Шарашка 2.0: как приходит технологическое развитие
Сегодня много говорится про лидерство в искусственном интеллекте, пишутся планы и ставятся цели. При этом обсуждаются научные, технические, даже этические проблемы, но редко кто вспоминает организационные – кто, как и где будет такое лидерство обеспечивать. Идея дать денег и другую поддержку сильным командам с хорошим заделом проста и понятна, но дьявол, как известно, в деталях.
Нас учили, что настоящее технологическое развитие проходит рыночным путем, поэтому мы пытаемся копировать лучшие практики мировых технологических лидеров. Создаем копии (кто-то считает, что муляжи) Кремниевой долины в наших широтах, плодим государственные и полугосударственные институты развития, зовем смотреть наши стартапы венчурные фонды всех стадий. Этот путь инноваций многократно описан, в том числе и в историях успеха – была команда с идеей, ей дали немного денег для превращения идеи в прототип, который показали следующим инвесторам, а те дали денег довести прототип до минимального жизнеспособного продукта, который показали потенциальным заказчикам, те восхитились, появились первые покупатели, подтянулись инвесторы стадии роста, масштабировали продукт на новые рынки и вырос единорог. Он или вышел на биржу, или продался стратегическому инвестору. Хеппи-энд. Титры.
Но это история скорее про деньги, чем про технологии и лидерство. Предполагается, что «невидимая рука рынка» направляет разработчиков в наиболее востребованные клиентами ниши и нужные технологии как бы выковываются в таком процессе. Свободный рынок – это здорово и драйвово, конкуренция упрощает и удешевляет продукты, обратная связь от пользователей позволяет планировать их улучшение. Но все же в западной модели речь идет о продуктах и покупателях, а не о технологиях, но цель стать лидерами в продуктовой разработке никому не ставилась.
Продукт – это не технологии, и наоборот
Продукт – это не только технологии, и даже не в первую очередь технологии. Часто продуктовые инновации лежат не в технологиях, а в интерфейсах. Скажем, икона инноваций iPod, как и многие другие успешные продукты Apple, – пример удобной упаковки давно известных технологий. Занимаясь последние тридцать лет своей жизни крупными корпоративными проектами, я неоднократно наблюдал, как не только в b2c, но и в b2b на первый план выходят интерфейсы и отчеты, то есть то, что видит заказчик. Как метко сказал один клиент, «тот, кто платит деньги, в консоль не пялится». На продуктовых курсах вообще рекомендуют начинать разработку с интерфейсов, ведь если заказчику понравится продукт, то функционал потом как-нибудь прикрутим. Беда российской инженерной школы именно в том, что разработчики фокусируются на ядре, ключевой технологии продукта, уделяя преступно мало внимания всему остальному. История ABBYY и Касперского как раз о том, как русские инженеры довольно давно сделали уникальные движки, распознающие соответственно текст и вирусы гораздо лучше конкурентов, но для того, чтобы пробиться в элиту мирового бизнеса, им пришлось десять лет заниматься подтягиванием своих отчетов и систем управления, то есть неключевых свойств продукта.
Более того, талантливым инженерам просто скучно заниматься «обвязкой», мне это хорошо видно, как ментору нескольких стартапов. Может быть, им дать заниматься тем, что они любят?
Поэтому, когда говорят о лидерстве в сфере искусственного интеллекта, надо четко понимать, что здесь подразумевается – иметь в государстве востребованный в мире ИИ-продукт/сервис или владеть технологиями, которые будут использоваться в стране и сами по себе на рынок выводиться не будут. Ходит недалекая от правды шутка, что у русских хорошо получается сделать что-то прорывное в единственном экземпляре за огромные деньги, а вот с тиражом у нас дела обстоят хуже. Хотя как минимум одно исключение из этого правила все-таки есть: автомат Калашникова разошелся в количестве более 100 млн экземпляров. И разрабатывался он изначально вовсе не для рынка, а для внутреннего пользования.
Профанация инноваций
Вывод на рынок продукта/сервиса связан с огромным количеством затрат, из которых, собственно, на «ядро», ключевую технологию, приходится процентов десять. Остальное – тестирование гипотез, маркетинг, организация сбыта и связанные с ними затраты: люди, материальные ресурсы, отчетность. Фонды, которые дают на это деньги, заинтересованы в быстром росте и кратном возврате вложений – прежде всего они смотрят не на технологии и патенты, а на живучесть бизнес-модели: если клиенты готовы платить за ценность, с технологиями что-нибудь придумаем. Поэтому на рынке ИИ-систем сейчас наиболее популярны сервисы и продукты, повышающие конверсию в маркетинге – таргетированные предложения, например. Такие решения позволяют быстрее показать эффективность.
Но бывает и циничнее, вспомните скандалы с понятной и принятой рынком ценностью, но с несуществующими технологиями: Teranos, который обещал быстрые анализы по капле крови, «Амазон», переправляющий трафик с якобы «умных» домашних камер видеонаблюдения Amazon Ring операторам в Восточную Европу для разметки, индийский стартап Engineer.ai, обещавший «программирование без программистов», а на деле программы писали живые кодеры и т. д. Именно рыночная концепция «сначала бизнес-модель» привела к тому, что в ядре большинства сегодняшних продуктов с искусственным интеллектом никакого интеллекта нет – это либо классические цепочки if-then-else, либо живые операторы на «последней миле», зачем вкладываться в сложную математику, если пока непонятна бизнес-модель? Можно, конечно, вспомнить успехи ИИ в игре в шахматы и го, но даже с распознаванием лиц пока не очень получается, особенно у «Гугла» с негроидной расой.
Данные рулят
Еще у проектов по искусственному интеллекту есть специфика – ему нужны данные, так называемые датасеты (data sets), не тестовые автоматически сгенерированные, а живые. На рынке они есть, но делиться ими не любят, все помнят классическое «кто владеет информацией, тот владеет миром». Продают на датасеты только обезличенные и старые. В тех отраслях, где данные не меняются со временем (лица и другие образы, шахматы и другие логические игры), исторические данные еще можно использовать для обучения, а вот в экономике, кибербезопасности и военном деле, например, они не очень помогают. Обученные на старых данных в быстроменяющихся отраслях, как говорится, «готовят войска к прошедшей войне». Что толку от массива банковских транзакций за прошлый год, если в новом году изменилась экономическая ситуация, налоги, регулирование и правила противодействия отмыванию средств? Предсказания моделей, обученных на прошлых победах, может привести к поражению. А если данные еще и случайно модифицировали при обезличивании, смысл обучения становится призрачным. Для индустрии развлечений старые данные — это хорошо (можно снимать фильмы с умершими или несуществующими вовсе актерами, например), но это не то лидерство, к которому мы стремимся, правда? Вот почему доступ к живым, а не обезличенным историческим данным является еще одним аспектом разработки лидирующих технологий – только так можно строить актуальные модели в экономических, политических и военных целях.
Кто, если не они?
У кого в России много данных и одновременно денег на инновации? У государства в лице его министерств и ведомств, например, ФНС. У крупных «цифровых» банков. У телекоммуникационных компаний. У многопрофильных интернет-холдингов. У транспортных и логистических компаний. Хотя сегодня деления на отрасли условны – банки стремятся превратиться в финансовые экосистемы и создают свои или кооперируются со смежными услугами: розницей, транспортом, логистикой и т. п. И совершенно понятно стратегически, что развитие технологий ИИ поручено не академическим и отраслевым научно-исследовательским институтам (они, конечно, участвуют, но как соисполнители), а тем, кто способен объединить интеллектуальные и финансовые ресурсы с актуальными живыми данными. А это значит, что гонка за лидерство в ИИ в России будет не рыночной – пойдет охота не за компаниями и стартапами, а за командами.
Отбор технологов
Посадить технологическую часть вечноголодного стартапа на высокую зарплату в Сбербанк или Ростелеком сегодня гораздо проще и финансово, и бюрократически, чем заниматься слияниями и поглощениями – для государственных «монстров» покупка компаний гораздо более бюрократический процесс, чем найм сотрудников. А ненужных маркетологов и продавцов вместе с менеджментом можно и не брать: работа на рынке не предполагается, будет работа внутри компании по решению насущных задач, в которых ИИ-технологии станут использоваться не для продажи, а для повышения конкурентоспособности. В российских реалиях перекупить команду гораздо проще, чем, скажем, в американских – там попытка начать переговоры о слиянии или покупке продукта в процессе разобраться, кто в команде лучший, и забрать его с помощниками может стоить многомиллионных исков, проще компанию действительно купить. А в России устроить техническое совещание с производителем продукта и, получив паспортные данные участников для выдачи пропусков, связаться с ними и сделать предложение о работе типа «умножьте свою сегодняшнюю зарплату на 2 и выходите к нам» – обычная рутинная практика. Кто-то назовет это «Шарашкой 2.0», кто-то эффективным управлением дефицитными кадрами, но, так или иначе, концентрация технологической экспертизы в крупных окологосударственных межотраслевых холдингах уже идет полным ходом.
Китайский вариант
Уже сейчас видно, что развитие искусственного интеллекта в России будет идти скорее по китайскому, чем по американскому сценарию. Централизация ресурсов (людей, денег и данных) в нескольких уполномоченных компаниях под управлением государства вместо свободного рынка и венчурного финансирования – как показывает опыт Китая, это не менее эффективная модель, чем рыночная. Такой подход должен кардинально поменять подход к созданию ИИ-стартапов в России – нет никакой надобности заниматься маркетингом, проверять гипотезы и искать финансирование, надо прокачивать технологии, патентовать их на инвестора, и искать связи с двумя-тремя потенциальными покупателями. Благо в этих покупателях есть специально выделенные под такие задачи люди. А в идеале – сначала найти потенциального покупателя, а потом уже начать инвестировать деньги в технологии.
Главное, чтобы внутри волшебных электрических пианино не сидел карлик-пианист, как это было принято в инновациях далекого прошлого.
Опубликовано 26.02.2020