Это очень хорошо, наверное, подходит, если вы четко понимаете, в какой нише вы работаете. Например, несколько недель, а может быть и месяцев, ресерчить конкретно одну тему и пытаться найти в ней какую-то нишу. У нас другой подход. Мы идем сразу продавать. Гипотезы берутся откуда угодно. Они берутся из входящих лидов. Они берутся из общения с текущими заказчиками. Они берутся просто с рынка. Я часто смотрю всякие разные стартап-демо, которые приходят в российские инкубаторы. Первое, что мы проверяем, это можем ли мы дешево дойти до клиента, который будет покупать. Это самый основополагающий принцип. То, как вы дойдете до покупателя, насколько вы можете прямо быстро проложить канал коммуникации и получить его доверие. Например, за счет рекомендации. Это решает очень много вопросов. Если этот этап пройден, мы знаем, как дойти до людей, которые покупают. Дальше мы обычно делаем первую версию.

Мы можем привлечь эксперта, который разбирается в теме, чтобы дополнить презентацию, если это необходимо. Если эксперты недоступны, мы можем сами что-то создать. Затем мы работаем в холодном аутриче, получаем новую информацию на звонках, перерабатываем ее и делаем следующую версию.

Кстати, я обратил внимание, что в отличие от заказной работы классической, я прямо спрашиваю, обычно уже на этапе пресейла, когда мы обсуждаем какое-то решение. Я предлагаю заказчику рассмотреть такой вариант, чтобы начать подбирать среди его конкурентов желающих пилотировать то же самое, возможно, даже по его рекомендации. Это позволит нам снизить стоимость разработки и быстрее собрать необходимый объем информации для составления датасетов для обучения. Я удивился, но это хорошо работает.

По опыту заказной разработки обычно привыкаешь к тому, что если ты пилишь приложение для Спартака, то ты точно не должен пилить приложение для Зенита, условно говоря.

В последнее время люди все больше готовы объединяться в консорциумы и решать коллективные задачи, связанные с машинным обучением. Например, в одном проекте три юриста работают с нами под одним контрактом, но при этом они конкуренты в одной сфере.

– Ну, и это понятно, потому что все новое, все боятся рисковать, тем более даже если это большая компания. Они всегда хотят посмотреть, как уже кто-то что-то сделал.

А если вообще нет таких решений на рынке, конечно, проще поговорить, объединиться, пропилотировать всю эту историю совместно. Вот про те же банки - ассоциация Fintech проводила конференцию, и банки сидели, обсуждали ипотеку в ИЖС, и они говорили: "давайте коллаборироваться, давайте вместе придумывать что-то, обмениваться данными, потому что никто не знает, может застройщики у вас уже накредитовались, а выполнят ли они проекты, под которые они у нас взяли кредиты?".
– Там такой кейс, но в машинном обучении такая история, чем больше данных, тем точнее будет вестись работа над процессами того же клиента, которому предлагается взгляд с разных сторон, в том числе с точки зрения конкурентов. Есть еще одна прикольная особенность в этой специфике. Модель, которую ты хорошо обучил и интегрируешь, которая, например, работает со свиньями, она очень хорошо будет работать как внутри РФ, так и вне РФ. Это для нас тоже очень интересно, потому что снижается зависимость от локального рынка.

– Круто, что ты так увлечен всем этим. Хотелось бы пожелать тебе успехов в этом направлении.
– Давай еще через пару месяцев созвонимся, я еще тебе расскажу.

– С удовольствием пообщаемся.

#управляемаякоммуникация #машинноеОбучение #нейросети #компьютерноезрение #продажи #контактцентры #автоматизация #данные #сотрудничество #производство #банки #контракты #enterpriseкомпании