Меню

Вот вам будущее бизнеса. Человек в управлении проигрывает, потому что он человек

Георгий Гемеджиев. Иллюстрация: Личный архив

История, в которую трудно поверить. Как один из самых успешных госслужащих Свердловской области бросил карьеру, но не ради заработка. Он хочет исправить «человеческие недостатки» в управлении.

Георгий Гемеджиев, еще будучи сотрудником государственной Корпорации развития Среднего Урала (КРСУ), успел стать одной из заметных фигур в своей сфере. А сфера у него непростая — находить инвестиции для больших проектов. Молодому профессионалу прочили судьбу успешного чиновника и карьерные перспективы вплоть до правительства области. Но вот летом 2017 г. восходящая звезда КРСУ довольно неожиданно ушел из корпорации с позиции исполнительного директора и решил заняться собственным бизнесом. Правда, причины оказались не такими тривиальными, как у большинства переходящих в частный сектор. 

Созданная г-ном Гемеджиевым совместно с партнером фирма DataData помогает промышленным компаниям повышать операционную эффективность за счет полноценного использования «больших данных». Для этого используются технологии «машинного обучения» или, как еще говорят, «элементы искусственного интеллекта». 

В интервью DK.RU г-н Гемеджиев рассказал, почему, уйдя с госслужбы, отказался от возможности приносить потенциальным клиентам «быстрые деньги», и что очень многие решения в бизнесе должен принимать совсем не человеческий мозг.

Почему вы решили уйти из Корпорации развития Среднего Урала?

 Я достаточно давно работаю в различных госструктурах. Начинал в Корпорации с самых низовых позиций. Работая там, я ставил для себя определенные цели  построить этакую правильную систему по привлечению инвесторов, организовать работу так, чтобы в процессе поиска и подбора инвестора у проекта был прогнозируемый результат, а не «пальцем в небо». Эта работа требует учесть многие составляющие: хорошее понимание тех рынков, на которых работает потенциальный инвестор, понимание его бизнеса и того, почему именно Свердловскую область должны выбрать. И вот, когда мы вместе с коллегами такую систему построили, я посчитал, что моя работа выполнена. Нужно пробовать что-то другое. 

Многие топы открывают свой бизнес, чиновники уходят в частный сектор. Но чаще всего это более понятные и предсказуемые проекты. А у вас такой «туманный» рынок: разработки в сфере искусственного интеллекта.

— Меня, с одной стороны, пугают, с другой, искренне завораживают изменения последних лет, связанные с нейросетями и машинным обучением, — тем, что еще называют «искусственный интеллект». Я подумал, что сейчас такой хороший момент: об этом много говорят, но, с точки зрения практики, не так много компаний этим занимаются. И я решил, что самое время на это переключиться.

Расскажите человеку, далекому от темы, как это выглядит физически. Для большинства людей все, что связано с искусственным интеллектом, блокчейном и нейросетями — что-то очень непонятное.

 Самый простой пример для большинства людей: работа сервиса Siri, это хороший пример «бытового» искусственного интеллекта, который обучается у владельца девайса, и, наполняя свою базу данными, с каждым разом все точнее понимает, что и как у него спрашивают. Другой пример: все рекомендательные сервисы, когда на основании массива поступающих данных о клиенте делаются выводы об его интересах и возможных покупках. Поэтому ему предлагаются конкретные товары или услуги.

Если глобально смотреть, чем мы с партнером занимаемся, запустив свой проект DataData в июне 2017 г.,  мы создаем системы, позволяющие собирать и обрабатывать огромные массивы данных, такие, которые не способен собрать и обработать человек. И учим нейросети делать на основании этих данных выводы и принимать решения с высокой скоростью, фактически в реальном времени.

Бизнес накапливает террабайты данных о своей работе (например, когда работает станок или производственная линия, или при общении с клиентом), и, как правило, они используются не более чем на 1-2%. А если повысить эффективность работы с этой информацией, то можно… 

Лучше и больше продавать клиентам. 

— Как это ни странно прозвучит, но мы ушли от этой темы. Наш бизнес — не в продажах и не в маркетинге в целом. Как только проект стартовал, мы запустили пилоты с разными компаниями: из финансового сектора, торговли, была пара промышленных предприятий, девелоперы. И на практике поняли, что поддерживать продажи — это не то, чего мы хотим. 

А почему нет? Это же «быстрые деньги». Если помогаете бизнесу продавать, у вас масса постоянных довольных клиентов. 

— Мы эту модель отработали с розничными компаниями. Проекты были направлены на то, чтобы лучше общаться с клиентами и больше зарабатывать. Но быстро поняли для себя, что это тупиковая ветка. Потому что такие компетенции в тех же банках и розничных компаниях должны формироваться не на аутсорсинге, а внутри бизнеса. В определенный момент компания-заказчик, если она понимает, как работает, сказала бы нам: «Ок, ребята, спасибо. Давайте всех своих людей, кто работал на проекте, к нам в штат, потому что очень много задач, и они постоянно меняются». 

А вот что не тупиковая ветвь: с одной компанией мы сделали реально интересный «пилот» именно по повышению операционной эффективности. Помогли автоматизировать документооборот, чтобы освободить время квалифицированных спецов, и они теперь могут заняться более ценными, сложными и интересными задачами, а обученные нейросети сами понимают и сортируют электронные документы и распределяют их внутри компании.

Название компании скажете?

— Знаете, многолетняя практика работы в госорганах приучила меня не говорить названия, пока проект не завершен. А лучше вообще не называть без прямого согласия. 

Сейчас приоритетом для себя мы выбрали промышленный сектор и производство. В чем идея? Есть разные виды производства, везде куча датчиков, много разновидностей данных: датчики температуры, состав сырья, товар отгружен, товар поставлен, задерживается поставка, Иван Иваныч вышел на смену, не вышел на смену, как идет химическая реакция и т.п. И когда решение по всем этим данным принимает на производстве человек, он думает об этом немножко абстрактно, ему не хватает полноты картины (он физически не может учитывать все данные). Мы помогаем принимать решения в режиме реального времени, то есть искусственный интеллект в нашем продукте прямо в процессе производства решает, например, сколько какого компонента добавить, чтобы получился продукт нужного качества с минимальной стоимостью. Человек просто по своей природе не может принимать решения так же быстро, используя все данные в коротком промежутке времени. 

Вот, например, на многих металлургических производствах есть этакий дедушка, условный Иван Иваныч, который работал там всю жизнь, и по тому, как метал пузырится, может сказать, сколько нужно добавить определенного компонента, чтобы вышло нужного качества изделие. На самом деле у него в голове очень хорошо обученная нейросеть. Просто она 40 лет обучалась, и поэтому Иван Иваныч может выдать качественное решение. 

Идея всей этой истории с искусственным интеллектом — за очень короткое время на конкретном производстве сделать такую модель, которая бы впитала в себя опыт всех специалистов, условных Иван Иванычей, чтобы этот бесценный опыт превращался в реальные эффективные и оперативные решения. 

Как такой проект должен начинаться, сколько времени он занимает?

— На самом длительном проекте мы пока работаем всего четыре месяца. Бизнес-задача очень четкая: хотим тратить меньше, зарабатывать больше, получать лучшее качество продукции. Приходя на предприятие, сначала мы несколько месяцев работаем над тем, чтобы понять, какие данные нам надо собрать, какие систематизировать, как правильно их друг с другом сложить. Примерно 80% занимает работа по подготовке данных. Затем идет внедрение. Сам проект может длиться от трех-четырех месяцев до полутора лет. Пока мы дошли до внедрения только с одним клиентом.

И цена вопроса? 

— Наша цена связана в том числе с теми отраслями, которые мы выбрали как приоритетные. Потому что в этих проектах очень легко посчитать результат. Если мы усовершенствовали производственную линию, и она смогла приносить больше денег, то мы можем посчитать эти деньги. Допустим, у вас есть линия, которая выпускает продукцию на 100 млн руб. 5-7% — это то, что мы можем реально сэкономить этой тонкой настройкой. Это не революция, это такая точечная практика. Соответственно, часть от сэкономленного является нашим гонораром. Если задача очень нетипичная, то мы берем небольшие фиксированные деньги за процесс, но реальная прибыль для нас зависит от результата, полученного заказчиком.

Кто еще работает на этом рынке? Кто ваши конкуренты? 

 Такие компании, конечно, есть. Но здесь существует одна особенность: все разработки, связанные с искусственным интеллектом и нейросетями, сейчас в первую очередь идут в продажи: среди заказчиков банки, интернет-торговля и т.п. Потому что, как вы сказали, это «быстрые деньги». И мне в некотором роде даже обидно. Я понимаю, что производство — сфера не хуже. Кроме того, здесь нет еще устоявшихся стандартов. Мы не находимся в ситуации как в общепите — где кафе конкурирует примерно с таким же кафе. Мы пока еще формируем то, что в будущем будет являться ценностью для клиента. 

В этом плане наша работа  это смесь консалтинга и научно-исследовательской практики. Команда, которую мы на каждый проект формируем под задачи компании-заказчика,  это, по сути своей, ученые, чаще всего математики. И в этом уникальность ситуации. Они создают и внедряют нетипичные разработки, постепенно, с помощью опыта и задач заказчика, находят новые научные задачи и опять ищут для них решения. Это как исследование космоса: создавая космические корабли, можно решить много практических вопросов, но случается и много фундаментальных научных открытий.

Вы сами — не эксперт по искусственному интеллекту, специализируетесь на привлечении инвестиций. Сейчас ощущаете какое-то личное отношение к этому бизнесу или это для вас просто перспективный коммерческий проект? 

— Лично меня увлекает и захватывает сама тема. Она существует почти на грани наших возможностей. Если говорить глобально, то конечно, я вижу огромный потенциал в том, чтобы повысить операционную эффективность в отраслях, которые используют еще не весь потенциал своих данных. И это интересно, так как любой человек понимает свое дело, свою компанию на очень условном уровне абстракции. В ситуации массы рутинных решений ты очень часто надеешься на людей, которые должны их принимать. Но люди далеко не всегда делают это качественно, и не из-за непрофессионализма, а именно из-за своей человеческой природы. И возможность радикально изменить уровень этой осознанности с помощью машинного интеллекта — это уже не просто бизнес-задача, это создание чего-то по-настоящему нового в нашей действительности.