Российские компании в сфере искусственного интеллекта (ИИ) успешны в создании готовых продуктов и сервисов высокого качества. Анна Мещерякова, генеральный директор компании «Платформа Третье Мнение», которая работает в области ИИ-медицины, в интервью HSE Daily рассказала, на каких направлениях НИОКР нужно сосредоточиться, как создать успешный стартап, где брать сильных специалистов, а также о том, как с помощью ИИ сделать медицинскую помощь доступнее и сократить региональное медицинское неравенство.

Ученые Института статистических исследований и экономики знаний НИУ ВШЭ активно изучают перспективы и направления развития цифровых технологий. В рамках исследовательских проектов они беседуют с участниками рынка — ведущими ИТ-разработчиками. HSE Daily представляет серию таких экспертных интервью.

— Принято считать, что Россия в развитии технологии искусственного интеллекта отстает от западных разработок. По вашей оценке, насколько это отставание критично?

— «Третье Мнение» находится на переднем крае в своей сфере. И те результаты, которых мы достигаем, сопоставимы с результатами мировых компаний. С технологической точки зрения мы в основном конкурируем с компаниями из США, Южной Кореи и Китая. В последнее время стали больше конкурировать с Индией.

Технологии, которые мы используем, в частности компьютерное зрение, те компетенции, которые есть у российской математической школы, наши возможности по созданию и оптимизации моделей и готовых продуктов удерживают нас на конкурентоспособном мировом уровне с точки зрения метрик и функционала продуктов.

— Вы конкурируете с зарубежными компаниями на реальных рынках или речь идет о виртуальной конкуренции, когда вы просто сравниваете продукты — своеобразный бенчмаркинг?

— Получилось так, что благодаря созданным привлекательным условиям в период пандемии в России сервисы искусственного интеллекта были фактически встроены в систему здравоохранения для КТ-диагностики коронавирусной пневмонии. И масштаб этого внедрения был крупнейшим в мире. В результате не мы вышли на глобальный рынок, а глобальные игроки пришли к нам. Это были компания из Израиля, американская компания, индийская. Потому что условия, которые предложили российские заказчики, были интереснее, чем условия на других рынках.

Мы фактически сравнили свои продукты с зарубежными флагманскими решениями на реальном рынке. Это дало уверенность, что наши подходы и функциональность продуктов не уступают, а зачастую даже превосходят уровень мировых бенчмарков. Но и сейчас мы продолжаем конкурировать, например, с компанией из Индии. А это мировой гигант. Не ошибусь, если скажу, что сегодня она в топ-10 флагманских компаний в мире в нише распознавания медицинских диагностических изображений.

— В чем корень проблем нашего отставания в разработке?

— Российские компании в сфере искусственного интеллекта редко вкладываются в научные и инфраструктурные проекты. В этом наша «зона роста» уже несколько десятков лет. Мы стараемся нагнать технологическое отставание, поэтому побежали в готовые продукты и сервисы, которые можно внедрить здесь и сейчас, создавая новую цифровую экономику.

— В чем специфика этого выбора российских компаний?

— Многие мировые вендоры, которые производят программное и аппаратное обеспечение, покинули российский рынок. А мы как ИТ-компания можем взаимодействовать только официально, покупать лицензии. Мы создаем и капитализируем интеллектуальную собственность, поэтому должны юридически защищать информацию. Если раньше у нас была, например, возможность использовать Notion, Slack, Jira, то сейчас такой возможности юридически официально нет. И мы работаем сейчас в сравнимом по функционалу «Яндекс.Трекере», но это относительно новый продукт, который еще совершенствуется.

Что касается вычислительных мощностей, то для нас критичны прежде всего графические ускорители.

Прогнозировать эффективную стоимость владения инфраструктурой стало сложнее. Если сервис работает на мощностях, связанных с видеокартами NVIDIA (в нашем случае это А40, А100), то сегодня вопрос с доступностью вычислительных мощностей для быстрого масштабирования становится не операционным, а почти стратегическим.

Компания в России должна эти вопросы решить, потому что невозможно создать сервисы компьютерного зрения, не имея нужной среды, вычислительных мощностей и профессиональной ИТ-команды. Безусловно, фонд оплаты труда ИТ-команды — значимая часть бюджета стартапа, а еще требуется направлять средства на улучшение архитектуры готовых сервисов, улучшение метрик алгоритмов. В этих условиях тем более остро чувствуется вопрос дефицита вычислительных мощностей и другие санкционные вызовы.

— В какие направления НИОКР, вы считаете, надо вкладываться?

— Нам имеет смысл вкладываться в проверку нестандартных исследовательских гипотез, инвестировать в новые подходы к обучению алгоритмов, в изменения архитектуры, которые позволят заказчикам использовать продукт на более доступном «железе». То есть в те задачи, которые объективно повлияют на результаты компании и могут оказать серьезное влияние на скорость и глубину трансформации отрасли.

Развитие отрасли ИИ в медицине сейчас можно назвать планомерным и эволюционным, потому что отраслевые бенчмарки точности моделей для допуска на рынок — 81%. Это требование российских регуляторов.

Потенциал развития алгоритмов и решений на их основе за счет одного только улучшения метрик очень высокий — от 81 до 99,99%. Для сравнения: те компании, которые занимаются распознаванием лиц, давно перешагнули 99-процентный уровень точности и соревнуются не столько за десятые и сотые доли процентов точности, сколько за функционал готовых решений с учетом целевого сценария внедрения. А в медицине нам пока нужно накапливать качественные данные, улучшать инфраструктуру и качество процессов разработки сервисов.

— В чем сейчас основная проблема — в отсутствии достаточного количества данных или в том, чтобы после того, как вы нашли решение, сделать из него полноценный продукт с 90-процентным распознаванием?

— Для понимания нашей ситуации скажу, что мы с самого начала работы понимали критическую важность наличия данных для обучения, и в 2020 году по итогам инвестиционного раунда одним из наших корпоративных партнеров стала ГК «Медси» — крупнейшая сеть частных клиник в стране.

В подавляющем большинстве случаев данных из одного источника недостаточно для обучения устойчивой модели, ведь алгоритмам нужно уметь работать с данными в любом регионе без привязки к качеству и производителю диагностического оборудования. Но для первой версии продукта этого может быть достаточно. Так, мы можем быстрее выпускать прототипы новых продуктов и тестировать их в реальных условиях.

В России с точки зрения количества и качества медицинских данных все очень даже неплохо. Можно сказать, что это наше страновое преимущество по сравнению, например, с западными рынками. У нас и Министерство здравоохранения, и Министерство цифрового развития приоритетно занимаются вопросами регулирования доступа к данным и подготовки качественных датасетов для обучения алгоритмов.

Понятно, что любая ML-компания скажет, что данных не хватает. И мы не исключение. Потому что данных не бывает много. Чем больше данных, тем точнее и устойчивее модели.

— Есть мнение, что создание команды эффективных исполнителей, руководителей, разработчиков и продакт-менеджеров в России — чрезвычайно сложная задача. Каких кирпичиков не хватает, чтобы просто и быстро собрать коллектив?

— У этого вопроса два аспекта. Первый — это обеспеченность специалистами, второй — привлечение и удержание этих самых нужных специалистов в молодой компании.

Дефицит кадров по позициям стартового уровня сокращается. Количество целевых образовательных программ и коллабораций работодателей с вузами растет.

Уже несколько лет мы сотрудничаем с лучшими профильными вузами страны по программам стажировки и будем расширять данную практику.

— Это вначале, а что происходит дальше?

— А дальше начинается свободный кадровый рынок. Если говорить о дефиците кадров, то джунов чаще всего хватает, вопросы есть на уровнях «мидл», «мидл+», сложнее ситуация обстоит с сеньор-специалистами. Здесь уже важен HR-бренд, комплекс того, что может предложить специалисту компания-работодатель.

— Насколько существенную роль играет нематериальная мотивация?

— У всех нас мотивация комплексная. В стартапе изначально работают те, у кого в собственном профиле больше драйва, больше нематериальной мотивации, основанной на интересе к продукту, интересе к домену, к клиенту.

Мне радостно слышать от разработчиков, что «для них важно, чтобы родители гордились тем, что они делают». Эта мотивация невероятно ценная. У нас это стало элементом культуры.

Нас отличает наличие сильной команды руководителей и тимлидов. Руководителю сегодня нужно не только быть профессионалом, нужно уметь создавать и поддерживать заинтересованность, уверенность и драйв для своей растущей команды.

— Как складываются отношения с Вышкой?

— У нас сложился удачный контакт с направлением «Бизнес-информатика», точнее, с его выпускниками — ребята очень грамотно подготовлены в вопросах развития технологичного продукта.

— Вы не рассматривали возможность привлечения специалистов из дружественных стран или стран ЕАЭС: Армении, Киргизии, Белоруссии?

— Сотрудничество уже есть, и мы его расширяем. Но мы по-прежнему ценим и выделяем режим работы в офисе, несмотря на то что в компании есть те, кто работает дистанционно. Знаете, чего не хватает при работе на удаленке? Не хватает, как мы это назвали, коридорных совещаний. Коридорное совещание — это встреча вне графика, вне календаря, вне регламента, вне повестки, но такие встречи оказались очень важными. Это когда люди каким-то образом сверяются, состыковываются, поднастраиваются.

— Разговор «в курилке»?

— Да, разговор «в курилке». Люди говорят, что, когда они оказываются в коридоре, в курилке, в столовой, они дополнительно заряжаются идеями, а запланированные совещания проходят более результативно.

Беседовал Сергей Сычев, ведущий эксперт ИСИЭЗ НИУ ВШЭ