Поделиться
Александр Юдин, Start — Как монетизировать решения на базе ИИ и машинного обучения
Мы находимся в веке, когда исследования в области искусственного интеллекта перестали быть прерогативой научных лабораторий. Беспилотные автомобили и роверы покоряют улицы, а умные устройства и сервисы становятся неотъемлемой частью нашей повседневной жизни. На какие компании стоит делать ставку в развитии технологий искусственного интеллекта, и в каких областях можно ожидать наиболее стремительного технологического прогресса? Об этом и многом другом в интервью для Cnews рассказал эксперт по развитию ИТ-продуктов, Александр Юдин, руководитель стратегии и развития бизнеса крупнейшего ИТ-холдинга и видеостримингового сервиса Start, а также бывший руководитель отдела разработки новых продуктов в ведущем разработчике AI-решений, ИТ-холдинге Machine Learning - Research Team (ML-RT).
CNews: Александр, расскажите нам немного о себе, чем вы занимаетесь в ИТ-компаниях?
Александр Юдин: Моя работа заключается в создании и развитии новых продуктов, начиная с исследований и разработки, и заканчивая масштабированием бизнеса. Я помогаю бизнесу определить, какие продукты стоит развивать в первую очередь, какой функционал должен быть в них включен, и как их можно улучшить. Я также занимаюсь поиском оптимальных путей для достижения поставленных целей по развитию портфеля продуктов, будь то создание новых ИТ-продуктов и бизнес-моделей или расширение текущих продуктов и услуг.
CNews: Почему вы выбрали для себя работу в ИТ-отрасли?
Александр Юдин: Меня всегда увлекали технологии и анализ больших данных. С детства я увлекался математикой и физикой, поэтому выбор университетов для обучения и последующей работы в сфере информационных технологий был для меня естественным. Здесь я видел наибольшие возможности для применения своих знаний для решения сложных и амбициозных задач. В ИТ-отрасли всегда происходит динамичное развитие, что делает эту область наиболее интересной и перспективной для профессионального роста и приобретения полезного опыта работы.
CNews: Почему вы решили сфокусироваться именно на стратегии и развитии продукта?
Александр Юдин: Именно здесь находится центральная точка развития любой ИТ-компании — это место, где сходятся задачи по разработке и управлению бизнесом. За последние десять лет я работал как с запуском технических стартапов, так и с управлением крупными технологическими компаниями. Это позволило мне попробовать разные роли и обнаружить, что я наиболее эффективен в стратегическом развитии продукта. Глубокое понимание юнит-экономики, аспектов разработки и продвижения продукта, и способность анализировать бизнес с точки зрения метрик и аналитики позволяют мне видеть потенциальные перспективы для развития компании.
CNews: Как эксперт в направлении стратегии и развития ИТ-продуктов, объясните, на какой стадии развития сейчас находятся технологии ИИ, насколько они на данный момент имеют прикладной характер и насколько это направление сейчас коммерциализировано?
Александр Юдин: Искусственный интеллект — одно из самых быстроразвивающихся и перспективных направлений в сфере ИТ. Крупные компании вчера инвестировали в ИИ, чтобы не отстать от конкурентов, а сегодня мы видим широкое внедрение алгоритмов машинного обучения и его колоссальный эффект. Инвесторы стали верить в возможность коммерциализации технологий уже сегодня, и рынок искусственного интеллекта был затоплен огромными суммами инвестиций, о которых несколько лет назад можно было только мечтать. Первый этап развития ИИ был пройден, когда умные системы были интегрированы в дома и бытовую технику. Их отличают простота алгоритмов и ограниченные возможности обучения на основе новых ситуаций. Большинство современных умных систем находятся на втором этапе развития и могут анализировать данные из окружающей среды и поведения пользователей. Виртуальные ассистенты, такие как Siri, Google Assistant и Alexa, а также персонализированные рекомендательные системы — яркие примеры таких решений. IBM и Google DeepMind достигли успеха, смогли тиражировать узкоспециализированный человеческий опыт в языковом переводе, медицине и финансах, интегрировав большие объемы данных из этих сфер в продукты Watson и DeepMind. На рынке ИИ лидируют системы, эмулирующие человеческие рассуждения, например, системы автономного управления транспортом, как Waymo и Tesla. Большинство этих компаний успешно коммерциализировали свои решения на базе искусственного интеллекта и уже начинают строить новые бизнес-модели на основе разработок в этой области. Рост инвестиций со стороны таких крупных игроков, как Microsoft и Google, в ближайшие годы сделает рынок ИИ не только самым капитализированным, но и наиболее доходным.
CNews: Расскажите подробнее об успехах по коммерциализации решений на базе ИИ первого уровня развития. Насколько успешно сегодня происходит коммерциализация умных домов и бытовой техники?
Александр Юдин: Мой опыт в этой области связан преимущественно с работой над смарт-боксами и умными колонками в ряде ключевых проектов. Сейчас уровень развития искусственного интеллекта в этих продуктах минимален, они основаны на несложных алгоритмах для простого взаимодействия с пользователем и сбора данных для персонализированных рекомендаций. Основная модель бизнеса в этой сфере — интеграция смарт-боксов в экосистемные продукты, предоставляющие доступ к различным сервисам через смарт-колонку или бокс на подписочной основе. На практике такая модель только начинает развиваться, а коммерциализация сосредоточена в B2B секторе, например, в роботизированных складах и системах автоматического управления инженерной и электроинфраструктурой.
CNews: Про роботизированные склады Amazon наверно все уже знают, а какие примеры есть в автоматизации управления инженерной и электроинфраструктурой?
Александр Юдин: Рассмотрим решения по управлению гибридным электротранспортом, над которыми я работал в ML-RT. Наша система алгоритмов управления двигателем была настроена таким образом, чтобы максимально оптимизировать затраты на перевозку грузов на транспортных средствах, оснащенных электродвигателями на базе литий-ионных батарей. Предиктивная аналитика позволила автоматически переключать тягу с топливного двигателя на батарею и обратно, а также в случае необходимости накапливать энергию от рекуперативного движения.
CNews: В последнее время мы часто слышим об использовании предиктивной аналитики в продуктах крупных компаний. Какие прикладные решения на базе этой технологии удалось на данный момент успешно коммерциализировать на рынке?
Александр Юдин: Все решения на базе искусственного интеллекта основаны на предиктивной аналитике, но большинство из них просто автоматизируют процессы, где система, используя прогнозы, предлагает или совершает действия. Термин "предиктив" чаще всего используется для решений, где прогнозы являются конечным продуктом. Я имею опыт работы с двумя типами продуктов на базе предиктивной аналитики в ML-RT, где прогнозы, предоставленные системой, являются ключевым продуктом. Первый тип — это рекомендательные системы для стриминговых сервисов, второй — это системы выявления ошибок и неисправностей в цифровой инфраструктуре. Коммерциализация рекомендательных систем основана на ценообразовании подписки на стриминговые сервисы. Чем эффективнее система рекомендаций, тем выше готовность пользователей оплачивать подписку. Рынок активно развивается, и в компании START планируется развитие этой технологии. Предиктивные системы выявления ошибок успешно коммерциализированы крупными международными игроками, используя модель интеграционно-эксплуатационной коммерциализации. В ML-RT мы работали с лидерами отрасли, обучая систему распознавать признаки, указывающие на вероятность возникновения ошибок и неисправностей в цифровой инфраструктуре. После длительного обучения и сбора данных о прогнозах и фактических событиях мы достигли точности около 98%. Это позволяет нам выявлять потенциальные проблемы заранее и предпринимать меры по их устранению, предотвращая остановку работы инфраструктуры. Ранее я участвовал в проектах по интеграции этой технологии в рельсовый транспорт, где малейшие задержки из-за неисправностей могут привести к серьезным проблемам с дорожным движением. Это один из самых наглядных примеров успешной коммерциализации данного решения в мире. Один из моих проектов в этом направлении даже занял первое место в России по выручке в сфере коммерциализации решений на базе ИИ.
CNews: Вы ранее говорили, что одни из самых продвинутых решений ИИ используются в автономном транспорте. Как устроена коммерциализация решений на базе машинного обучения в этой области?
Александр Юдин: Сейчас именно автономный транспорт является одним из наиболее значимых примеров прикладного применения решений на базе искусственного интеллекта, и русскоязычные инженеры внесли в эту область значительный вклад. За последние 5 лет я участвовал в разработке множества проектов по автономному транспорту. В ML-RT я создавал крупнейшие в мире проекты автономности для различных видов транспорта, от автомобилей до трамваев и метрополитенов. Основная модель коммерциализации в этой сфере основана на интеграционных проектах с транспортными компаниями, которые видят в развитии автономности транспорта увеличение эффективности и надежности в эксплуатации, а также снижение затрат из-за сокращения простоев и даже персонала. Заказчики этих решений распределены по всему миру. Я реализовывал проекты по автономному транспорту как в России (в Москве, Санкт-Петербурге, Казани), так и за рубежом (в США, Канаде, Германии, Франции, Южной Корее, на Аравийском полуострове и в Китае). B2C сектор автономного транспорта только начинает развиваться, в основном в западных странах. В России мы успешно проводим исследования и создаем датасеты для алгоритмов, и на международных конкурсах решения наших инженеров уже демонстрируют высокую эффективность. Это дает надежду на то, что через несколько лет и у нас появятся собственные беспилотные автомобили или даже беспилотное такси. В Москве уже проводятся активные тесты этой услуги.
CNews: Мы с Вами обсудили текущее положение дел с коммерциализацией решений на базе ИИ, а не могли бы вы поделиться своим экспертным мнением, в каких направлениях будет наибольший рост коммерциализации подобных решений в ближайшие годы?
Александр Юдин: Стоит ожидать появления B2C сервисов, которые позволят ускорить или автоматизировать выполнение рутинных задач в офисе, начиная от написания текстов и заканчивая графическими редакторами и написанием кода. Несколько компаний в США сейчас добились больших успехов в развитии генеративных ИИ, и скоро мы увидим, как они будут это коммерциализировать.
CNews: И финальный вопрос: какие все-таки бизнес-модели в ближайшем будущем будут ключевыми на рынке решений на базе ИИ?
Александр Юдин: Подписочная модель будет самой распространенной. Крупные компании, такие как Google, Apple и Microsoft, могут создавать свои платформы-магазины приложений, где сами приложения будут разрабатываться сторонними компаниями на основе доступных решений по конструированию сервисов на базе ИИ. Маркетплейс приложений — это очень перспективная модель. Я внедрял такую модель коммерциализации в одном из своих прошлых продуктов, который специализировался на решениях на базе ИИ для сектора B2B. Мы видели эффективность юнит-экономики и потенциал развития такой системы. Уверен, что в B2C это приведет к еще большему развитию рынка продуктов на базе ИИ.
Короткая ссылка
