В этой колонке сооснователь проекта nlogic (входит в многопрофильную ИТ-группу «ИКС Холдинг») Анна Серебряникова рассказывает о том, какой путь проходит команда технологического стартапа от эксперимента до промышленной сборки продукта на базе технологий искусственного интеллекта, как научиться правильно считать и не бояться поменять род деятельности.
На примере компании рассмотрены ключевые этапы становления стартапа и основные ошибки, которые совершают многие компании на старте.
Точка отсчета. Посчитать все
Любой бизнес начинается с идеи, а потом с гипотез, которые необходимо проверить на жизнеспособность до старта проекта. Для наглядного примера расскажу, как все начиналось у нас.
Это сейчас nlogic развился в масштабный проект, который представлен в семи регионах нашей страны с несколькими отраслевыми командами, а началось все с идеи и разработки робота, который в 2018 году на Юридическом форуме в Санкт-Петербурге поспорил с Романом Бевзенко, партнером в юридической компании «Пепеляев Групп» по теме регистрации недвижимости на арендованной земле.
Судьи тогда присудили победу человеку, но и робот получил очень высокую оценку, а Роман даже почувствовал в нем душу юриста. Это был первый в мировой истории баттл между юристом и роботом.
“
Тогда мы подтвердили нашу гипотезу, что технологии могут работать в любых юридически значимых процессах компании.
Следующий шаг и первая трудность, с которой может столкнуться любой технологический стартап – необходимость определения точных границ применения технологии. Например, нам пришлось научиться считать операционные эффекты и оценивать риски внедрения каждого продукта.
Мы считали все: количество возможных обращений к системе, количественные и качественные характеристики экономии для заказчика, количество кликов до результата в системе, хронометраж бизнес-процесса в минутах, точность срабатывания всех элементов, количество выявляемых сущностей, качество в процентах ошибок, всевозможные скоринги и постоянно спорили.
В итоге наши подсчеты показали, что экономия от внедрения наших решений получилась значительной, в процессах от двух тысяч итераций она составила более 30%, поэтому старт проекта был утвержден. И только после того, когда мы завершили все основные расчеты, был сделан первый прототип.
Сколотить команду. Трудности перевода
После того, как утверждена идея, проработаны все гипотезы и определены границы применения технологий, можно приступать к поиску людей, которые помогут привести к успеху ваш проект.
Я думаю всем очевидно, что команда – это половина, а может, и 90% успеха. Даже подтвердив все гипотезы и обосновав экономическую эффективность, без людей вы ничего сделать не сможете. На этом этапе очень важно понять, какие именно компетенции будут ключевыми для разработки вашего продукта, а затем найти таких специалистов и убедить их работать с вами.
Если говорить о нашем опыте, то в первую очередь мы – технологическая компания, в которой доминируют ИТ-компетенции. При этом отмечу, что идеологом решений по автоматизированной обработке документов у нас является юридическая команда, которая отвечает за методологию и систему метаданных в нашей системе.
Непосредственно для нас самым главным вызовом при построении логики продуктовой линейки стало налаживание конструктивного диалога между юристами и ИТ-специалистами.
Как объяснить молодому амбициозному разработчику разницу между ценой и стоимостью товара? Чем договор поставки отличается от договора купли-продажи? И кто вообще изобрел слова «подсудность» и «подведомственность»? Нам пришлось не один час обсуждать, как обучение ML-моделей и настройка NER должны учитывать эти юридические особенности, и зачем все это знать специалистам по компьютерному зрению.
Тут важно пояснить, что направление искусственного интеллекта, которым мы занимаемся, а именно обработка естественного языка, включает в себя:
Распознавание (этим у нас занимается целое подразделение разработчиков);
Алгоритм (тут создается строгий надежный предсказуемый механизм сборки документа).
Первая часть узнает всё, что нужно в любых текстах, картинках, записях, а вторая – формирует юридически значимые документы из этих данных. Так вот, и коллекцию распознаваемых атрибутов, и алгоритм настройки определяют именно юристы. В этом мы видим нашу уникальность и силу, и в этом же состоит основная наша трудность.
Почему? У юристов есть свои страхи. Как выяснилось в начале проекта, один из них – оказаться «неюристом». Именно этот страх в нашем случае затянул старт проекта на несколько месяцев. Привлечь в команду высококвалифицированных специалистов не так сложно, как объяснить им, что писать алгоритмы для искусственного интеллекта намного круче, чем просто быть хорошим юристом.
Но мы это сделали, и получили необходимый результат. Все решения нашей платформы работают без юридических рисков. Именно такие продукты оказались востребованными.
Хочу обратить особое внимание на то, что обязательно нужно искать нестандартные подходы. Если ты хочешь создать что-то крутое и уникальное, нельзя мыслить шаблонно. И это важно помнить на всех этапах создания вашего бизнеса.
Первые решения. Масштабирование
После того, как сформирована команда, вы можете смело переходить к разработке продукта, и тут я рекомендую начинать с того направления, в котором вы лучше и глубже всего разбираетесь.
Наши первые шаги были в автоматизации работы с документами юридической функции, где мы:
Собрали робота, который формирует типовые договоры, заменив им помощников или младших юристов;
Настроили «судебную машинку», которая готовит отзывы на иски потребителей и заполняет учетные данные и тем самым разгрузили наших судебников;
Автоматизировали управление полномочиями для выстраивания четкой системы корпоративного управления в организации.
Все это оказалось невероятно востребовано, так как в компаниях с массовыми процессами только договоров ежегодно заключается более ста тысяч. При этом почти сразу нам стало понятно, что процессы в бэк-офисе любой компании схожи, и наш продукт подходит не только для юристов, но и бухгалтеров, hr, службы безопасности и т.п.
Отрасли применения нашей технологии стали расти, а это означало для нас погружение в схожие бизнес-процессы, но все-таки имеющие некоторые отличия между собой.
В итоге настройка команды и перенастройка систем заняли еще около полугода. Но это того стоило. Да, наши решения еще были кастомными – решали конкретные задачи определенных клиентов. Однако они приобрели полноценный характер и стали охватывать бизнес-процесс целиком.
Это потребовало от нас остановиться и осмыслить не просто сборку отдельных документов, а построить логику бизнес-процессов end-to-end и перевести весь процесс в цифру с применением тех же технологий искусственного интеллекта. Пришлось все пересчитать заново и «продать идею» айтишной команде.
Перспектива. От кастома к продукту
На этом этапе первое, что необходимо решить любому фаундеру – это вопрос, какую боль снимет его продукт? Например, в крупном бизнесе в бэк-офисных процессов таких болей есть целый «букет»:
Необходимость повышения эффективности бизнеса;
Сокращение времени сотрудников на выполнение рутинных задач;
Снижение количества ошибок в стандартных процессах;
Необходимость контролировать нагрузку на специалистов.
Все эти задачи можно решить при правильном выборе и использовании технологий искусственного интеллекта. Для разработки наших продуктов мы тщательно анализировали рынок и выбирали технологии, способные решить поставленные задачи, например, традиционные анкетные конструкторы, инструменты аналитики больших данных и многие другие.
В итоге мы пришли к тому, что в нашем случае ставку будем делать на технологии, основанные на машинном обучении и нейронных сетях, таких как NER, OCR, контекстные модели. Также в определенных проектах, где важна скорость внедрения решения в промышленную эксплуатацию, мы стали использовать технологию RPA.
Следующим нашим шагом стала разработка продуктовой линейки и определение основных процессов, характерных для любого бизнеса, где присутствуют массовые, повторяющиеся операции, требующие скорости и качества. Так мы выросли до трех продуктов, покрывающих потребности всего бэк-офиса компании любого размера и сферы деятельности:
Xlogic – система по распознаванию первичной документации и автоматическому заполнению данных в целевые системы;
Ylogic – конструктор документов;
Zlogic – платформа для распознавания и генерации проектов ответных документов на входящие запросы.
За счет внедрения данных решений нам удалось переориентировать специалистов крупных компаний на более творческие задачи, а рутину отдать ИИ.
Только после этого мы всерьез прочувствовали разницу между Waterfall и Agile. Все это помогло нам прийти к созданию серьезной b2b-системы. Примерно два года для нас составило расстояние от эксперимента до промышленной сборки.
На тот момент казалось, что все основные трудности уже позади. Но мы столкнулись с еще одной проблемой – нехваткой людей. На этапе сборки решений параллельно запускается множество различных процессов, требующих контроля качества, и для этого очень важно иметь кадровый ресурс.
В свое время мы этого не предусмотрели и получили некоторые задержки на этапе внедрения решений, поэтому советую всем обратить внимание на этот аспект заранее, чтобы избежать нашей ошибки.
Что помогает расти
Я уже говорила, что начинать необходимо с того, в чем вы лучше всего разбираетесь, но добившись первых успехов важно двигаться дальше. Если в начале нашего пути деятельность компании была сфокусирована на юриспруденции, то сейчас бизнес вышел далеко за ее рамки. Сегодня мы создаем продукты на базе любой клиентской задачи.
Дистанционная работа, вызванная пандемией, подтолкнула бизнес активнее думать о цифровизации и сокращении расходов, а наши продукты стали сейчас особенно востребованы.
Еще раз подтверждает высокий спрос на цифровизацию рост конкуренции в этом сегменте, мы видим на рынке все больше новых решений, что развивает доверие к технологиям и создает соревновательный момент, а это очень важно для нового бизнеса. Конкуренция помогает компаниям расти, каждый день двигаться только вперед и создавать все больше новых продуктов.
Подводя итоги, хочется еще раз обратить ваше внимание на важные этапы развития подобного бизнеса:
- Проверяйте жизнеспособность ваших гипотез;
- Определитесь, какую именно боль должен снять ваш продукт;
- Учитесь считать все возможные показатели и экономическую эффективность проекта;
- Соберите команду профессионалов с необходимыми компетенциями и продайте им свою идею;
- Масштабируйте ваш продукт для охвата других направлений и отраслей, это поможет расширить поле возможных клиентов;
- В какой-то момент остановитесь и посмотрите на проект через призму уже, приобретенного опыта в процессе его реализации. Что-то вы выбросите, а что-то добавите;
Закладывайте реальные сроки. От идеи до промышленной сборки должно пройти время; - И главное, помните, что в бизнесе важно искать нестандартные визионерские подходы. Благодаря этому ваш конечный продукт будет уникальным и всегда востребован на рынке.
Источник — RUSBASE
