сотрудничать, потому что их цель еще амбициознее, и мы вместе к ней идем. Конечно, на самом деле, правильный ответ, он, так всегда, посередине, в каком-то коллаборативном сотрудничестве, когда есть и своя внутренняя компетенция, ты не зависишь, на самом деле, не сильно зависишь от партнера. Если с партнером что-то случается, ты всегда можешь подхватить, потому что ты с самого начала был в процессе, и развивать дальше полностью внутри, если зачем-то это понадобилось. С другой стороны, ты не закапываешься в какую-то внутреннюю работу, не отращиваешь у себя компетенцию, сравнимую с теми, кто занимается этим профессионально на сто процентов, ты можешь в каждый момент находить наиболее оптимальное решение, что-то делать полностью сам, где-то привлекать партнеров по одной схеме, по другой схеме. То есть ты в каждый момент времени можешь выбирать наиболее оптимальное решение, но посередине, как жизнь обычно показывает.
Саркис Григорян:
А это зависит от рынка, у нас разница есть?
Никита Блинов:
Да, разница есть. У нас, скорее, больше склонность к своему огороду, скажем так.
Саркис Григорян:
Сервер чтобы стоял у себя?
Никита Блинов:
Да, есть такое. Причем здесь много факторов и, наверное, в целом какая-то ментальности, и в том, что у нас кадров довольно много хороших именно в анализе, математическая школа у нас, очевидно, сильная. Все равно их не хватает, этих людей, очень сильно, но их не хватает сильно менее, чем их не хватает в других странах, скажем так. Но там, кроме этого, ментальность другая, по крайней мере, на Западе, то есть там более бизнесовый подход в смысле PNL, условно. Если что-то можно заплатить меньше, а получить больше ретёрно: «Окей, мы это купим!» Часто решения в стиле выстроить свою экспертизу, они на довольно существенную перспективу убыточны, если сравнивать с приобретением этой экспертизы. Компании у нас принимают такие решения в силу разных факторов, там этого, наверное, меньше.
Саркис Григорян:
Скажи, ты вот про кадры затронул вопрос, я так понимаю, у вас основная разработка находится здесь?
Никита Блинов:
В Москве.
Саркис Григорян:
Насколько сложно искать кадры, насколько сложно конкурировать в поиске кадров с какими-то большими компаниями как с предыдущим работодателем, с банками крупными?
Никита Блинов:
Да, действительно, это проблема. Понятно, что сейчас рынок в этом смысле на data science перегрет и спрос на них сильно превышает предложение. У нас, понятно, как мы эту задачу решаем, потому что, действительно, наши основные конкуренты – это крупные компании. Наш, скажем так, value position для людей в этом случае – это более быстрый рост во всех смыслах (профессиональный и, как следствие, финансовый), потому что у нас, в силу меньшего размера, меньше бюрократии, больше задач, которые реально ты делаешь, и они прямо идут в продакшн. Это для многих, особенно, сравнивая, в общем, я думаю, с любой большой компанией, это большое преимущество. Потому что часто кейс, особенно, для недавних выпускников, то есть для тех, кто начинает с первых позиций в компании, ты, грубо говоря, год будешь писать что-то в стол просто потому, что никто не готов рисковать и что-то, что сделал молодой специалист, куда-то катить в продакшн. Это, как бы, вообще, нормальная практика, у нас такого нет, на этом строится конкуренция за ресурсы. Но наш сооснователь Саша Фонарев, он довольно долгое время (по-моему, 5 лет) преподавал курс машинного обучения в Школе анализа данных (есть просто некий network такой в околонаучной среде), это нам, конечно, помогает.
Саркис Григорян:
А чувствуется ли нехватка ВУЗов? То есть вы, когда выбираете, это, наверное, 3-4 всем известных ВУЗа?
Никита Блинов:
Ну, да, 5-6, наверное.
Саркис Григорян:
То есть все так и осталась?
Никита Блинов:
С моей точки обзора – да. Но у нас не я лично наймом занимаюсь, поэтому я могу сейчас последних каких-то веяний и трендов не знать просто (именно наймом специалистов по анализу данных).
Саркис Григорян:
Скажи, касаемо продукта давай поговорим, что сейчас есть интересного такого, что вы можете подложить ритейлу тому же, или у вас есть, может быть, еще что-то, что вы разрабатываете вне банковской и ритейл сферы?
Никита Блинов:
Давай, наверное, я сначала на шаг как бы выше расскажу, на каких продуктах мы фокусируемся в целом, то есть как вообще это видим. Есть очень большой пласт решения проблем продуктов, проектов и так далее в области искусственного интеллекта, который заменяет человека. Я думаю, даже примеры приводить не надо, про этом очень много говорится. И, действительно, это очень большой спектр, очень большой пласт того, где искусственный интеллект принесет много пользы. За ним часто, поскольку он ведет к замене людей и очень вызывает много хайпа из-за этого и опасений у тех, кто не очень в теме, немножко забывается второй уровень (такое тоже очень немаленький) задач, где напрямую искусственный интеллект человека не заменит (по крайней мере, не первым шагом заменит, скажем так), а где он его усилит, augmented intelligence который часто так называют. Вот мы во многом им занимаемся, то есть это такие бизнес-процессы внутри больших компаний, для которых выполнено несколько свойств. Первое свойство – это то, что, понятно, на них завязано много денег, то есть они важны с точки зрения экономического эффекта для компании…
Саркис Григорян:
…и ответственность, соответственно?
Никита Блинов:
Ну, да. И второе, что отличает от каких-то других процессов – то, что эти процессы завязаны на конкретных людей, которые ежедневно приходят на работу и принимают решения, которые как раз, если эти решения хорошие, они приносят много денег, если они плохие, мало денег или убытки. И эти люди – это не какой-то топ-менеджмент, это линейные люди, такой мидл-менеджмент классический. Простой пример: есть категорийные менеджеры в ритейлерах, в производителях, которые решают, какое промо запустить, на какой товар, в какой момент времени – в общем, всю ту бизнес-цепочку, которая приводит к тому, что товар стоит на полке по определенной цене. Большое пространство такого мидл-менеджмента в этот процесс задействовано и, соответственно, качество принимаемых решений очень сильно зависит от экспертизы. Есть люди, которые 20 этим занимаются, а есть, не знаю, стажер, который вчера вышел. Очевидно, качество решений будет разным. Выспался, не выспался, настроение – миллион человечки факторов, понятно, и очень неровное качество этого процесса, в зависимости от того, какой конкретно человек его делал. А всех супер-экспертов нанять нельзя, потому что это сотни людей в любой компании, десятки, в зависимости от объема. Вот мы в такие процессы приходим и усиливаем человека некой машиной, которая на основе исторических данных дает ему, как минимум, подсказку, как максимум, вместо него это решение ему приносит, которое точно (по крайней мере, с точки зрения данных) выверено и точнее предсказывает, в данном случае, спрос и, соответственно, какую цену, скидку и так далее в промо давать на товар, какую не давать, в зависимости от истории. И человек принимает просто более качественное решение. На данный момент, все равно человек принимает решение, его нельзя выкинуть из процесса, совсем заменить роботом, потому что часть его работы существенна, она все равно на данный момент творческая, она не заменяемая. Например, провести переговоры с поставщиком – машина пока этого не сделает. Но, чтобы эти переговоры провести, основываясь на качественном прогнозе, эту часть машина сделает лучше человек в среднем.
Саркис Григорян:
Ну, и ответственность еще, потому что, в принципе, с машины не спросишь, если что-то не то сделает.
Никита Блинов:
Именно так, это тоже важно. То есть в итоге нас интересуют такие процессы, в первую очередь, где доля человеческого принятия решения великая, но не сто процентов, то есть его в данном случае нельзя заменить полностью, еще остается немалая часть очень важная, которая более творческая, для которой мы человека, по сути, освобождаем. И, на самом деле, если с этой парадигмы посмотреть, таких процессов очень много. И, на первый взгляд, процессы, которые кажутся абсолютно непохожими, из разных отраслей индустрии и так далее, они, на самом деле, очень похожи в этом смысле. Приведу другой пример. Есть горно-обогатительный комбинат, один из наших недавних проектов. В чем его, если кратко, суть? Есть очень сложная цепочка оборудования, сотни станков, грубо говоря. На вход поступает руда, то есть просто выкопали что-то, она может быть разных физических свойств. На выходе ценность некая, допустим, какое-нибудь ценное ископаемое. Задача, по сути, если руда неправильно смиксована на входе, то какая-нибудь часть этой цепочки забьется, сломается, в общем, и, не знают, сутки фабрика работать не будет, это большие убытки. По сути, есть так называемый диспетчер фабрики – это человек, который приходит каждый день на работу, смотрит за показателями и принимает решение, с каких складов какого типа руды подать на вход, чтобы такого не было, чтобы производительность всей этой сложной системы была максимальной. Он принимает решение, не знаю, каждый час, каждый день. И, опять же, та же самая логика: в зависимости от его уровня экспертизы, насколько он выспался и так далее, зависит качество и, на самом деле, большие деньги на выходе.
Саркис Григорян:
То есть, по сути, он должен, условно говоря, нормализовать химический состав?
Никита Блинов:
По сути, да.
Саркис Григорян:
Непростая работа для просто человека.
Никита Блинов:
Понимаешь, это некой экспертизой нужно обладать, это не грузчик на склад, это некий именно мидл-менеджмент, но не топ-менеджмент, то есть это не какие-то стратегические решения. Это каждый день просто рутинные такие решения по бизнес-процессу, которым человек занимается. Но машина лучше, на самом деле, собирая данные с датчиков, понимая, что происходит, лучше понимает, в какой пропорции замешать эту руду на входе, чтобы максимизировать выработку, и она эти решения дает человеку просто в виде подсказок. Грубо говоря, кажется, у тебя вот по этому куску производства идет упорное сырье, лучше возьми из следующей партии вот оттуда, иначе сейчас есть вероятность, что что-нибудь сломается, грубо говоря, если очень упрощать. И он эти решения либо принимает, либо не принимает на данный момент. На самом деле, он абсолютно другой бизнес, вообще все абсолютно другое в плане, если сравнивать с ритейлом, но если высокоуровнево посмотреть, очень похоже, потому что есть некий менеджер, он управлять неким процессом. Качество этого процесса напрямую влияет на деньги и на очень большие деньги, и, понятно, что очень высокая зависимость от человеческого фактора. И есть много данных, которые, на самом деле, позволяют искусственному интеллекту решать эту задачу лучше, чем естественному. Вот такими процессами мы занимаемся. В банках, на самом деле, там третий, абсолютно другой бизнес, но вот с этой точки суть очень похожа.
Саркис Григорян:
А данные о людях, вы не занимаетесь этим?
Никита Блинов:
О людях? Ну, вот в банках, например, занимаемся. В банках в этом смысле та же самая история, только речь идет о персональных коммуникациях с клиентами, но для их персонализации используются данные об их транзакциях, и обезличенные, разумеется, то есть ни мы, ни система не видит, что это Иван Иванов. Есть просто некий идентификатор и некий набор транзакций и других данных еще, и ему генерится наиболее актуальная рекомендация в определенном канале, чаще всего это мобильное приложение банка. В этом смысле очень похожая история, потому что тоже есть менеджер по коммуникациям. До нас, условно, да и с нами тоже система же не сама прямо всем управляет, есть некие кампейн-менеджеры так называемые, которые этим занимаются. И тоже они в общем случае принимают решения, исходя из своей экспертизы, кому что отправить. И, опять же, вся та же самая логика: опять же, система лучше понимает, на самом деле, в среднем, кому что, с точки зрения конверсии и других метрик, отправить. Менеджер в этом смысле, он, скорее, за ней присматривает, получает от нее рекомендации и принимает окончательное решение.
Саркис Григорян:
Слушай, давай мы от бизнеса немножко оторвемся и, может, пофилософствуем. Ты как человек, сооснователь компании, которая обрабатывает данные, в принципе, должен понимать, как это все сейчас происходит в мире, к чему это все ведет, все вот эти разговоры про дата-национализм, про то, чьи будут данные? Условно, в демократических странах данные будут принадлежать людям, а в авторитарных государствах все это узурпируют. Ты что думаешь по поводу того, что нас ждет в ближайшие, я не знаю, 5, может быть, лет, на дальнейшее сложно загадывать, именно с точки зрения того, насколько мы будем контролируемы все, насколько будет все на виду? Понятно, что этот процесс лавинообразно идет вперед, но вот что ты по этому поводу думаешь?
Никита Блинов:
Ну, я в целом оптимист, то есть я думаю, что, скорее, это приведет (мне хочется в это верить) к тому, что мы будем жить лучше, если в целом. Лучше за счет того, что как раз многие из тех процессов, которые я сейчас описал, а таких процессов еще же, на самом деле, десятки в разных индустриях, они все будут работать эффективнее. Как следствие, это будет приводить к более низким ценам или высокому качеству конечной услуги, и всем нам будет лучше. Да, часть из этого задействует наши собственные данные, в смысле, данные, которые генерим мы сами как пользователи. И, конечно, там будет больше открытости и, как следствие, возможно, больше какого-то давления на какие-то свободы выражений и прочего. Но мне кажется, что все-таки плюсов в этом всем больше, чем минусов, скажем так.
Саркис Григорян:
А какие самые большие плюсы в жизни нашей, может быть, обычной, что бы ты выделил, что поменяется в самом ближайшем? Понятно, мы такси увидим. Еще какие, на твой взгляд, такие вещи?
Никита Блинов:
Мне кажется, что основное – это транспорт, но даже не такси, не только такси, а в целом логистика, в широком смысле, потому что Self-Driving Cars, все это направление, очевидно, очень сильно удешевит любые перевозки (грузов, в частности, тоже), и просто все станет дешевле. И перемещаться мы станем проще и тоже дешевле. Вторая вещь, тоже не открою, наверное, Америки – это медицина, в которой, как мне кажется, это должно дать очень сильный boost, потому что, на самом деле, если возвращаться опять к той парадигме, которую я описывал, по сути, то же самое в медицине происходит. Есть некий человек, тоже такой middle-manager, можно сказать, врач, который на основе своей экспертизы принимает каждый день кучу решений, и конкретно в этой индустрии они просто с человеческой жизнью связаны, ни много, ни мало. И опять же качество этих решений, оно, мы понимаем, что, наверное, неидеально, в среднем по больнице. И это одно из тех мест, где искусственный интеллект и просто учет данных, и рекомендации хотя бы этому врачу на основе данных, они дадут очень серьезные boost, напрямую влияющий на наши жизни, без преувеличения. Это вторая, наверное, сфера, где все ждут серьезного прорыва. Там куча проблем есть, с точки зрения применения искусственного интеллекта, но, поскольку на кону стоит очень многое, у меня как у оптимиста есть вера, что эти проблемы все преодолеются. Не уверен, правда, что за 5 лет, но за 10, наверное, да.
Саркис Григорян:
Да, там сложный вопрос с разметкой этих данных…
Никита Блинов:
Даже там есть более ранней стадии проблемы, насколько я знаю – это просто критерий качества. Как померить, что качественно врач порекомендовал что-то, или нет? Ну, то есть посадить 10 топовых врачей реально заслуженных, они каждый по-своему будут это делать. Здесь просто унификация метрики качества, скажем так, математическими терминами, даже она пока не решена.
Саркис Григорян:
Это еще, если ты сможешь собрать этих всех вместе врачей, потому что все эти топ-врачи обычно так заняты другими делами, что ты их не попросишь разметить 10-15 тысяч снимков.
Никита Блинов:
Ну, да.
Саркис Григорян:
В это, на самом деле, многое упирается. А вы не думали смотреть в сторону медицины, биологии, биотехнологий каких-то?
Никита Блинов:
И да, и нет. Нам просто как людям это очень интересно и мы бы с удовольствием этим позанимались, в целом видя в этом большое будущее. Но как у компании, у нас немножко другой подход, мы это называем маркет-дримом (подход), то есть мы не делаем что-то у себя в лаборатории, экспериментируем, а потом пытаемся это нести в рынок, мы, скорее, смотрим, с чем рынок сам к нам приходит. У нас есть отдельное направление, мы это называем RND, по сути, это просто некий набор разовых проектов по анализу данных, которые сами к нам пришли с рынка. И мы, если к нам что-то приходит, я имею в виду, новое, не те продукты, которые у нас уже есть, а какие-то новые направления, если они сами к нам приходят, и мы в них погружаемся и понимаем, что, наверное, это нужно не только тому, кто к нам пришел, но в целом это важная, большая тема, и мы готовы ее развивать внутри, мы ее уже тогда развиваем внутри и несем от себя.
Саркис Григорян:
Такой мини корпоративный акселератор получается?
Никита Блинов:
Да, это такой инкубатор новых продуктов, скажем так. Но для того, чтобы процесс инкубации запустился, нужно, чтобы кто-то с этой задачей к нам пришел с рынка, потому что это для нас очень важный сигнал, что это вообще, хотя бы теоретически, может быть, кому-то нужно. Самим сидеть и придумывать внутри нам кажется не очень правильным, особенно, учитывая, что, в общем, нет недостатков пока в том, чтобы кто-то приходил. То есть очень много сейчас задач, и сама индустрия, она обычно лучше знает, что ей нужно, и уж кто-нибудь да придет с какой-то задачей, если она важна. Такая у нас сейчас парадигма, причем она доказывает свою эффективность, на самом деле.
Саркис Григорян:
Расскажи, кто-нибудь приходит, может быть, какие-то интересные такие пилотные истории, или для тебя, может быть, какие-то лично интересные?
Никита Блинов:
Я сейчас перебираю… На самом деле, тут такой момент тонкий, потому что, на самом деле, в основном приходят с тем, что оно звучит не очень sexy, как говорится, то есть для слушателя или зрителя, который не очень погружен в тематику какого-то конкретного бизнес-направления, типа ритейла, банков или (не знаю) горно-обогатительных комбинатов, это не то, обычно о чем пишут на TechCrunch или в прессе, применительно к искусственному интеллекту. Но зато там основное – business value: оптимизация логистики, какие-то задачи, возможно, которые вообще уже давно решались в целом, например, поиск по сайту. Есть у нас несколько проектов, не могу раскрывать конкретику, но, по сути, это поиск по сайту. Казалось бы, тема, в общем, мягко говоря, ненова, но так получилось, и на это есть объективные технологические и бизнесовые причины, что она стала актуальна именно сейчас, именно с текущим витком развития технологий и бизнеса, и как бы сейчас это актуальная задача, например. Или то же самое – оптимизация шахтования называется процесс, когда руду замешивают на горно-обогатительной комбинате – очень такая специфичная история, и мы вообще ничего про это не знали, пока не погрузились в нее, и даже в голову не пришло бы, если ты не профессионал в этой области, что это может быть интересно, но это интересно, сейчас это такая тоже горячая тема. Есть такие более общепринятые истории как predictive meitenes. сейчас много этого. На самом деле, мало конкретно в этом спектре задач – предсказание поломок по-русски – много об этом говорят, но очень мало конкретных проектов, где это, действительно, дало бы экономический эффект, как раз потому, что очень сильно зависит от того, что конкретно ломается, насколько частый повторяющийся процесс, насколько много единиц оборудования в этот процесс вовлечено и так далее. Но тоже это интересно, когда ты погрузился, это не звучит как main glowing для обывателя.
Саркис Григорян:
Но это, наверное, каким-то производителям самолетов очень важным, автопроизводителям?
Никита Блинов:
Любым, на самом деле, у кого много единиц однотипного оборудования, так скажем. Если у тебя, условно, 10 станков или 100, но они все разные, то, скорее всего, эксперт будет лучше работать, экспертное в смысле предотвращение поломок. Но, если это повторяющийся процесс и большое количество единиц оборудования, то искусственный интеллект справится лучше. В целом, если резюмировать, я бы сказал, что сейчас искусственный интеллект именно в энтерпрайзе, в больших компаниях, он идет просто в сторону оптимизации каких-то давно существующих процессов, которые, по тем или иным причинам, во-первых, не были до конца автоматизированы исторически, при этом единицы или первые десятки процентов улучшения качества в этих процессах, это дает большой экономический эффект. Если два этих фактора сошлись, скорее всего, искусственный интеллект будет очень полезен в этом процессе.
Саркис Григорян:
Ну, я так понимаю, с тем, что сейчас компании все на это больше и больше внимания, даже такие большие и старые, как говорится, обращают внимание, то у вас только больше и больше будет в этом плане работы?
Никита Блинов:
Кажется, что да.
Саркис Григорян:
Здесь, наверное, основной сейчас такой барьер – это то, что люди внутри компании иной раз не знают, что те или иные методы машин лёнинга или еще чего-то могут в этот процесс, на котором они давно работают, что-то привнести, что-то улучшить. Здесь вопрос, наверное, того, что люди, может быть, в компании не знают, что вообще нужно что-то менять, что вообще есть такие ребята как вы, которые что-то делают и могут помочь.
Никита Блинов:
Ну, сила инерции, я бы так это сформулировал. То есть, даже если знают, все равно есть, особенно, в традиционных отраслях, где люди, в принципе, проработали 20 лет в этой конкретной должности или направлении деятельности, им просто психологически довольно сложно принять мысль о том, что какой-то там искусственный интеллект, он может что-то делать лучше, чем ты, когда ты 20 лет этим занимаешься.
Саркис Григорян:
Кстати, сталкиваетесь, видно ли это? Потому что, условно, это же первый шаг к тому, чтобы эксперту сказать до свидания: «Вот, на тебе пока полузамену тебя, ты все-таки принимай решение на основании того, что…» То есть я примерно понимаю, что человеку-то это, наверное, психологически будет не нравиться? Тут, в этом месте, где он работает, в этом блоке, в этой цепочке он реальный эксперт, человек, принимающий решение, а тут как бы ему что-то там… То есть, с точки зрения продаж, например, есть какое-то противодействие?
Никита Блинов:
Да, безусловно, есть, такая проблема существует, но тут нужно важно понимать: первое, что все-таки мало процессов, где прямо на 100 % заменят человека. И чем вот эта доля, которая 100 % минус замена, она довольно велика, там, понятно, сопротивления встречаешь меньше. Во многих, например, компаниях потребительского сектора, где мы про категорийный менеджмент говорим, там многие люди сами счастливы от этого куска избавиться, то есть они это делали, скорее, потому что им это было необходимо для кого-то другого куска их работы, на который искусственный интеллект не претендует. Если кто-то за них будет прогнозировать спрос и делать это явно лучше, они будут счастливы. То есть очень зависит здесь от отрасли, но где-то эта проблема в полный рост стоит, то есть она даже раньше возникает. Скорее, люди просто изначально не верят, что искусственный интеллект, они, наверное, просто не понимают, как это работает, у тут, скорее, наша задача (всего сообщества, не только наша личная) объяснять, как это устроено, разжевывать для непрофессионалов. Ну, и мы это делаем, на самом деле, во многом…
Саркис Григорян:
…и мы здесь.
Никита Блинов:
Да, это очень правильно и здорово, как это, в принципе, устроено, потому что изначально людям просто кажется, что им что-то впаривают, и это не может работать. Вот я как эксперт, я знаю, я не думаю, что они в этот момент идут мыслю дальше и понимают эту цепочку, что сначала машина часть моей работы съест, потом еще чуть-чуть, и под конец меня совсем выкинет. Я думаю, что до это даже пока не доходит, пока на более раннем этапе основные проблемы. Но и эта проблема тоже где-то есть, где-то возникнет, что даже, когда система начнет просто подсказки выдавать, любой человек, в принципе, догадается, что сегодня она подсказки выдает, а завтра она вместо меня решение принимает, и я, в принципе, не нужен, если у меня нет какого-то другого значимого куста работы…
Саркис Григорян:
…можно будет сравнить, какие подсказки выдавала система, как я принимал решение, и сделать выводы.
Никита Блинов:
Кстати, в тех же даже ГОКах, в горно-обогатительном комбинате, там, если человек отказывается от подсказки, то есть ему вылетает подсказка: «Сделай такое-то действие», – и он должен нажать «Да», «Нет». Если он нажимает «Нет», он должен объяснить в свободной форме, почему «Нет». Это как бы уже некий следующий шаг к тому, что, если ты отказываешься, то, пожалуйста, объясни, почему, то есть нельзя просто так своевольно отказаться. Ну, да. это, конечно, будет все жестче и жестче в этом смысле.
Саркис Григорян:
Понятно! Скажи, пожалуйста, вы развитие свое как видите? У вас основные сейчас какие задачи стоят на ближайшее будущее, если вы выходите за пределы России и вы работаете там?
Никита Блинов:
Есть два аспекта, как минимум два. Есть продуктовый аспект, и здесь мы как раз видим вот тот кусок нашего бизнеса, про который я рассказал, где мы такой инкубатор новых каких-то направлений, мы очень в него верим, и мы очень открыты к новым проектам, задачам из разных индустрий. Мы верим, что сейчас искусственный интеллект будет внедряться вот в те процессы, принцип которых я постарался описать, которые в разных абсолютно индустриях встречаются, будет внедряться больше и больше, и мы видим очень большой потенциал в том, чтобы такие новые продукты на основе таких задач инкубировать и производить. Это первое, то есть расширение продуктовой линейки, если коротко говорить, первое большое направление. Второе, такое перпендикулярное – это география. Мы сейчас активно вышли в Сингапур, вообще, в Юго-Восточную Азию (Сингапур как такой центр ее), у нас там запускается сейчас большой проект с одним из банков местных (UOB, один из крупнейших банков региона). И мы в целом там открываем полноценное представительство для того, чтобы все наши продукты и в целом подход к бизнесу там, по сути, клонировать, безусловно, с учетом местной специфики, понимая, что это может полностью видоизмениться в процессе. Вот это такие два основных тезиса.
Саркис Григорян:
У нас уже время кончается. Пожелаю тогда успехов вам, развития!
Никита Блинов:
Спасибо!
Саркис Григорян:
Большое спасибо, что нашел время и пришел к нам!
Никита Блинов:
Спасибо, что позвали!
Саркис Григорян:
Было интересно, так что дерзайте, покоряйте мир!
Никита Блинов:
Спасибо большое!