Нейросети отвоевывают все больше и больше места в жизни как простых обывателей, так и бизнеса. Сами того не замечая, с искусственным интеллектом мы сталкиваемся повсюду: пролистывая ленты в соцсетях, совершая звонки в банк или телеком-компании, делая покупки в магазинах… И этот рынок очень активно развивается, а компании-разработчики предлагают все больше решений на основе нейросетей, оптимизируя работу сотрудников предприятий различных отраслей. Чтобы разобраться в тонкостях процесса, мы пообщались с технологическим предпринимателем, основателем и директором маркетплейса нейросетей AIR Тимуром Бикбовым.
— Тимур, расскажите немного о себе: как вы пришли в отрасль?
В отрасль IT попал не сразу. Поскольку по образованию я финансист, долгое время занимался управленческим консалтингом в компании Deloitte, работал с компаниями-гигантами из нефтегазовой отрасли, телекома. Со временем понял, что наибольший интерес для меня имеет технологический трек, это перспективное направление, где много проектов, с которыми можно поработать, в том числе и в плане финансового консалтинга. Так я оказался в небольшой эстонской компании, которая специализировалась на консалтинговых услугах крипто- и финтех-бизнеса. Там я возглавил один из отделов, работал с проектами на ранних стадиях, выводил их на международные рынки. У меня появилось огромное количество знакомств — сотрудники и основатели стартапов, и именно их опыт и вдохновил на создание собственного проекта.
Так я ушел из консалтинга, собрал команду, и вместе мы занялись разработками в области ИИ. Вообще ИИ — очень широкое понятие, которое включает и нейросети, и машинное обучение, и компьютерное зрение. Мы же решили сконцентрироваться на нейросетях.
— С чего начали?
Начинали мы с машинного обучения: разрабатывали модель, которая может предсказывать развитие ситуации на рынке российских маркетплейсов. Мы делали продукт, который парсит данные по рынку (цены, складские остатки и т. д.) и на их основе делает предиктивную аналитику. В силу разных причин релиз продукта не состоялся. Но благодаря этому проекту мы заработали экспертизу и нашли для себя отличную возможность реализоваться в сфере ИИ. Продолжили разработки в сфере генеративных нейросетей, LLM-моделей (Large Language Model, огромные языковые модели, которые помогают человеку на естественном языке работать с ИИ). И поскольку начался хайп вокруг популярных нейросетей — все узнали про ChatGPT, Midjourney и т. д., — мы решили, что не должны оставаться в стороне.
— И как вы действовали дальше?
На начало 2023 года было порядка 100 популярных моделей ИИ (именно прикладных нейросетей). Частному пользователю разобраться в этом количестве сервисов просто нереально: выбрать наиболее подходящий и эффективный, научиться его использовать. И мы решили сделать продукт, который объединяет все эти нейросети. Создать нейросеть нейросетей — ИИ, который благодаря процессу оркестрирования может управлять другими сетями. Таким образом мы хотели облегчить пользователю жизнь, ведь теперь он может ставить комплексные задачи вместо того, чтобы каждый раз обращаться к конкретному сервису.
— Как это реализовывается на практике?
Например один из наших партнеров в своей работе использует твиттер. И чтобы написать твит, ему надо сходить в ChatGPT, попросить написать текст, перейти далее к Stable Diffusion, попросить сделать картинку к этому твиту, предварительно спросив у ChatGPT, какая картинка будет релевантной… Ему приходится переключаться между разными проектами, а это разные подписки, разные регистрации, учитывая региональную специфику, отсутствие некоторых инструментов и т. д. При помощи нашего продукта он делает один запрос «напиши забавный твит про котиков и подбери картинку» и получает готовое решение: нейросеть распознает комплексную задачу, делит ее на подзадачи и распределяет их между ответственными нейронными сетями, а потом компилирует ответ.
Еще один пример. Сейчас популярны онлайн-митинги. А что делать, если сотрудник по какой-то причине пропустил это совещание? Благодаря нашему продукту он может не переслушивать его целиком: достаточно загрузить запись онлайн-конференции на платформу, и далее одна нейросеть переведет звук (аудиоматериал) в текст, другая скомпилирует материал и выделит самое важное для сотрудника в данном тексте.
— Как вы монетизируете проект?
Сейчас функция оркестрирования находится в разработке, а маркетплейс нейросетей в стадии публичного доступа, и здесь у нас более 40 тысяч пользователей. Каждый может зайти, подобрать для себя подходящую нейронку: при этом нет необходимости использовать собственные мощности, думать о том, как оплатить тот или иной сервис. Он покупает наше комплексное решение. Монетизация маркетплейса как агрегатора является оценкой между себестоимостью и конечной стоимостью для потребителя.
— Кто ваши клиенты?
Мы работаем с разными сегментами: и частными пользователями, и бизнесом. Если говорить про бизнес, то это российские банки (два банка из топ-10 находятся на пилотах, еще один банк из топ-20 интересуется нашими кейсами), крупные диджитал-агентства (например «Юла»), телекомы. Планируем выходить и в другие сегменты пользователей.
— Ваша платформа имеет аналоги?
Такого формата агрегации и позиционирования для бизнеса, как у нас, нет ни у кого. Наше предложение — это как MacBook серии Pro. В области нейросетей создаем именно Pro-решения. И сколько бы меня ни спрашивали, как нейросети могут помочь домохозяйкам, отвечаю, что это не наш профиль. Мы работаем для специалистов. Если говорим про частных пользователей, то зачастую это фрилансеры или специалисты, которые сами оптимизируют свою работу. Работаем для бизнеса. Например сейчас ни в одной нейросети невозможно оформить корпоративный доступ (одновременно для нескольких пользователей), а если компания использует несколько моделей, то проблема становится в несколько раз масштабнее, плюс подписку невозможно оплатить с расчетного счета… Эти сложности решаются благодаря нашей компании.
Мы создали уникальную платформу, которая работает для корпоративного сегмента, имеет API-интеграцию, собственную платформу, большое количество моделей на выбор. Таких пока больше нет. И в этом мы первопроходцы. Хотя у нас есть большое количество косвенных конкурентов. Например большие платформы, которые предоставляют доступ только по API, или продукты, которые специализируются на ChatGPT или на Stable Diffusion моделях.
— Ориентированы на русскоязычных пользователей?
Мы будем тестировать спрос в разных локациях. Например, нас интересует рынок Китая. Когда мы представим решение по оркестрированию нейросетей, это станет решением мирового уровня, где сможем себя попробовать на разных рынках. А стартовать с России было проще всего, поскольку рынок более известный, плюс нас здесь поддерживают локальные институты развития.
— Насколько велика ваша команда?
Сейчас в команде порядка 10 человек, это штатные и внештатные сотрудники: разработчики, которые специализируются на разных процессах, маркетологи, специалисты по копирайтингу, дизайну, продажники.
— Как вы оцениваете развитие российского рынка нейросетей, ИИ? Как мы выглядим на фоне мирового рынка?
Отечественный рынок догоняющий, поскольку его формирование происходит под веянием западных тенденций. Так, российской рынок нейросетей составляет 47,5 миллиона долларов, а рынок США — 4,5 миллиарда долларов.
Если говорить про ИИ в широком понимании, то этому направлению у нас в стране уделяется большое внимание: уже сейчас есть целые объединения в сфере ИИ, есть вузы, которые готовят профильных специалистов. ИИ выделяется в самостоятельное направление, и мы можем конкурировать на международном рынке.
ИИ — игра в долгую, потому что разработки в этой сфере затрагивают большое количество наработанных данных, на которых обучаются модели. Процесс поиска, отбора информации, обучения — очень длительный. И если продукт выпущен на рынок, то аналоги появятся не ранее чем через года три. Для IT-отрасли это очень долгий промежуток.
В России есть интересные стартапы, которые предлагают решения на базе ИИ в разных отраслях — медицине, промышленности, микробиологии и других. Разработкой в области нейросетей занимаются и такие гиганты, как «Сбер», «Яндекс». И их модели реализованы на достаточно хорошем уровне, чтобы конкурировать с западными аналогами, — например, Kandinsky от «Сбера».
— В каких отраслях нейросети наиболее востребованы?
Технологии активнее всего внедряют маркетинговые, диджитал-агентства либо компании, которые имеют крупные подразделения маркетинга. Например, партнерство Coca-Cola с OpenAI стало одним из первых показательных кейсов использования нейронных сетей в современном маркетинге.
Такие модели, как ChatGPT, сильно оптимизируют работу с кодом и позволяют не писать простые конструкции.
Сфера телекома использует нейросети, чтобы предоставить высокий уровень клиентского сервиса: нейросети хорошо обучены поддержанию разговора, понимают контекст, предоставляют информацию по запросу. Активно используют нейросети банки, но с поправкой на банковскую тайну.
Если углубиться, то мы можем видеть, что работа с нейросетями распределена не столько по отраслям, сколько по направлениям деятельности каждого отдельного бизнеса. Практически в каждой компании есть направление маркетинга, отдел разработки кодов, поэтому в целом применение нейросетей популярно в любой компании. А поскольку популярность сервисов стала расти лишь в прошлом году, то более консервативные бизнесы просто пока не опробовали технологию. Уверен, в ближайшие один-два года мы увидим новые интересные кейсы использования нейросетей.
— Что дало такой толчок развитию нейросетей?
На самом деле нейросети, генеративные нейросети не идея прошлого года. Активные исследования в этом направлении ведутся с конца 1980-х.
Популярность генеративных сетей началась с хайпа вокруг ChatGPT как модели GPT 3.5. Это генеративная модель, которая получила гораздо большее количество параметров, и она действительно стала гораздо лучше общаться и понимать контент по сравнению с версией 3.0. Плюс была проведена просто гениальная пиар-кампания, ChatGPT стал бесплатным и за несколько дней набрал первый миллион пользователей. Но нужно понимать, что, согласно слухам, OpenAI тратит порядка 700 тысяч долларов ежедневно на поддержание своей бесплатности, поэтому вопрос экономической целесообразности настолько масштабных исследований в ИИ сфере достаточно сложен.
У OpenAI появляются конкуренты, которые развивают модели на собственной базе. Параллельно существовало и существует большое количество моделей, которые каждый пользователь при наличии навыков может использовать на своей локальной машине. Плюс развиваются нейросети, которые генерируют не только текст, но и изображения, видео, аудио. Это растет как снежный ком, поскольку каждая компания, которая так или иначе задействована в сфере нейросетей, пытается раньше выпустить продукт, больше инвестировать в маркетинг, как-то отличиться. Это замечательно — скорость развития и высокая конкуренция дает нам, конечным пользователям, большую выгоду, потому что у нас появляются самые лучшие ИИ-модели в кратчайшие сроки.