Бот «Твой батя», колонка в виде карася и навыки для «Алисы»: интервью о серьезных и не очень ML-проектах с основателем EORA

Начало пути

— Тебе 30 лет, ты руководишь компаниями с оборотом в почти $1 млн и управляешься со штатом из 40 человек. Как пришел к этому? 

Роман: Не могу сказать, что $1 млн — это много, но зато мы их заработали с нуля.

Началось все неосознанно, еще в детстве. У бабушки в деревне мы с друзьями набрали малины и вишни, продали это на сельском базаре — и заработали 12 гривен. Тогда меня это впечатлило.

А еще мне повезло — моя мама всегда интересовалась новыми технологиями. Благодаря ей компьютер в нашей семье появился довольно рано — мне было около 6 лет. Еще через пару лет нам подключили интернет.

Кстати, спустя годы интерес родителей не пропал — я рассказываю им о том, чем занимаюсь, и мама, например, уже понимает разницу между NLP и компьютерным зрением. Это так воодушевляет! И помогает сохранять теплые и близкие отношения в семье.

Уже в школе я начал увлекаться онлайн-играми — вернее, их взломом (смеется). Стал сидеть на хакерских форумах, пробовать писать скрипты ботов для прокачки персонажа и даже ходил на курсы по программированию.

— У тебя были свои проекты в школе или студенчестве? 

Роман: Да, такой опыт был. Я мечтал много путешествовать, увлекся идеей аэрофотосъемки и поступил в Московский государственный университет геодезии и картографии. И в 2008 году мы с однокурсниками попытались запустить стартап: разработали систему стабилизации для беспилотных летающих аппаратов, выиграли несколько конкурсов.

Призом в одном из них была поездка в бизнес-инкубатор в Саров. Там я и познакомился с Максимом Каманиным, он тогда работал над Displair. Идея была супер инновационной — он сделал первый прототип воздушного экрана, похожего на голограмму, и планировал наладить его производство.

На практике это выглядело так: с помощью специального проектора изображение транслировалось на струю воздуха с паром, и пользователь мог не только смотреть на картинку, но и взаимодействовать с ней. Для рекламной индустрии, например, это стало бы прорывом.

— Значит, ты проникся идеей? 

Роман: Верно, я стал кофаундером стартапа. Занимался им с 2011 по 2015 годы. Мы привлекли внимание крупных инвесторов, занялись исследованиями и разработкой софта, открыли производственный цех в Астрахани, а потом и в Китае. Это и стало ошибкой — запуск «железного» производства оказался непосильной задачей, и проект пришлось свернуть. 

— Желание заниматься бизнесом не пропало? 

Роман: Эмоционально было очень тяжело. Но уже позже, поразмыслив, я осознал, насколько важный опыт это был — через пару лет, после этого и других кейсов, я для себя твердо решил: лучше рассчитывать на себя и запускать проект с «холодного старта».

К сожалению, юнит-экономика не сошлась, и довольно быстро модель показала свою нежизнеспособность.

Не хотелось влезать в новые обязательства, но мы понимали, что варианта нет  — заняли у друзей 2,5 млн руб. и пивотнули проект в агрегатор услуг помощи на дороге: если что-то случалось, через мобильное приложение или по телефону пользователь мог вызвать эвакуатор, механика, проконсультироваться с юристами и так далее.

Назвались EORA (enterprises of road assistance), и все шло хорошо — почти два года проект активно рос. 

— Когда вы начали заниматься ИТ-аутсорсом? 

Роман: В 2017 году мы столкнулись с проблемой. В дни, когда выпадало много осадков и ситуация на дорогах ухудшалась, количество звонков в наш колл-центр сильно возрастало — мы не справлялись с нагрузкой. Поэтому решили автоматизировать первичный сбор информации и вступили в нишу чат-ботов, о которых тогда еще никто особо не говорил. 

Стали углубляться в это направление, я загорелся темой искусственного интеллекта — так появились предпосылки для нового проекта, и в 2017 году я стал плотно им заниматься, пока не покидая компанию. А еще через несколько месяцев осознал, что просто влюбился в технологии, что хочу заниматься только ими. 

Мы с сооснователем обсудили ситуацию, решили дообслужить текущих клиентов и заморозить проект. К 2018 году распустили штат, расплатились с инвесторами, закрыли юрлицо.

Поворот к технологиям, создание EORA Dialog Systems и новые проекты

— То есть ты снова начал с нуля? 

Роман: Не совсем. У меня не было разрыва между проектами — я плавно перешел с одной темы на другую, а еще было четкое понимание, что я хочу сделать, и первые нужные контакты.

Когда мы начали автоматизировать свой контактный центр, я оказался на одном из хакатонов и там познакомился с Дмитрием Чечеткиным — создателем Zenbot, open source-платформы для создания чат-ботов. Так у меня появились первые партнеры, вместе с которыми я мог брать ИТ-проекты на аутсорс.

Потом, на Web Summit в Лиссабоне, я законнектился со «СберСтрахованием» — рассказал про наш опыт автоматизации, удалось договориться на пилот. Также нам повезло начать сотрудничество с L’Oreal, которые в тот момент искали подрядчика для внедрения чат-бота на их сайт. Можно сказать, что они и стали нашим первым крупным клиентом.

Деньги от первых проектов и позволили снова встать на ноги — получился тот самый «холодный пуск». Так появилась компания EORA Dialog Systems. Я нанял двух первых сотрудников — один из них сейчас наш CTO. 

— А с кем еще из крупных игроков вы работали?

Роман: В первый год работы одним из больших заказчиков стал S7: нас пригласили сделать чат-бот для бронирования билетов на рейсы в Facebook и создать аналогичный навык для голосового ассистента «Яндекс.Алиса».

После работали со SberDevices, «Абсолют Страхованием», QIWI, Nestle, «Столото», iFarm, KazanExpress... Отдельно отмечу проект с «Додо Пиццей» — но об этом чуть позже. 

— Сколько получилось заработать на первых проектах? 

Роман: Суммы раскрывать не могу — самые крупные проекты сейчас под NDA, они осуществлялись для крупного FMCG-бренда и лежали в области автоматизации и обработки рекламных кампаний. Вторыми по прибыльности идут проекты по автоматизации контактных центров. На третьем месте — интерактивные сказки для популярных голосовых ассистентов.

— Какие проекты входят в вашу группу компаний? 

Роман: Сейчас в EORA две студии: Data Lab, которая разрабатывает решения на основе компьютерного зрения и data science, и Dialog Systems, которая специализируется на диалоговых системах, то есть чат-ботах, голосовых помощниках, контакт-центрах.

Каждая из студий разрабатывает продукты, иногда в коллаборации с другими ИТ-компаниями — сейчас у нас пять решений, два из которых появились в этом году.

— Как появилась вторая студия? 

Роман: В качестве хобби мы регулярно участвовали в хакатонах и на отраслевых мероприятиях: за четыре года существования у нас больше 35 выступлений и 16 наград.

Со временем мы решили объединить нашу «хакатонскую» команду в коммерческую компанию, которая могла бы заниматься глубоким машинным обучением в области компьютерного зрения и чуть-чуть data science — уже тогда было понимание, что для решения комплексных задач нужно развивать разные компетенции. Впоследствии участники этой команды и стали основными кофаундерами. Во всем EORA нас сейчас семь соучредителей, в каждой компании — свои. 

В 2018 году открыли новое юрлицо и стали резидентами Иннополиса, где до сих пор находится наш основной офис.

— А когда началась продуктовая разработка? 

Роман: Через год у нас стали появляться новые задачи, а готовых решений не было. Поэтому мы решили потихоньку выводить собственные решения: первой появилась zDialog, платформа для разработки сложных диалоговых систем. До сих пор очень горжусь реализацией — интеграция моделей машинного обучения в ней проходит очень легко, а сейчас без этого никуда.

Чуть позже, в 2020 году, стали активно добавляться крупные заказчики — нужно было срочно адаптировать системы под высокие нагрузки. Так появились система чат-бот аналитики OneDash и собственный хостинг для моделей машинного зрения VisionHub.

— Пандемия этому не помешала? 

Вообще в пандемию было тяжеловато в финансовом плане.

Не оставалось ничего другого, как довериться, поэтому время было довольно напряженное. И очень не хватало офлайна — мы привыкли общаться на конференциях. Хороший доклад в этом контексте — это просто билет на общение с интересными людьми, а в онлайне все становится плоским, нет души.

— Почему вы делаете такой акцент на ивентах?  

Роман: С самого основания мы активно участвовали в мероприятиях. Во-первых, это способ прокачаться, во-вторых, познакомиться с нужными людьми (например, с S7 мы встретились как раз на хакатоне). И потом, многочасовая совместная работа очень объединяет.

— Получается, ваш маркетинг сводился к мероприятиям? 

Роман: Я бы сказал, у нас не было маркетинга до текущей весны, а конференции, хакатоны и немногочисленные статьи были единственными источниками, откуда о нас могли узнать. 

Недавно мы решились оцифровать наш опыт: описали все кейсы, запустили новый сайт, даже отсняли серию роликов, чтобы было проще составить о нас впечатление.

— Расскажи про ваш образовательный проект. Вы им занимаетесь для продвижения или для вклада в индустрию? 

Роман: Сейчас самые крутые и востребованные специалисты — профи в любой отрасли, которые обучились data science. Биолог или физик, ставший программистом, всегда будет сильнее программиста, который дополнительно обучился естественным наукам. Я думаю, что овладеть хотя бы минимальными навыками data science хорошо бы каждому.

Один из кофаундеров Data Lab Эмиль Магеррамов вместе с нашими коллегами создал на базе Иннополиса целое сообщество — AI Community. Сейчас в нем почти 800 человек и пять постоянных преподавателей, мы проводим офлайн и онлайн-лекции, ML-практикумы и ведем YouTube-канал.

В 2019 году мы даже стали партнерами SkillFactory и записали совместный курс по data science, а в 2020 — стали одними из преподавателей курса по разработке чат-ботов SkillBox.

— А какими еще проектами ты гордишься? 

Роман: Мы есть на карте рынка искусственного интеллекта России, наши проекты попали в AI Russia — российскую библиотеку эффективных бизнес-кейсов с использованием ИИ. Еще «Яндекс» включил Dialog Systems в список рекомендованных компаний, создающих навыки, и буквально на днях мы вошли в число первых авторизованных партнеров «Сбера» по разработке приложений для экосистемы «Салют».

Но это про формальность, хоть и приятную. А так в душу больше всего запал проект с «Додо» — работать с ними огромное удовольствие! 

Они еще в 2018 году предложили нам автоматизировать входящие звонки со свободной речью. За это время мы многом научились: узнали, что если поставить женский синтезатор, то с ним будут флиртовать или путать с «Алисой», что ошибки в распознавании речи сложно предугадать.

А главное, что мы усвоили — человек с роботом ведет себя совсем по-другому. 

Сейчас наш бот развернут во всем контактном центре «Додо» и обрабатывает более 400 000 тыс. звонков в месяц.

— Звучит круто, теперь буду знать, с кем говорю, когда заказываю пиццу. 

Роман: Да! Еще один запавший в душу проект — попытка сделать умную колонку в виде карася. Мы это сделали ради теста — в результате поняли, что для собственной умной колонки нужны гигантские ресурсы, поэтому и оставили эту идею. Но надеюсь, когда-нибудь к ней вернемся.

ИИ, «плохие» боты и выход за рубеж

— Расскажи о вашей команде.

Роман: Нас больше 40 человек, плюс за штатом около 20 специалистов: юристы, арт-директора, иллюстраторы, дизайнеры. Мы общаемся через почту и мессенджеры, задачи отслеживаем через Asana, а рабочее время учитываем через Toggl Track.

Вообще у нас есть правило: хорошо работает тот, кто хорошо отдыхает — наши корпоративы всегда проходят феерично. Правда, сейчас стало очень сложно находить дома на 40 человек. Думаем, что делать с этой проблемой (смеется).

— А что для тебя самое сложное в работе? 

Роман: Мне нравится заниматься разработкой, поиском новых ниш, нетворкингом. Операционка дается сложнее. Тем не менее, мы сфокусированы на том, чтобы поставить на поток все процессы — от онбординга клиентов до разработки решений и их сопровождения. Для этого проводим еженедельные рабочие сессии с топ-менеджментом, регулярно замеряем экономические показатели эффективности, пишем инструкции — все это довольно напряженная часть работы.

А вот разбираться с юридической документацией мне совсем не по душе. Читать большие договоры — та еще мука, но иногда это приходится делать, так как юристы не всегда достаточно глубоко погружены в нашу область. Плюс мы работаем с компаниями, которые в силу размеров не могут обходиться без бюрократии.

— Как справляешься со стрессом? 

Роман: Набор стандартный: путешествия, физическая активность, отдых от телефона. Предпочитаю активный отдых — мотоциклы, регаты, бег. На этой неделе я взял передышку — уехал кататься на байках в горах. А в середине лета поеду в Хорватию на технорегату. Вообще решил больше давать себе отдыха в этом году — в прошлом было только пять дней отпуска.

— То есть, помимо карася, делаете и другие продукты ради фана? 

Роман: Да! Каждый год на корпоративе мы придумываем ироничные проекты, которые обычно запускаем к первому апреля. 

Первой шуткой стал ассистент для поиска любви — мы натренировали нейросеть лайкать людей в Tinder. Потом сделали музыкальный сервис Bongo cat: компьютерная модель слышит, как кто-то играет на инструменте или поет, и она начинает отвечать битом в такт.

В этом году выпустили «Лигу плохих ботов»: в наборе есть «Твой батя» с дурацкими анекдотами, «Лебедь Артемьев», недовольно реагирующий на любую новость, и Zoomer, который генерирует мемы под тему разговора. В основе каждого из ботов лежит серьезная технология обработки естественного языка, но цель их создания — чистое творчество и веселье. 

Не скучаем и на рабочих проектах: например, для Avon мы разработали ИИ-решение, которое помогало девушкам подобрать подарки для мужчин на 23 февраля. После того, как в бот загружали фотографии, он голосом Тимура Родригеза давал шуточные комментарии и предлагал индивидуальные идеи подарков:  «А у парня шикарная борода — может, подаришь ему крем для ухода?»

— А теперь немного серьезности: какие у вас планы? 

Роман: У нас получилась очень плавная линия разбега, думаю, основной скачок впереди. Наш оборот увеличивается в два раза каждый год — это довольно медленно, но, как любят говорить в нашей стране, стабильно. Суммарно за 2020 год наш оборот вышел чуть меньше $1 млн долл, а в этом году, даже несмотря на валютные скачки, мы планируем превысить эту планку.

— У вас есть зарубежные клиенты? 

Роман: Да, несколько клиентов Data Lab и заказчиков OneDash из Кипра, Ирландии, Казахстана и Беларуси.

— Планируете полноценный выход за рубеж? 

Роман: Мы сейчас делаем все, чтобы выйти в «большой мир». Для этого нам нужно было стать командой, узнать друг друга на уровне фаундеров и отладить все процессы. Сейчас мы готовы, рассматриваем Эмираты, Канаду, Великобританию и Сингапур.

— Не боитесь конкуренции? 

Роман: Конкурентов в России не так много, но они есть. Мы внимательно следим за основными игроками, с некоторыми даже дружим. А вот в мире конкуренция и правда огромна. Но у нас есть своя фишка: по нашим данным, совмещать диалоговые системы с компьютерным зрением даже в продвинутых странах умеют очень немногие. Как правило, этим занимаются гиганты вроде Tesla. 

— Получается, направления вашей работы останутся прежними? 

Роман: По большей части да, хотя мы постоянно меняемся, чтобы успеть за трендами отрасли. 

Сейчас делаем опыт студий более структурированным, будем через партнеров интегрировать наши решения. Но пока что основной приоритет для нас — достроить операционные процессы в студиях, чтобы была возможность спокойно сфокусироваться на самих продуктах. 

А если глобально, наша задача — делать продукты на стыке компетенций, например, сочетать компьютерное зрение и data science. Собственно, что мы уже и делаем.

— В этом году вы тоже запускали новые продукты? 

Роман: Да, Dialog Systems с партнерами представили Moojo — решение для автоматизированного сбора обратной связи от клиентов. А студия Data Lab разработала Mage, систему поиска товаров по фотографиям для интернет-магазинов. Точнее, изначально нейросеть работала по фото, но потом мы добавили и поиск по тексту. Это значит, что систему можно попросить «найди мне фиолетовую майку с тигром и надписью “только вперед”», и она найдет.

— Кассовые проекты как раз приходятся на эту область? 

Роман: Все так. Общая сумма контрактов по Mage составила больше $250 тыс. Поиск похожих изображений через построение эмбеддингов — векторный подход к моделированию языка, изображений и прочего — довольно сильно улучшает системы поиска и ранжирования товаров, поэтому это желанная игрушка для e-commerce. Но тема для непосвященных непростая, поэтому мы рассказываем о ней на Habr.

— Какой порог входа в аутсорс ML-решений, может ли это себе позволить небольшой бизнес?

Роман: Если говорить про наши решения, то порог входа для заказа проекта у Dialog Systems — от 350 тыс. руб., а у Data Lab — 800 тыс. руб. Но в случае МСП проблема даже не в деньгах — у них обычно нет нужного объема данных, и наши технологии с ними просто не сработают так, как нужно. Например, автоматизация контакт-центров начинает приносить ощутимый эффект после обработки 5 тыс. входящих звонков.

Вот почему мы изначально целились в крупные компании. Да, цикл сделки бывает долгий — с некоторыми компаниями доходит до 8-9 месяцев — но мы к этому готовы. Да, со многими лидерами работа идет без аванса, а постоплата доходит до 75 дней, но и к этому мы уже привыкли, подстроили бизнес-модель.

Правда, сейчас стараемся идти в сторону сотрудничества с малыми компаниями. Например, ввели в OneDash для них бесплатный тариф, а цель VisionHub — снижать затраты на машинное зрение.

— Некоторые ваши продукты уже построены в коллаборации. Планируете и дальше наращивать сеть партнеров? 

Роман: Нам близок любой продукт, связанный с ML — поэтому да, в составе EORA могут появляться новые компании, если их ключевой технологией будет машинное обучение, а мы будем помогать с разработкой и R&D. 

— Не боитесь распыления? 

Роман: На эту тему мне запомнилась одна мысль из трудов философа Щедровицкого (мы изучали его работы в МГУ). Если кратко, суть этой мысли в том, что решение к любой задаче — например, построению и запуске ракеты — будет находиться на стыке всех компетенций, то есть математики, физики, химии, экономики и прочих.

В том числе поэтому считаю, что искусственный интеллект как цельное понятие не существует. ИИ — звучит эфемерно, а вот его составляющие вполне себе ощутимы, с ними можно работать:

• процессинг естественного языка (он же NLP/NLU) — чат-боты, умные колонки, навыки для Алисы и «Google Ассистент», поисковые системы; 
• data science — набор методов и подходов к работе с данными; 
• компьютерное зрение — детекция, распознавание, трекинг и генерация объектов.

Несмотря на общий базис в виде машинного обучения и большое количество пересечений, эти направления довольно сильно отличаются на техническом уровне — развивать их в рамках одного проекта довольно сложно. Собственно, поэтому EORA стоит на двух равноценных столпах-студиях и поэтому обрастает новыми продуктами и партнерами.

Мнения экспертов

Еще несколько лет назад для меня и нашего контакт-центра автоматизация голосовой линии было чем-то новым и неизведанным. Мы абсолютно не понимали, как к подступиться к этому проекту. Стали искать партнеров, которые бы нам помогли в реализации — нам нужен был энергичный российский стартап, не погрязший в бюрократии. Команда EORA подошла на 100% под эти требования. 

После нескольких раундов переговоров мы сделали ставку на них и не прогадали. Да, в процессе мы совершали много ошибок, набивали шишки, но благодаря этому и нашли новые решения.  

Уверен, что EORA скоро займет лидирующие позиции в автоматизации контакт-центров, и я рад, что мы поверили в ребят и придали им дополнительную уверенность.

Количество задач, которые может выполнить машина или робот, увеличивается с каждым днем. Все меньше и меньше необходимость загружать сотрудника рутинными задачами, время на выполнение которых он мог бы потратить, делая более интеллектуальную работу. Речь про ответы в контакт-центрах, быстрое оформление заказов и поиск в интернет-магазинах, помощь в расшифровке и систематизации данных медикам и организациям здравоохранения. Мы со своей стороны видим спрос на подобные решения в e-commerce, банках, логистике, онлайн-обучении.

Решения, которые поставляет EORA в области диалоговых систем и компьютерного зрения, ложатся в общемировой тренд цифровизации и автоматизации. Поэтому у компании есть все шансы занять нишу и стать лидером в этой сфере.

Юрий Гугнин, основатель инвестиционной платформы Karma

Пока что чат-боты в банках и интернет-магазинах — зачастую боль для пользователей. Так и хочется побыстрее написать «оператор», чтобы решить вопрос. При этом очевидно, что корпорации будут стремиться в сторону автоматизации колл-центров и службы поддержки, поэтому на продукты EORA с высокой вероятностью найдется много клиентов.

Если рассматривать проект как венчурный бизнес, то, на мой взгляд, инвесторам будет намного понятнее модель, если компании обновят позиционирование от ручного оказания услуг к типовым масштабируемым и конфигурируемым SaaS-решениям.

---

 

Внедрение ML-решений тесно связано с общей цифровизацией компании. В целом мы видим тенденцию роста сегмента машинного обучения и ожидаем повышения популярности таких услуг и продуктов. Однако в России этот рынок пока слабо развит. 

Бизнес только знакомится с направлением — где-то что-то слышит и читает, но пока не понимает, что с этим делать. У некоторых уже есть собственные центры компетенций и попытки внедрения машинного обучения. Но это, как правило, сводится в проверке гипотез, а до продуктива не доходит. Поэтому у исполнителей ML-аутсорс услуг не так много опыта.

Потом, каждый новый ML-аусорсинговый проект — это разработка решения с нуля или почти с нуля, поэтому кастомная разработка всегда занимает много времени и дорого стоит.

Еще одно «узкое» место — непрогнозируемый результат. Заказчик может прийти с идеей по применению машинного обучения, но узнать об эффективности и точности применения технологии в этом конкретном проекте заранее невозможно. Либо данные не позволят обучить алгоритм, либо паттернов будет недостаточно или они будут неповторяющимися — факторов много. Мы в таких случаях, как правило, проводим пилот с минимальными затратами, чтобы понять: сработает или нет.

Все фото: предоставлены компанией