В 2018 году один из банков заказал разработку пилотного проекта. В том же году онлайн-сервис MindScore вошёл в пятёрку финалистов конкурса финтех-стартапов Форума инновационных финансовых технологий Finopolis.
Первоначальные инвестиции в проект составили порядка 700 тысяч рублей, включая личные средства основателя и гранты, полученные им по программе «Умник», а также в рамках конкурсов Кубанской школы инноваторов и «Премия IQ года». По данным сервиса kartoteka.ru, с 2018 года, помимо генерального директора MindScore Сергея Скибы, долю в компании также имеют генеральный директор ООО «Скориста» Мария Вейхман и ООО «ФРИИ Инвест». «Эксперт ЮГ» пообщался с разработчиком проекта и узнал о новых трендах в сфере развития искусственного интеллекта, а также об особенностях аналитики персональных данных из соцсетей.
Научно-исследовательский проект превратился в бизнес
— В чём состоял первоначальный замысел бизнеса?
— Изначально это был научно-исследовательский проект. Его идея заключалась в том, чтобы найти способы, которые позволят компаниям лучше понимать своих клиентов. Это должна была быть достаточно точная метрика, которая позволяла бы компании лучше работать с точки зрения, например, маркетинговой коммуникации, лучше доносить ту или иную информацию, потому что все люди разные, обладают разным характером и свойствами личности. Идея была в том, чтобы создать технологию, которая позволяла бы лучше понимать людей и вести более качественный отбор персонала. Один из способов, который мы нашли — применение машинного обучения к данным соцсетей, которые, на наш взгляд, являлись репрезентативными. Они были разнородными и отражали различные аспекты характера человека. Когда мы начали заниматься этой технологией, был бум активности в российских социальных сетях «ВКонтакте» и «Одноклассники». И мы делали некий прескоринг: по определённым маркерам анализировали аккаунт человека, потому что он отражает его поведение. Естественно, мы могли разобрать фейковые аккаунты и рекламные, но анализировали только релевантные. Это делалось с помощью алгоритмов машинного обучения, быстро и статистически объективно.
— Сколько времени ушло на создание такой технологии?
— Потребовалось два года исследований. Чтобы разработать модель, нужно её на чём-то обучить, и обучали мы эти модели с помощью проведения различных экспресс-тестов. Помимо этого, эксперты-психологи с более чем 25-летним стажем работы просматривали страницы вручную и выносили независимые суждения. В итоге тем или иным способом к 2016 году более 100 тысяч человек было проанализировано, и уже на этой выборке строились модели.
Чтобы распознать личность человека, нам нужны психолог-психиатр и аналитик-программист, который хорошо знаком с аналитикой и социальными сетями. Поэтому изначально компания состояла из двух человек. Но, когда ты делаешь серьёзный продукт, требуются дополнительные знания — программиста, аналитика, социологов. На первых этапах компания прибегала к поддержке частных разработчиков. После получения гранта мы основали компанию и начали набирать людей в штат. Первая продажа произошла в 2018 году, когда компания представила коммерческий продукт как апробированный на пилотных проектах.
— Одним из соучредителей вашей компании является Фонд развития интернет-инициатив. Когда он подключился к вам?
— ФРИИ стал нашим инвестором после того, как мы презентовали готовый продукт и сделали ряд продаж. Мы показали, что наука может продаваться, что из научного проекта можно сделать коммерческий, и его можно сразу продать банкам. Наверное, это и заинтересовало нашего инвестора.
Робот-психолог на службе работодателей
— На каком этапе развития находится ваша компания?
— Мы научились преодолевать трудности и продолжаем, несмотря на различные кризисы и сложности, развиваться за свой счёт. Всегда рассматриваем возможность роста, чтобы расширить бизнес, но пока что только научились держаться на плаву.
— В чём ваши основные конкурентные преимущества, как они вырабатывались?
— Наши преимущества — это скорость, простота и точность. Чтобы построить портрет личности клиента, нужно заставить его проходить психологические тесты. Когда люди просто проводят свой досуг в социальной сети, возможно, они тратят на это время, но когда, допустим, они подают заявку на кредит или ищут какой-то товар в интернет-магазине, они не заинтересованы в тестах. Менее пяти процентов соглашаются это сделать. По нашей технологии всё, что нужно, чтобы идентифицировать клиента, — это социальная сеть, фамилия, имя, отчество и дата рождения, то есть минимальный набор данных. Также e-mail или номер телефона. Благодаря нашему алгоритму и моделям скоринг можно провести всего за 10 секунд. Средняя точность по нашей методологии составляет 68 процентов в сопоставлении с результатами ведущих психологических тестов, которые выявляют те же самые черты личности.
— Сейчас люди всё менее склонны оставлять персональные данные в сети. Как тенденция к закрытости отражается на вашей работе?
— Это создаёт трудности, но мы разработали эту концепцию в 2014 году и занимались ею последние четыре года, так что за это время проанализировали очень много людей. Соответственно, даже если человек сейчас не ведёт свои социальные сети, в течение прошедшего периода мы собрали по нему достаточно подробную информацию для того, чтобы сформировать его портрет. Другое дело — новые пользователи и тот факт, что социальная сеть дала возможность скрывать информацию, делать аккаунт закрытым. Конечно, обрабатывать стало труднее, как и получить согласие пользователя на прохождение теста. Это крупные ограничения нашей технологии, и с ними мы сталкиваемся на протяжении последних двух лет.
— С какими основными вызовами вы сейчас сталкиваетесь?
— Когда мы анализируем данные социальных сетей, всё, что связано с персональными данными и их обработкой, закрытость, открытость информации, получение доступа — всё это вызовы. Нужно было придумывать определённого рода решения, чтобы на них ответить. Например, когда возник вопрос о персональных данных, мы стали операторами персональных данных. Когда возник вопрос, связанный с разрешением, мы стали брать согласие на обработку, добавляли определённые пункты в наше соглашение, когда пользователи проходили тесты. Было внесено очень много таких нюансов, которые позволили работать в рамках соответствующего законодательства. К сожалению, мы не могли открыто вести коммуникацию с клиентом. Многих отпугивают слова «обработка данных», хотя те же роботы — поисковые и другие — точно также собирают и обрабатывают данные в автоматическом режиме.
В 2018 году был бум данной технологии. На неё вышли несколько десятков стартапов. Но не все были экспертами в данной области, и это сказывалось на репутации самих технологий. Общаясь с клиентами, мы сталкивались со скепсисом по поводу скоринга. Приходилось долго работать с возражениями.
Ещё одним сдерживающим фактором является достаточно большая длительность сделки. От момента первой встречи до подписания договора на пилотный проект может проходить четыре-шесть месяцев, и это даже при очень высокой заинтересованности. С мелкими компаниями можно всё реализовать за месяц. Здесь легче и быстрее общаешься с руководством, а бюджет закладывается не на предстоящий год, а практически в режиме онлайн. Также мелкие компании открыты для инноваций, а крупные больше интересуются вопросами стабильности.
Компания проходит период становления
— На какой срок вы планируете развитие компании? Есть ли у вас стратегия?
— Глобальная стратегия, конечно, есть, но в последнее время очень сложно планировать. Многое зависит от благонадёжности и благополучия наших клиентов, которые сами не могут выстроить свою стратегию работы. Когда ты до сих пор стартап, приходится всегда импровизировать: ты можешь завтра кардинально поменять свой продукт и свою технологию. И это даже плюс, потому что, если появится спрос, ты можешь быстро адаптироваться и предложить новые продукты потенциальным заказчикам. Нельзя расслабляться. Наверное, у любого стартапа это «узкое» место. Работа в режиме нон-стоп, с одной стороны, это ценность компании, а с другой — риск.
— Каковы основные факторы роста компании?
— Мы движемся в сторону машинного обучения и стараемся смотреть не только на данные социальных сетей. В основном это данные непосредственно компаний, которые накапливаются и требуют анализа, данные других открытых источников. Например, данные, которые требуют применения по так называемой технологии computer vision, когда мы можем по фотографиям и другим изображениям собрать информацию о клиенте, вынести по нему определённые решения, подготовить предложения и рекомендации.
Также мы открываем новое направление, связанное с машинным обучением, и отрабатываем применение скоринговых систем при подборе и оценке персонала, особенно на массовые позиции. Это позволит на ранних стадиях предсказывать, какой человек будет выполнять KPI, а какой нет, и кто проработает как можно дольше. То есть сократим текучку и повысим качество работы персонала. А ещё мы рассматриваем более крупные индустрии, такие, как лесная и пищевая. Там тоже есть направления, связанные с машинным обучением. Есть что предсказывать для сокращения издержек. Конкретно каких-то планов по продажам пока не строим.
— Какие задачи вы ставите перед собой?
— Две задачи: расти по количеству клиентов в сегменте и продвигать технологию в различные сегменты другого бизнеса. То есть не только фокусироваться на психологическом, например, типировании для финансовых сфер, но и смотреть на другие направления. Было бы интересно помочь нашим скорингом тревел-направлению, потому что компании, которые остались в обойме, сейчас требуют поддержки в плане управленческих решений и оценки клиентов. Аналитика, машинное обучение, прогнозирование — интеллектуальные системы — как раз способны поддержать туристическую индустрию. Это хорошее направление, тем более что многие крупные компании рассматривают данное время как период для развития.
— Кто сейчас ваш основной клиент и с кем вы конкурируете?
— Клиенты — финансовые и страховые компании, кредитные организации, у которых хорошая клиентская база. Компании, заинтересованные в оптимальной и быстрой коммуникации с клиентом. Что касается конкурентов, то в сегменте машинного обучения их становится всё больше. Любая частная практика в этом сегменте является нашим конкурентом либо нашим партнёром на рынке. Если говорить о построении портрета личности клиента, то, общаясь с клиентами, мы слышим только об одной компании, которая сейчас — наш прямой конкурент. Не буду её называть, думаю, и они часто о нас слышат.
Мостик между наукой и технологиями
— Что происходит со структурой рынка?
— Компании, которые во время пандемии либо выросли, либо сохранили объёмы, начали искать новые технологии для онлайн-продаж: технологии по доставке, по повторным продажам, — ведь для этого тоже можно применять скоринг. Единственная сложность в том, что пока далеко не все понимают, какие возможности может дать технология скоринга и машинного обучения бизнесу. И пока представители бизнеса не очень верят в то, что всё это может действительно помочь. 2020 год показал, что нетехнологичной компанией быть нельзя, нужно развиваться.
— В какой сфере сейчас происходят наиболее значимые перемены?
— Ключевые изменения — в повседневной потребительской сфере, в том, что удовлетворяет основные потребности людей. Та же финансовая сфера: вопрос денег никто не отменял, и в трудные времена люди ещё больше нуждаются в них. Банки вынуждены переходить в режим работы онлайн, как взаимодействуя с клиентом, так и внутри компании, переводя своих штатных сотрудников на удалённую работу. Также тревел-индустрия, медицина, индустрия развлечений.
— Ваша компания шесть лет на рынке. Как изменился клиент за этот период?
— Основные потребители наших услуг очень сильно эволюционировали. Региональные банки стали больше доверять технологиям. Появился мостик между наукой и технологиями. На мой взгляд, банки — это передовой сегмент, который очень быстро меняется.
— Какие рыночные тренды вы считаете для себя главными и почему?
— Всё движется в сторону скоринга, машинного обучения и компьютерного зрения. Аналитика голоса, видеоаналитика. Это самый топовый тренд нашей технологии. Другое направление — сегментация клиентской аудитории и предсказание её поведения.
— По какому принципу робот отбирает людей на работу?
— Например, вы проходите собеседование, и с вами через какой-то сервис общается эйчар, которому нужно собрать информацию, основываясь на ваших ответах. Интересна ведь не только вербальная информация, но и невербалика, которую человек может не уловить. Специальные программные средства могут анализировать мимику, жесты, тембр речи, голосовые паттерны, делать выводы. И потом с высокой долей точности предсказывать, подходит человек на должность или нет. Это позволяет снизить вероятность ошибки. Эйчар вообще может не участвовать в собеседовании. Потенциальные кандидаты проходят интервью с роботом, а менеджер, после того, как вся информация пройдёт через ряд этапов скоринга, отберёт из сотни людей десяток наиболее релевантных и с ними пообщается.
— Как быстро такие данные будут обработаны?
— Всё зависит от объёма информации. Если это будет анкета из 20 вопросов, скоринг пройдет в течение трёх секунд. Если какая-нибудь тяжёлая аналитика, это может быть намного дольше, но тем не менее, в десятки раз быстрее, чем это сделает «вручную» человек.
Выходить на самоокупаемость нужно на стадии стартапа
— На ваш взгляд, есть на Кубани условия для активного развития ИТ-индустрии?
— Мне кажется, этот регион наиболее благоприятен для того, чтобы здесь создавать свою Кремниевую долину. Этому способствует и климат, и желание людей, которые стремятся сюда переехать. Но одного климата недостаточно, чтобы построить здесь технологический кластер. Развитие технологий — не приоритетное направление для региона, скорее всего, работа будет продвигаться очень медленно. Кроме того, сейчас налицо определённые трудности, связанные с социальной сферой. Одно из приоритетных направлений — выстраивание мостика с помощью различного рода акселераторов, инкубаторов, встреч, мероприятий, которые позволяют встретиться стартапам, компаниям и каким-то разработчикам идей.
— Если не брать во внимание ограничения, связанные с коронавирусом, какие проблемы мешают ИТ-индустрии развиваться в регионе и как их решить?
— Мне лично мешает то, что местные компании недопонимают ценности технологий, которые мы пытаемся привнести. Если говорить о московском рынке, я там могу десятки конкурентов называть, но здесь нет и пяти компаний, с которыми бы я конкурировал. Чтобы существовать, нужно работать с федеральными компаниями. Что нужно сделать? Наладить инфраструктуру между стартапами и технологическими компаниями, которые есть в Краснодарском крае.
— Часто можно услышать, что в России нет системы финансирования стартапов. Согласны ли вы с этим утверждением?
— Мне не очень нравятся фразы «Нет финансирования стартапов», «Дайте мне денег, и я тогда буду стартапом». Компания с хорошим продуктом, по крайней мере, с командой, способна выйти на самоокупаемость. Если мы говорим о научной составляющей, то, конечно, здесь нужны гранты. Мы именно так получили первые инвестиции. Но в какой-то момент нужно прекращать жить на грантовые деньги и начинать зарабатывать собственные.
