Сегодня у нас в гостях #Типичный_айтишник
Ярослав Шмулев —
фаундер AI-консалтинга и человек, который внедрял ML в сортировку алмазов, на свинофермы и в металлургию.
Кто ты и чем занимаешься?Меня зовут Ярослав Шмулев. Я выпускник МФТИ. Занимаюсь машинным обучением и AI с 2017 года. В 2022 открыл свою компанию
R77.ai (ReML). Делаем заказную ML-разработку, строим AI-консалтинг и внедряем ML в реальный бизнес.
Как ты начал заниматься тем, что делаешь сейчас?Я вообще выбирал кафедру, чтобы не программировать 😅 В школе прогал круто, а на первом курсе так «повезло» с семинаристом: пока другие группы писали реально клевые штуки, мы прогали только машину Тьюринга. Я решил, что не судьба мне быть программистом и выбрал физику.
Пошёл в радиолокацию, занимался цифровой обработкой сигналов.
Но там у меня появились мысли: а нафига я так круто учился, если на обработке сигналов у нас используются максимум ряды Фурье, и ничего поинтереснее нет. И тут на одном курсовом проекте товарищ предложил мне попробовать использовать нейронки. Я сделал голосовой замок на MATLAB, который открывался только на нужную фразу. Честно, не понимал, как он работает, просто тыкал наугад параметры. Но он работал, и я такой: блин, это реально круто, хочу этим заниматься.
Так я ушёл в Data Science. Потом понял, что научка не моё, бигтех тоже не зажёг, пошёл в SAP-консалтинг. Потом в 2022 году я понял, что больше не хочу заниматься сервисным бизнесом и перешел на позицию CPO в B2B Joom. Там я достиг успехов и отвечал за продукт с многомиллиардной выручкой. Уже после этого я полностью вышел из найма и основал свою компанию.
Сейчас нас почти 40 человек, делаем заказную ML-разработку для клиентов вроде Альфа-Банк, Яндекс, Сбер и других. Плюс делаем свой LegalTech-продукт для проверки договоров.
Что самое интересное в работе?Мы, как внешний исполнитель часто работаем с задачами типа «0-1» — это задачи, которые появляются, когда ничего еще нет, даже идей решения, и вообще непонятно, как подступиться.
Например: посчитать ежесуточный прирост поросят по видео. Или распознавать коров. Или оптимизировать процессы в металлургии.
Тебе нужно быстро переключаться между доменами, погружаться в новый домен, общаться с бизнесом, придумывать решение. И иногда ты сам не до конца понимаешь, получится или нет. А потом оно начинает работать. Вот этот момент — вау.
А что самое неприятное, сложное?Мы внешняя команда и часто присутствует фаза «сближения» с внутренними командами, которая может проходить сложно. Еще мы нас не всегда могут допустить вглубь бизнеса и его проблем. Иногда — бюрократия, доступы выдаются по месяцу.
Бывает и такое, что заказчику как будто меньше надо, чем тебе, и ты всех пинаешь, чтобы проект ехал. Это тоже очень сильно бесит.
Расскажи веселую историю с работыИх было много — вот такая вот жизнь в AI-консалтинге.
Когда ехал внедрять ML на сортировку алмазов в АЛРОСА, представлял супер-завод как у Tesla. В реальности же обычная комната, приходишь, надеваешь белый халат и ждешь, пока принесут мешок алмазов, высыпят его на стол. А остальные придут с совочками, зачерпнут алмазов и отнесут к себе на столы сортировать.
А на свиноферме перед входом нужно было полностью раздеться для обеззараживания. С заказчиком в таком тесном формате проекты раньше не обсуждал
Дашь совет «успешного успеха»?Не бояться рисковать. Брать задачи, которые немного страшно брать. Брать ответственность и фигачить. И тогда успех неминуем
P.S.: Канал в тг у нас тоже есть,
@r77_ai, подписывайтесь😉
