Меня зовут Алексей Ковальчук, сейчас я занимаю позицию Head of Data & AI в Favbet Tech. Я старше Google: мой путь в IT начался еще тогда, когда об искусственном интеллекте никто и не слышал. А первым настоящим вызовом для меня стала задача от мамы. Она работала бухгалтером и сказала, что ей нужна программа для учета накладных и ордеров. У меня на столе лежали книги по Delphi и C++, купленные на базаре, и было огромное желание что-то сделать. Так я написал свою первую дата-систему и открыл для себя мир данных. Это было 25 лет назад, с тех пор вся моя жизнь и карьера связаны именно с данными.
Не могу сказать, что я осознанно выбрал AI – это был естественный этап развития дата-аналитики и инженерии. В какой-то момент просто стало очевидно: если ты двадцать лет работаешь с данными, то рано или поздно начинаешь использовать машинное обучение, прогнозы и алгоритмы. Можно сказать, что не я выбрал AI, а он выбрал меня. В партнерском материале я расскажу, зачем tech-компании нужна собственная стратегия в области искусственного интеллекта.
Содержание
Как в Favbet Tech появилась позиция Head of Data & AI
Когда я пришел в Favbet Tech, компания уже накопила критическую массу данных и запросов на аналитику, но не хватало компетенций. Отделы работали каждый в своей системе, дата-сайентисты занимались своими исследованиями, и практически не было обмена знаниями. Если кто-то уходил из компании, знания уходили вместе с ним. Для бизнеса, который быстро масштабировался, это было болезненно.
Моя задача заключалась в том, чтобы собрать все эти кусочки воедино. Я перестроил отдел Data Unit, создал Data Integration Team, которая взяла на себя взаимодействие с источниками данных и пользователями. Мы сделали так, чтобы каждый отдел занимался именно своими задачами, но при этом оставлял после себя «слепок» в виде скриптов, метаданных и документации. Теперь знания не исчезают вместе с людьми, а остаются в компании.
Как мы формировали AI-стратегию
Как именно мы пришли к идее развития AI-инфраструктуры? Мы не проснулись однажды утром с мыслью «А давайте внедрим искусственный интеллект». Все происходило эволюционно. Сначала мы работали с довольно классическими BI-инструментами и ETL-процессами, которые быстро показали свои ограничения (точнее, мы их переросли). Потом перешли к экспериментам с Python-библиотеками для машинного обучения, тестировали модели в облаке на AWS SageMaker. Сейчас у нас основной стек – это Python-based-модели, инфраструктура в AWS и ряд self-hosted-сервисов, в том числе дата-каталоги, которые хранят метаданные для контекста. Мы прошли длинный путь проб и ошибок, но результатом стала гибкая архитектура, которая позволяет быстро поднимать и масштабировать AI-решения под нужды бизнеса. И я уверен, что это не конец пути, а только начало.
Для меня стратегия очень проста: если процесс можно автоматизировать, он должен быть автоматизирован. Но здесь важно не перегнуть палку. Я видел это на примере клиентской поддержки. На первый взгляд кажется, что чат-боты могут заменить живых операторов. Но на практике люди всегда пытаются обойти ботов и выйти на человека. Поэтому мы автоматизируем только те процессы, где уверены, что качество сервиса и безопасность не пострадают.
Автоматизация работает только тогда, когда вы способны объяснить процесс так, чтобы его понял даже пятилетний ребенок.
Эффективность – что изменилось
Мы не составляем длинных отчетов об эффективности AI. Все очень просто: если после оптимизации расходы снизились или процесс стал быстрее, значит, мы движемся в правильном направлении. Иначе мы бы это не внедряли.
Честно говоря, я уже не могу представить Favbet Tech без AI-решений. Если бы мы сегодня от них отказались, то потеряли бы рынок. В нашей сфере слишком много данных и слишком высокая скорость. В Excel и блокнотиках это уже не работает. Это помогало в нулевых, но не сейчас.
В ближайшие два-три года мы хотим еще больше автоматизировать бизнес-процессы и сделать их более прозрачными. В частности, это касается доступа к аналитике и работы с CRM. Мы уже экспериментируем с внутренними чат-ботами, которые позволяют быстро получать ответы на вопросы без BI-систем, и планируем дальше развивать это направление. Такие вещи пока не полностью автоматизированы, но потенциал огромный.
Я считаю, что всегда можно сделать лучше. Мы постоянно слушаем опыт других на конференциях, тестируем новые подходы. И даже если они не «взлетят», это все равно опыт. Я всегда говорю: лучше попробовать и пожалеть, чем не попробовать вовсе.
Чему нас научил опыт и что я могу посоветовать другим
Первый урок – никогда не выбрасывать данные. Вы не знаете, какие именно понадобятся завтра для новой модели или аналитики.
Второй урок – стандартизация. Когда вы работаете с AI, нужно стандартизировать процессы, метрики, подходы. Без этого невозможно построить стабильную экосистему.
И еще одно: не покупайте AI как маркетинговый тренд. Если вы не можете объяснить принцип его работы на двух пальцах, значит, эта штука вам не поможет.
Мой главный опыт таков: искусственный интеллект должен работать на бизнес. Если вы не знаете, какие процессы хотите автоматизировать, он ничем не поможет. Сначала нужно разобраться со своими процессами и описать их максимально подробно.
Очень важна и коммуникация. Технические команды не могут работать в вакууме. Если клиенты не понимают, что мы делаем, все это превращается в «эльфийский язык», на котором никто не говорит. Поэтому постоянно объясняйте, что вы делаете и зачем.
И самое главное – данные. Я всегда говорю, что это вторая нефть. Они сами по себе имеют ценность. Их покупают, продают, защищают и даже крадут. Если бизнес этого не понимает, значит, нужно искать другой бизнес. Ведь без данных нет ни аналитики, ни AI.
Для меня появление позиции Head of Data & AI в Favbet Tech стало закономерным шагом в развитии компании. Искусственный интеллект в нашей работе – это не магия и не модное слово, а инструмент, который реально влияет на бизнес и помогает нам расти. А для меня лично AI – это логическое продолжение многолетней работы с данными и еще одно доказательство того, что данные управляют миром.
Сообщить об опечатке
Текст, который будет отправлен нашим редакторам: