Головний з інновацій. Володимир Кубицький, Head of AI в ЛУН і Bird — про свою кар’єру, комфортну зарплату та прояви кризи в IT

💡 Усі статті, обговорення, новини про AI — в одному місці. Приєднуйтесь до AI спільноти!

«Що потім?» — це YouTube-рубрика DOU, в якій ми намагаємося розбиратись, куди податися ІТ-спеціалісту після рівня Senior, і для цього спілкуємося з людьми, які вже пройшли цей шлях.

Гостем нового випуску став Head of AI та Chief Innovation Officer в ЛУН і Bird Володимир Кубицький. Він розповів про те, як після роботи продуктовим аналітиком очолив команду ML-інженерів, поділився своїм AI-центричним підходом і зізнався, що якби не IT, то займався б наукою в університеті.

👉🏼 Підписуйтесь на YouTube, щоб не пропустити нові інтерв’ю

«Ініціатива часто йде знизу». Про роботу AI-департаменту ЛУН

Моє основне завдання як Head of AI полягає в тому, щоб бути керівником команди: формувати та розвивати її, давати змогу втілювати ідеї, — а в нашій компанії доволі горизонтальна структура робочих процесів, часто ініціатива йде знизу. Але я теж вигадую прикольні штуки, які можна впровадити в продукти, щоб це принесло користь з погляду бізнесу, і опікуюсь їх впровадженням.

Наразі моя AI-команда складається з семи фахівців: трьох Machine Learning інженерів, дата-інженерки і двох Data Moderators. У нас Full Stack команда, ми не вдаємося до послуг інших.

В ЛУН я прийшов на позицію продуктового аналітика ще 2014 року, вона не була прямо пов’язана з AI. Але коли ти якісно виконуєш продуктовий аналіз, він тобі показує проблемні місця продукту.

А у нас в ЛУН є кілька принципово різних продуктів. Новобудови — це каталог з повністю ручною модерацією контенту, адже таких будинків дуже обмежена кількість. А от «вторинка», наш проєкт Flatfy (який, до речі, повертається до бренду ЛУН), — це повністю автоматизований Google-like продукт, що в найкращі часи мав до трьох мільйонів оголошень щодо нерухомості по всій Україні.

І якраз продукт щодо вторинного ринку повністю залежить від того, наскільки якісно ти обробляєш дані, бо жодною ручною модерацією такий обсяг даних не опрацюєш — штат модераторів просто перевищить штат всієї компанії в десятки разів.

І моя аналітика, власне, й підсвітила проблемні місця алгоритмів продукту, зокрема, боротьбу з дублікатами оголошень.

Перша «точка зіткнення» даних з алгоритмами — це геолокація: тобі потрібно з raw data виділити географію, загеокодити її і поставити точку на мапі, яку побачить користувач. Я вважаю, що 80% успіху ЛУН — це наша мапа, на якій ти можеш одночасно бачити всю нерухомість.

Так я потроху з позиції продуктового аналітика перейшов на позицію ML-інженера. Якось попросив команду дата-модерації зібрати дані для того, щоб навчити мою нейроночку. А критерії, за якими ти збираєш дані для навчання нейронок, відрізняються від загальних критеріїв дата-модерації.

До мене потроху доходило, що в команду треба знайти окремого дата-модератора саме під збір даних для нейронок. І з цього почався розвиток нашої AI Full Stack команди.

Моя зарплата в ЛУН, коли я прийшов на позицію продуктового аналітика 2014 року, становила близько 3500 гривень. На ті часи це були нормальні гроші для вакансій entry-level. Тоді мені зі стипендією 800 грн на місяць здавалось, що на 3500 грн я зможу себе забезпечити ну точно всім. Яка сума мені видається комфортною для життя зараз? За $5000 в Києві ти точно винаймеш квартиру, матимеш гроші на їжу та забавки, гаджети й бензин для машини.

Я задумався, що мені подобається в роботі, крім того, що маю свободу робити що і як я хочу. Мене тримає тут тематика нашої компанії, адже нерухомість — вічна тема. Мені важливо створювати цінність для людей. А купівля квартири — це одна з найдорожчих і за вартістю, і за емоційним відгуком купівель у житті.

І враховуючи те, що АІ дедалі більше впливає на різні сфери нашого життя і всі в компанії на рівні топ- і мідлменеджменту бачать, що майбутнє АІ-центричне, то я не дарма вісім років інвестував у це свою енергію та знання.

«Наш успіх досягається не завдяки тулсетам». Про команду технологічних агностиків

Я тільки недавно дізнався про термін technology agnostic, технологічний агностик. Він чудово описує підхід моєї команди до використання інструментів — при їх виборі ми завжди відштовхуємось від завдання.

На етапі дослідження ми геть не обмежуємось чимось одним — хай це буде TensorFlow, PyTorch чи щось інше. Є задача, white papers на цю тему, ідеї, і класно, якщо є хоча б базові їх імплементації на GitHub, з яких можна стартувати. Це завжди економить час. Ми ж зав’язуємося лише на тому, що допомагає максимально якісно виконати задачу.

Якщо якісь властивості TensorFlow розв’язують задачу нашого AІ Match — це класно, ми застосовуємо саме його. В іншому разі ми б робили це на інших рушіях. Тобто наш успіх в якості роботи алгоритмів досягається не завдяки використанню тулсетів чи конкретних інструментів, а завдяки підходу, коли на перше місце ставиш якість виконаної роботи.

У нас є критерій «100 помилок»: доки користувачі не віднайдуть сотню помилок у наших алгоритмах, ми не беремось за перенавчання моделі. Бо робота ML-інженерів коштує немалих грошей, і ти не можеш їх ганяти через 10 помилок.

Фундаментальні речі, на які спирається наш продукт, — це географія та дедублікація. Але не варто забувати про надважливі додаткові речі, що приховані від очей користувача, наприклад, детектор фейків. Він робить невидиму, але важливу роботу. Наш ринок перенасичений фейками, і багато хто прагне тебе намахати, особливо якщо ти недосвідчений орендар чи покупець, і ми з цим боремось.

Також багато важать персоналізовані рекомендації квартир — це AI Match. Він створений для тих користувачів, яким потрібно допомогти звернути увагу на класні варіанти, «ідеологічно» схожі до того, що вони вподобали.

Наші користувачі належать до трьох груп. Перша перебуває на фазі discovery — це коли ти просто лазиш у застосунку без чіткого розуміння, чого саме хочеш. Таких користувачів близько 60%. Друга група — deep dive research, які мають достатньо «надивленості» на квартири та в загальних рисах знають, яку саме вони бажають. Їх 30%. І остання група — люди, які кажуть «я вже шарю в цьому ринку і точно знаю, яку квартиру винайму, в якому районі, мені просто треба дочекатись такого варіанту». Таких експертів 10%.

Наші рекомендації спираються на першу категорію, яка становить 60% користувачів. Чому ми взагалі цим займаємось? Всі довкола звикають до того, що не треба думати, де шукати контент: Tik-Tok тобі показує те, що любиш, Instagram Reels теж. Ми прагнемо зі свого боку зняти потребу думати у сфері нерухомості. І максимально впевнені в тому, що наступну революцію в галузі створить АІ-центричний продукт. Цим ми займаємось, зокрема, у Bird.

Так, одна з речей, в яку ми інвестуватимемо — умовний «RealtorGPT». Побачимо, чи можна буде застосувати для його реалізації, наприклад, GPT-4 з мінімальними доопрацюваннями, а не «пилити» все самому.

Але загалом нині легко відстати від трендів. Кількість змін в AI-галузі надзвичайно велика, а самі зміни надзвичайно інтенсивні. До того ж у країні війна — і наші телеграм-канали наповнені не тільки новинами про штучний інтелект.

«CIO є стратегічно значущою роллю». Про те, що йому дає C-level позиція

Зараз я Chief Innovation Officer. Навіщо мені посада C-level, як взагалі вона з’явилася і чому я її обіймаю? Коли ти на рівні Head of АІ, твій вплив все-таки зосереджений на тому, що робить команда. Ти не можеш з рівня команди виходити на рівень загального продукту ЛУН і казати: «Дивіться, у нас є така технологія, а може, ви десь її застосуєте?». Коли ж ти С-level, маєш загальне бачення всього, що робить компанія, знаєш, які в неї технологічні надбання, до того ж розумієш стан бізнесу, стратегію розвитку продукту. І найголовніше — можеш на все це впливати.

CIO якраз є стратегічно значущою роллю для напрямів бізнесу, які можна зробити більш АІ-центричними, інноваційними. З іншого боку — це можливість впливати на HR-процеси, щоб, зокрема, краще розумітись на ринку ML- та AI-інженерів, чим їх заохочувати під час набору в команду, і не втрачати інженероцентричність продукту.

Я впевнений, що якщо інженер зацікавлений у бізнесі компанії, це збільшує його цінність і для компанії, і для себе самого. Але, звісно, цю історію ти не можеш «натягнути» скрізь. Умовно, фахівець може працювати в компанії, бізнес якої йому не подобається. Наприклад, мені не подобаються бетінги, гемблінги тощо. Але там теж працюють ML-інженери.

Що точно мені треба на роботі? Повний контроль і свобода дій під час організації команди. «У нас є група людей, приходь, лідь їх, міняти нікого не можна, всі хороші» — це точно не для мене.

З ким я працюю — це основне. Припустимо, мені пропонують освічених і класних людей, але не того рівня гостроти розуму або здатності розв’язувати комплексні алгоритмічні задачі, як люди, з якими я звик працювати, — я на це не піду. Мені від природи не вдається тягнути слабких. Зазвичай я підсилюю і так сильних фахівців, повністю віддаюсь роботі з ними. Але слабка в машинному навчанні людина може бути суперталановитою в іншому спектрі задач — просто для того, що я їй навалюю, вона непідхожа, бо не може «перетравити» складність, інтенсивність задач.

«Я сфокусований на вирощуванні співробітників всередині компанії». Про стан IT-ринку

Довоєнні та воєнні реалії геть різні з погляду фінансових можливостей. ЛУН це відчуває разом з ринком. Загалом у нас дві основні бізнес-моделі: партнери нам платять або за переходи на їхні сайти з наших сервісів, або діляться з нами частиною прибутку, який вони отримали від трафіку, який ми для них залучили (revenue share модель).

Зараз я активно не дивлюсь на ринок спеціалістів і повністю сфокусований не на найманні готових досвідчених фахівців за великий цінник, а саме на вирощуванні співробітників усередині компанії.

Наведу один приклад, завдяки чому я відчуваю зміни на ринку: якщо півтора року тому я розумів, що якщо я не переглядатиму зарплату члену своєї команди щонайменше раз на рік, то з високою ймовірністю його втрачу — навіть попри те, що йому класно в компанії, я створюю йому класні можливості, в нього є цікаві задачі та комфортна команда. Але якщо йому запропонують плюс до зарплати в іншому місці, він перейде. Зараз же з цим простіше, люди тримаються за роботу.

Якби я не був в IT, то викладав би в університеті й займався науковою діяльністю. Мені є близькою наука та подобається приносити користь, давати знання людям. Але тоді, на жаль, довелося б виїхати з України, бо на зарплату наукового співробітника в університеті тут не проживеш.