«Мы как красавчики в первых рядах»: как живет отколовшийся от «Яндекса» AI-стартап Toloka
The Bell
На канале «Это Осетинская!» вышло интервью с фаундером и CEO Toloka Ольгой Мегорской. Toloka — одна из IT-компаний, входящих в Nebius Group Аркадия Воложа — той самой международной части «Яндекса», которая после долгого раздела активов осталась у Воложа и сосредоточилась на AI-инфраструктуре.
Toloka начиналась как внутренний сервис «Яндекса», который занимался разметкой данных, а сегодня это самостоятельная международная компания, привлекшая более $70 млн инвестиций, в том числе от самого Джеффа Безоса.
В интервью Ольга впервые рассказывает свою личную историю. В 18 лет она получила тяжелую травму, заново училась ходить и долгое время не могла даже выходить из дома. Именно тогда она начала работать асессором в «Яндексе» — оценивала релевантность поисковой выдачи. Со временем это направление выросло в отдельный продукт, а затем — в международную компанию, с которой сейчас работают Microsoft, Anthropic и другие техгиганты.
Toloka занимается тем, что обычно скрыто «под капотом» AI: собирает и размечает human data для обучения нейросетей. Это та самая работа, которую делает человек и без которой не существовал бы ни ChatGPT, ни AI-поиск.
Мы поговорили о том, как появилась Toloka, почему искусственный интеллект по-прежнему невозможен без людей, как питчить стартап самому Безосу, как с помощью математики управлять тысячами сотрудников, как компания выходила из российского бизнеса, почему Мегорская не верит в суперинтеллект и менторит ли ее Аркадий Волож.
Мы публикуем отрывки из интервью, а целиком его смотрите здесь.
Что такое Toloka
— Оля, спасибо, что согласилась. У меня первый и очень важный вопрос: все-таки «ТОлока», «ТолОка» или «ТолокА»? Я послушала несколько видео, и везде разное произношение.
— Да, это классный вопрос. Почти любой разговор про «ТолОку» начинается именно с этого.
— «ТолОка»?
— Да, правильно «ТолОка». Дальше у нас есть профессиональный жаргон: внутри мы часто говорим «ТолокА», потому что само слово изначально белорусское, его придумала как название сервиса команда из Минска. А по-белорусски оно звучит ближе к «ТолокА». Поэтому правильно — «ТолОка». Но между собой иногда сбиваемся на «ТолокА».
Слово из славянских языков, хотя в русском оно встречается реже. Оно означает традицию, когда люди собираются вместе, чтобы сделать большую работу, которую одному не осилить: собрать урожай, построить мост и так далее. Это и называлось «толОка» (или по-белорусски «толокА»). Нам показалось, что это очень точная метафора, и мы взяли ее как название.
— Чем занимается Toloka? Насколько я понимаю, за 10 лет это изменилось.
— Попробую объяснить. Начну с базовых вещей. Как работает машинное обучение? Ты берешь большой набор примеров, показываешь его машине, она на их основе формирует свою логику. А затем применяет эту логику к новым кейсам. И здесь возникает ключевой вопрос: откуда брать обучающие данные? Иногда они уже есть. Например, если ты в банке строишь модель кредитного доверия к заемщику, ты собираешь большой дата-сет фактов: этот человек взял кредит и вернул, этот — не вернул. Это и есть обучающий дата-сет, дополнительной разметки не требуется. Или, например, когда модель научили играть в го: две модели играют друг с другом, и так генерируется большой синтетический дата-сет: какие ходы приводят к победе, а какие — к проигрышу.
Но часто этого недостаточно. Потому что AI стремится автоматизировать человеческие суждения и действия. А когда тебе нужны именно человеческие суждения, взять их неоткуда — нужно прямо взять людей и попросить разметить. Одни из первых задач, которые таким образом решались, были связаны с веб-поиском. У тебя есть миллиард документов и поисковый запрос, и нужно не просто найти релевантные документы, а отсортировать их так, чтобы в топе оказались самые релевантные. Пользователь ведь не смотрит дальше первых пяти строчек. Как понять, какие «лучшие»? Единственный способ — обучить алгоритмы на большом количестве примеров: показать людям запрос и документ и спросить, подходит он или нет. Долгое время это нельзя было автоматизировать. То же самое с беспилотными автомобилями: чтобы они понимали, где светофор, где пешеход, а где велосипед, нужно было попросить человека обвести их на картинке.
И здесь большая ирония искусственного интеллекта, про которую довольно редко говорят: под капотом всего искусственного интеллекта работают буквально сотни тысяч людей, которые делятся своей человеческой экспертизой для того, чтобы этот самый AI обучить.
— До сих пор?
— До сих пор.
— Я помню, раньше ездили машины с датчиками, и в них были люди…
— Машины ездят, собирают изображения с лидаров. Внутри машины, естественно, не сидит человек, который быстро что-то делает, а уже работает алгоритм, который в реальном времени распознает объекты. Но, чтобы его обучить, нужно, чтобы люди за компьютером заранее скормили ему достаточное количество примеров, чтобы он на них обучился.
— То есть все это происходило вручную?
— Вручную собираются обучающие данные. Потом на них обучается алгоритм, и он работает сам. Это не значит, что каждая задача решается с помощью человека, но каждая обучена на наборе данных, который невозможно было бы собрать без участия человека. И вопрос «до сих пор или нет?» — это как раз про эволюцию AI и роль человеческой разметки в нем.
— Давай немного в историю. Когда все началось? Лет десять назад?
— Если говорить о поиске и ранжировании, примерно в 2007–2008 годах и Google, и «Яндекс» начали активно использовать машинное обучение. А примерно с 2009 года разметка данных стала отдельной понятной задачей.
Сначала это был поиск, потом компьютерное зрение — распознавание чеков и так далее. Затем появлялись новые продукты. Но принцип везде одинаковый. Хочешь обучить голосового помощника — нужны тысячи часов речи, записанной голосом и транскрибированной в текст и в обратную сторону. Беспилотники — мы уже обсуждали. Практически любое применение машинного обучения, которое подразумевает, что ты автоматизируешь какие-то действия, которые раньше делал человек, тебе в этом месте нужен человек, чтобы обучить и показать примеры, на которых бы она обучилась.
— То есть Toloka зародилась как внутренний сервис?
— Да. Она зародилась внутри «Яндекса» как инструмент для разметки данных для поиска. Постепенно мы начали поддерживать и другие сервисы. И всегда стояла одна и та же задача — масштабирование. Данных всегда не хватает. А чем их больше и чем они качественнее, тем предсказуемо лучше становится конечный алгоритм.
— Но это же был внутренний департамент «Яндекса». В какой момент это стало отдельной структурой?
— Мы начинали внутри. И довольно много читали статьи, потом писали свои, разрабатывали новые подходы — просто потому, что до нас этим никто системно не занимался, и это было очень интересно. В какой-то момент мы задались вопросом: как контролировать качество ответов людей, когда они выполняют достаточно сложные задачи? Есть ли разница между тем, когда ты просто проверяешь их контрольными вопросами, когда ты просто их проверяешь тем, что спросил несколько человек и собрал их консенсусное мнение. А что, если люди знают, что их проверяют только консенсусом? А если не знают? Сколько человек нужно и так далее?
Мы проводили эксперименты: собирали людей в группы по два-три человека, записывали, как они обмениваются информацией. В итоге сформировали фреймворк, который стали использовать в разметке данных для поиска — он давал более высокое качество на задачах растущей сложности.
В целом мы постоянно решали задачу масштабирования: данных не хватает, людей тоже. А любые человеческие операции — это всегда «боттлнек», это всегда медленнее, чем любая автоматизация. При этом у нас накопилась большая внутренняя экспертиза: математика, способы агрегации оценок, контроль качества и все остальное. Мы упаковали все это в продукт — в «Толоку» — и сделали ее открытой платформой. Это был важный момент: любой человек может зарегистрироваться как исполнитель и любой — как заказчик, размещать задания, использовать наши методы контроля качества и собирать дата-сеты самостоятельно.
— Но за деньги?
— Да. Но это был важный шаг с точки зрения демократизации индустрии. До этого экспертиза была внутри. Если кому-то снаружи нужен был дата-сет, он приходил к нам, и мы делали это через своих асессоров.
Когда мы открыли платформу, то увидели резкий рост. С одной стороны, к нам пришло огромное количество людей — до 10 миллионов зарегистрированных пользователей.
— Это как раз асессоры?
— Да, мы их называли толокерами. И, с другой стороны, пришло много заказчиков. Мы увидели, что люди сами придумывают очень прикольные подходы к сбору данных. Нашими клиентами были ML-инженеры, ресерчеры — те, кому нужны обучающие данные.
Я помню, как раньше говорила: «Я занимаюсь „Яндекс Толокой”», — и никто не понимал, что это. А потом на конференциях спрашиваешь: «Кто знает „Толоку”?» — и поднимают почти все руки. Оказалось, что большинство ML-специалистов в индустрии в какой-то момент начали ей пользоваться. По сути, это был единственный доступный источник человеческой разметки.
— А где работали эти ML-специалисты? В компаниях?
— Да. Мы сейчас говорим в первую очередь про российский рынок, но, конечно, не только «Яндекс» занимался машинным обучением. Были другие команды, которым тоже нужны были данные, и они начинали пользоваться «Толокой». При этом мы много ездили на международные конференции. И важно, что это были не коммерческие B2B-мероприятия, а научные конференции, где публикуют статьи и обсуждают развитие технологий.
— Перевожу на человеческий: веб-саммиты — это больше про маркетинг.
— Да.
— А здесь — прицельно на ресерч.
— Именно. Очень узкая аудитория. Но международное сообщество AI-ресерчеров на самом деле довольно компактное, и «Толока» быстро стала известна за пределами России.
— Данные вы собирали руками в России?
— Люди были из самых разных стран.
— Индия, Турция и так далее?
— Да, откуда угодно.
— То есть это и есть краудсорсинг?
— Да. Идея краудсорсинга в том, что ты даешь доступ к системе практически любому человеку с минимальным порогом входа. И дальше это похоже на управление энергией ветра: каждый делает минимальное усилие. Кто-то зашел на 15 минут, выполнил простую задачу — например, обвел объект на изображении — и ушел.
Твоя задача — с помощью систем контроля качества превратить эти маленькие порывы в полезный результат. И заказчики, приходя в «Толоку», выстраивали процессы сбора данных для своих задач, используя наши инструменты.
Вопрос был в том, как «Толока» вышла в самостоятельное плавание. Мы начали внутри «Яндекса». Потом мы как служба асессоров копили экспертизу по тому, как делать разметку данных для машинного обучения. Потом запустили «Толоку» как открытую платформу и дали в нее доступ всем желающим, которые хотели пользоваться и собирать дата-сеты. Дальше сработал product-led growth: люди снизу вверх начинали пользоваться сами и приносили инструмент в свои компании. Плюс разработчики «Яндекса» переходили в другие, в том числе зарубежные, компании и продолжали работать с «Толокой» там.
Так мы начали распространяться на международном рынке. К 2021 году выручка от внешних клиентов (вне «Яндекса») почти сравнялась с внутренней, причем значительная часть приходилась на международных клиентов, в том числе на бигтехи из Америки.
После этого «Толоку» выделили в отдельный бизнес-юнит. А когда началось разделение «Яндекса», то следующим логичным шагом стал переход в группу компаний Nebius.
— Вы выделились в отдельную структуру?
— Да.
— Отдельное юрлицо, которое сначала принадлежало акционерам «Яндекса», а потом новой структуре после разделения?
— Да, именно так.
Личная история
— Пришло время поговорить о личном. В этой индустрии, скажем так, немного женщин. Женщин-айтишников в принципе мало, женщин с техническим образованием тоже. Расскажи, какой у тебя бэкграунд, образование?
— Я училась в Петербургском университете, на экономическом факультете, по специальности «математические методы и модели в экономике».
— Могли бы быть коллегами.
— Ты тоже?
— Знаешь, я не сдюжила математические методы, потому что увлеклась журналистикой. Эти две дисциплины вошли во временной конфликт. Но почему все-таки экономика?
— С одной стороны, мне всегда нравилась математика. Но с другой — не хотелось уходить совсем в какую-то хардкорную математику, замкнутую на саму себя. Мне было интересно применение математики в разных аспектах. Сама концепция матмодели в экономике мне была интересна, потому что это про то, как любую непонятную фигню, происходящую в мире, попытаться формализовать и упаковать в математическую модель. Наверное, поэтому я и выбрала эту специальность.
— Ты наследственный технарь?
— Да. Родители у меня, наверное, даже в большей степени технари, чем я. Я скорее немного…
— Отщепенец?
— Сдалась, да.
— Родители — инженеры?
— Да, оба инженеры. Папа работал в НИИ, мама была, наверное, одним из первых поколений настоящих программистов, еще в 70-е годы.
— Как тебя занесло? Все-таки математическое моделирование — это либо экономика как наука, либо финансы, инвестиции, что-то такое. Это куда логичнее, чем вдруг оказаться в языковых моделях и в «Яндексе».
— Да, путь был такой, что после университета я пошла работать по специальности. Тогда был инвестиционный банк «Кит Финанс», я там занималась рисками, строила эконометрические модели. Проработала там, наверное, около года. Но в какой-то момент поняла, что это все-таки не тот мир, которому я хочу принадлежать.
— Почему?
— Не знаю. Сначала было очень интересно. По тем временам банк был довольно продвинутый, они внедряли новые технологии. Я помню, что они пригласили консультанта из Barclays, который рассказывал, как выстраивать процессы управления рисками. И я как раз с ним работала, потому что внезапно оказалось, что я понимаю математику и знаю английский. В той среде это было довольно редкое сочетание. Это было интересно. Но потом случился финансовый кризис, все стало рушиться…
— Банк, собственно, и разорился в 2009 году.
— Да-да. В 2008-м, когда все начало валиться, стало уже не до консультантов и не до этого всего. И в целом я подумала, что у меня нет душевного мэтча с этой индустрией. Тогда я написала ребятам в «Яндекс». К тому моменту я уже успела подрабатывать асессором. Сказала: «Хочу быть аналитиком поиска, возьмите меня». Мне ответили: «Аналитиков сейчас не ищем, но нужен человек, который будет заниматься асессорами». Потому что, как мы уже говорили, никто особенно не любит этим заниматься. Так я и оказалась в «Яндексе».
Для меня это было какое-то волшебное место. У него был вайб, как у Стругацких в «Понедельник начинается в субботу»: люди делают какие-то непонятные, удивительные, почти волшебные вещи. Это был мир, которому хотелось принадлежать, в котором было интересно разобраться. Поэтому я туда и пошла.
— А почему ты вообще стала работать асессором?
— У меня нетривиальная личная история. Наверное, могу рассказать. Я редко об этом говорю, потому что не всегда понятно, каким языком это рассказывать, чтобы не звучало слишком мелодраматично, но и не обесценивать этот опыт.
Я была обычным человеком: училась в университете, занималась горными лыжами, ходила в походы, вела обычную жизнь молодого человека. И когда мне было 18 лет, произошел несчастный случай: я упала с большой высоты и сломала позвоночник. Очень сильно, катастрофически. Когда я оказалась на земле и пришла в себя, я поняла, что полностью парализована и вообще не чувствую своего тела. Оно как будто отделено от тебя.
Но, насколько мне не повезло оказаться в этой ситуации, настолько же мне потом повезло получить всю поддержку, которую вообще можно было получить. Врачи провели совершенно потрясающую, уникальную операцию. У меня фактически вся спина пересобрана из титана, потому что нескольких позвонков просто не осталось. У меня был потрясающий врач-реабилитолог, который занимался со мной несколько лет — буквально каждый день по несколько часов. По сути, я заново училась не только ходить, а вообще все делать. Очень помогали друзья, семья полностью перестроила жизнь, чтобы поддержать меня в тот момент. Даже профессора из университета приходили ко мне домой принимать экзамены, чтобы я смогла закрыть ту сессию, которую не успела сдать.
В общем, весь мир помогал мне, как мог. И, наверное, именно поэтому все в итоге хорошо закончилось. Эта поддержка была невероятно важной. Это, конечно, очень интересный опыт. Мне кажется, лет двадцать я вообще об этом не говорила. А сейчас, чем старше становлюсь, тем больше мне кажется, что это важно. Потому что мы иногда замыкаемся в своем пузыре — AI, технологии, инвестиции, whatever. Но мир этим не ограничивается, и жизнь складывается по-разному.
Эта история столкнула меня с людьми, с которыми я бы иначе никогда в жизни не пересеклась. Если бы жила дальше в своем благополучном пузыре, так бы в нем и осталась. А тут рядом с тобой, например, мальчик-программист, которого ударили по голове в подъезде, отобрали телефон и снесли половину черепа. Или выдающийся архитектор, которого разбил инсульт. Или женщина-карлик — очень веселая, шумная, с красивыми подушечками, потому что без них не может дотянуться. Мы даже вместе ходили в специальную автошколу, учились водить «Оку».
— Потому что она ручная?
— Да-да. Там невероятное количество рычагов, которые нужно тянуть одновременно. Я, честно говоря, так и не научилась водить такую машину. И вот этой женщине нужно было несколько подушек, чтобы вообще дотянуться до руля. При этом она была очень интересным, интеллектуально развитым человеком, но найти работу ей было объективно сложно. Или мальчик-подросток с ДЦП — абсолютно светлый ум, запертый в теле, которое его не слушается.
Для меня это очень важный опыт. Потому что довольно быстро стало понятно: помощи в смысле лечения, физической реабилитации у тебя может быть много, общество в этом смысле умеет помогать. Но это только половина уравнения. Вторая половина начинается потом, когда занятия заканчиваются, гости расходятся, и ты остаешься один на один с собой и со своей ситуацией. И с этим действительно тяжело справляться. Это не выдуманные истории, когда люди физически реабилитируются, а потом используют вновь обретенный контроль над телом, чтобы выйти в окно. И я в какой-то момент просто поняла, что свободное время убивает, нужно занимать себя чем-то постоянно, чтобы не сидеть без дела.
Начала искать подработки, доступные человеку, который парализован и сидит в квартире. Переводила тексты, писала статьи, занималась репетиторством по математике, делала что-то еще. Честно говоря, все это было довольно скучно. Но выбирать особо не приходилось — все равно нужно было чем-то заниматься. И потом мне рассказали, что «Яндекс» набирает асессоров поиска. Само слово тогда казалось совершенно диким: «асессор» — вообще что это такое? Но я подумала: ладно, попробую. И оказалось, что это интересно.
Что тогда делали асессоры «Яндекса»? Они размечали поисковые запросы — обучали модель ранжирования отличать хорошие результаты поиска от плохих. А когда ты смотришь на поисковые запросы, то перед тобой открывается весь мир. Несколько лет ты сидишь запертый в комнате — и вдруг перед твоими глазами проходит все. Наверное, я никогда больше не была таким знающим человеком, как в тот момент, когда размечала поисковые запросы «Яндекса». И нужно постоянно принимать маленькие решения, но для каждого надо подумать.
Мне лично эта история очень сильно помогла — получить уверенность в себе, начать зарабатывать, перестать чувствовать себя полностью зависимой от окружающих. Поэтому, когда я уже восстановилась, эта часть осталась для меня очень важной. Для меня, например, важно, что я точно знаю нескольких людей, которые оказались в тяжелой жизненной ситуации и которым я помогла устроиться, — людей, которые иначе, возможно, не нашли бы способа себя реализовать.
И при этом это не история, которая закончилась. Потому что, как мы уже обсуждали, требования к экспертам постоянно растут, но жизнь у людей проще не становится. Многие уезжали в другие страны, имея профессорские степени, и теряли там работу. А через проекты в «Толоке» у них появлялась возможность не таскать ящики, а монетизировать свою экспертизу.
— Мне кажется, здесь нет никакого мелодраматизма. Это супервдохновляющая история, и, думаю, многим она действительно поможет. Вообще, когда мы выходим из себя и делимся такими вещами, другим становится легче. Потому что появляется ощущение: «Я не один». Даже если у тебя самого ничего подобного не происходило, это все равно дает большой прилив сил. И думаешь, что все можно преодолеть.
Прибыльность, инвестиции, Безос
— Скажи про свою роль. Ты пришла как менеджер направления, но при этом ты фаундер, это твое детище. Обычно как: фаундер основывает компанию, у него вся собственность, а потом он делится с инвесторами. А здесь как?
— Здесь скорее комбинация. Я, наверное, не готова сейчас вдаваться в подробности…
— Долей?
— Да. Но в целом структура отражает и то, что это детище команды, и то, что значительная его часть принадлежит акционерам.
— Акционерам Nebius, да? То есть ты и акционер, и директор?
— Да.
— Ты сказала, что у компании была выручка от «Яндекса» как внутреннего заказчика и от внешних клиентов. Можешь немного рассказать про финансы? Сколько зарабатывает Toloka и прибыльный ли это бизнес?
— Сейчас мы размеры выручки не раскрываем. Мы публиковали в какой-то момент в целом порядки — это десятки миллионов долларов.
— В год?
— Да. Это то состояние, в котором мы сейчас. Рынок довольно сильно растет, потому что спрос на данные никуда не девается.
— «Растет», — тяжело вздохнула она.
— Да.
— А прибыль есть? Или пока нет?
— В плюс целиком мы еще не вышли.
— То есть инвестиции нужны для чего?
— Для дальнейшего развития продуктов, экспансии. Мы сейчас сильно продвинулись именно в продуктовой истории. Для нас важно было привлечь дополнительных стратегических партнеров ради ценности и понимания рынка. Поэтому мы и пошли в раунд с дополнительными инвестициями, в том числе от Джеффа Безоса.
— Я смотрела Crunchbase, и меня удивило, что у вас среди инвесторов есть [CTO канадского маркетплейса Shopify, бывший член совета директоров «Яндекса» Михаил] Парахин. Это выглядит как ангельская инвестиция. Можешь рассказать про него и про саму инвестицию? Она же была до Amazon?
— Нет, это был один и тот же раунд. В нем участвовали family office Джеффа Безоса, Nebius и Михаил Парахин. Михаил был CTO «Яндекса». Когда мы работали над «Толокой», мы обеспечивали все проекты «Яндекса» разметкой данных. Если смотреть шире, в мире не так много людей, которые глубоко разбираются в AI. Если из них выделить тех, кто понимает суть, сложность и важность данных в AI, останется еще какое-то подмножество. А если дальше выделить тех, кому по-настоящему интересна тема разметки данных людьми, — их вообще можно пересчитать по пальцам. Михаил — один из таких. И для меня было важно привлечь в компанию like-minded людей, которые смотрят на проблематику похожим образом, хотят развиваться в одном направлении. Михаил, наверное, №1 из возможных таких людей во всем мире. И поэтому я считаю, что нам очень повезло привлечь его к участию в «Толоке».
— Nebius тоже инвестировал?
— Да, конечно.
— И family office Безоса?
— Да.
— Расскажи, как вы вышли на family office Безоса. Какая за этим история?
— У нас было общее понимание с Nebius, что инвестиции не нужны ради инвестиций как таковых, а ради дополнительного импульса для развития. Поэтому мы искали инвесторов, которые действительно могут в этом помочь. И Михаил, и family office Безоса — как раз такие примеры.
— А как вы познакомились? Вас кто-то связал?
— Нас познакомил Михаил. И дальше начались обсуждения. Это был довольно интересный процесс, потому что в Amazon есть известная тема, так называемый 6-pager. Знаешь про это?
— Нет, вообще не знаю.
— Это важная часть культуры Amazon. Перед каждой встречей пишется текстовый документ. В нем ты описываешь, что хочешь обсудить, что получить, чего ожидаешь от этой встречи и так далее.
— То есть 6 слайдов?
— Это не слайды, а текстовый документ. Это они еще придумали, 20, наверное, лет назад. Тот, кто организовал эту встречу, приносит документ. Они зачастую прямо сидят, первые 5 минут встречи тратят на то, чтобы молча почитать этот документ. Для всех остальных это кажется немножко кринжово.
— Да, это странно.
— Но зато все точно почитали суть, заэлайнились в том, что хочется на самом деле на этой встрече обсудить, а потом принимают какие-то решения и двигаются дальше. Это довольно специфическая «амазоновская» тема.
— Что было в твоем 6-pager?
— Мы рассказывали про наш бизнес, про технологии управления усилиями людей на масштабе и про то, куда это развивается. Мы как раз находились на переходе: начинали с простых задач для 10 млн людей из крауда, а затем стали работать с высокопрофессиональными людьми — с учеными степенями и так далее. Но, независимо от уровня, люди остаются людьми — и это не самые надежные агенты.
— Люди — всегда проблема.
— Да. Они не делают ровно то, что ты просишь. Не читают инструкции — я сама, если честно, тоже редко читаю. И это всегда большая проблема. Я думала, что, когда мы перейдем к высококвалифицированным экспертам, станет проще.
— Мне кажется, наоборот, хуже.
— Вот и оказалось, что нет. И мы это обсуждали на встрече. И Безос сказал: «Точно. Именно поэтому я заставляю всех читать документы прямо на встрече — потому что никто их заранее не читает».
— Подожди, это он сам говорил?
— Да, это был разговор с ним.
— То есть у тебя был Безос на встрече?
— Да, по Zoom, но да.
— Какое он произвел впечатление?
— Очень хорошее. В таком формате ты в первую очередь чувствуешь, что оценивают тебя. А ты можешь судить по тому, какие вопросы тебе задают.
— Но все равно что-то считываешь.
— Мне было важно, что те вопросы, которые спрашивал Безос, были именно про то, что важно мне. Это не всегда так происходит. Мы рассказывали про «Толоку», про технологии и больше всего обсуждали именно технологическую часть — управление людьми. Мне это очень откликнулось, потому что в этом и есть суть.
— То есть он лично принимает инвестиционные решения своего family office? Не комитет?
— Насколько я понимаю — да.
— И на что он смотрит? На будущее AI, на рынок?
— Это, наверное, лучше спросить у него. Но мне кажется, что у нас совпало видение двух вещей: проблема качества данных и потенциал, который за этим скрыт. Индустрия, которая делает вот эту самую нелюбимую всеми и грязную работу. Все же пытаются дистанцироваться: «Фу-фу, люди, я это трогать не буду, это кому-нибудь другому отдам». Решая именно эту задачу, мы на самом деле тренируем в себе такие мышцы, которые нигде больше в индустрии не тренируются.
— То есть технологические компании стараются минимизировать эту часть?
— AI — это технологическая индустрия, во многом про интровертов, которые хотят минимизировать взаимодействие с человеком. Но при этом все понимают, что без этого никуда.
— Зло.
— Да. И есть очень небольшое количество игроков, которые видят в этом инженерную красоту.
Для меня управление человеческими усилиями — это чисто математический вопрос. Очень интересный. Человек — гораздо более сложная система, чем любой алгоритм. У него многоуровневая мотивация, которую ты не знаешь, это черный ящик. Но тебе нужно выстроить систему так, чтобы его вклад давал полезный результат.
— Сколько вы в итоге подняли?
— Публично мы говорили про $72 млн.
— А оценка?
— Не раскрываем.
— Ну, по ощущениям — это сотни миллионов?
— Наверное.
— Но вы пока не юникорн?
— Публичной оценки у нас не было.
Отъезд из России и выход из российского «Яндекса»
— Я так понимаю, ты какое-то время жила в Израиле. Почему?
— Мы сначала переехали в Израиль, потому что сфокусировались на международном развитии «Толоки», а продолжать это из России стало невозможно. В рамках раздела «Яндекса» мы переезжали командой, и довольно большая ее часть оказалась в Тель-Авиве, там был офис.
— Он и сейчас есть.
— Да. Это был естественный шаг. Мы прожили там недолго — может быть, около восьми месяцев. Потом переехали в Амстердам, потому что изначально планировали поехать в Европу.
— А как ты принимала решение уезжать? Я так понимаю, внутри «Яндекса» каждый сам решал, где оставаться.
— Для меня это не было каким-то отдельным моментом выбора. Это было продолжение того пути, по которому мы уже шли. Мы построили «Толоку», сделали ее отдельным бизнес-юнитом, довели до состояния, когда значительная часть выручки приходила от западных клиентов, и сфокусировались на международном развитии. Поэтому переезд был следствием того же пути. Если и была точка выбора, то она сильно раньше.
— То есть до 2022 года?
— Да. Это был выбор строить проект мирового уровня. А все остальные шаги уже следствие этого.
— Но при этом «Яндексу» ведь все равно нужна была разметка данных.
— Конечно.
— И что с этим стало? Какое-то фигурное вырезание?
— «Толока» была частью ключевой инфраструктуры «Яндекса», и нам было важно, чтобы ничего нигде не упало. Поэтому мы довольно долго занимались этим «фигурным вырезанием»: нужно было сохранить инфраструктуру внутри «Яндекса» и одновременно вынести бизнес-функцию наружу.
— Это был конфликтный процесс?
— Нет, не конфликтный. Это был рабочий процесс. Другое дело, что для нас как для бизнеса он был тяжелым.
— Почему?
— Специфика «Толоки» в том, что в основе у нас маркетплейс людей. А когда ты его «разрезаешь», он страдает непропорционально сильнее, чем обычный продукт.
— То есть рвутся связи?
— Да. Рвутся связи, рвется сетевой эффект маркетплейса. У тебя резко уменьшается количество доступных исполнителей, становится меньше данных, на основе которых ты их матчишь, ранжируешь и так далее. В целом это был технологически сложный процесс. Но мы его довели до конца.
— Кажется, что большая часть выручки у вас была зарубежная, а большая часть исполнителей — из России.
— В какой-то момент это действительно было так.
— И пришлось все это заново собирать?
— Да. Причем не только исполнителей, но и часть выручки.
— И где брали?
— Нам в каком-то смысле повезло: это совпало с началом GenAI-революции, когда потребность в низкоквалифицированных массовых краудсорсерах стала заметно меньше, а потребность в высококлассных экспертах стала заметно больше. А у нас как раз их почти не было, так что мы все равно начинали с нуля. И, возможно, даже лучше было делать это с нуля, чем пытаться делить старую систему.
— Вы перевозили кого-то из тех, кто занимается разметкой?
— Нет.
— Только сотрудников компании?
— Да.
— Кстати, сколько у вас сейчас людей?
— Около ста.
— И это в основном русскоговорящие?
— Большая часть — да, но не все. Примерно 40% не русскоговорящие.
— То есть около 60% — русскоязычные?
— Да.
— И это в основном бывшие сотрудники «Яндекса»?
— Да.
— Они релоцировались в 2022 году?
— Да.
— Как это происходило? Им давали релокационные пакеты?
— Это героическая работа HR-команды, честно говоря.
— И где сейчас команда?
— У нас две основные локации: Амстердам и Белград. В Белграде людей чуть больше, в Амстердаме чуть меньше. Плюс есть распределенные сотрудники в разных странах.
Спорные клиенты
— Слушай, не могу не задать вопрос про некоторых ваших прошлых клиентов. Насколько я понимаю, платформа открытая, и на ней может размещать заказы почти любая организация, хоть Пентагон.
— Сейчас у нас есть определенные правила и KYC-процессы. То есть неправда, что любой человек может просто прийти и сразу начать размещать задания, есть процесс проверки. Но в целом да, это открытая платформа.
— Была история, что у вас размещал заказы Роскомнадзор. И еще — что какое-то издательство пыталось через вас идентифицировать литературу, «пропагандирующую ЛГБТ».
— Про второе, честно говоря, не знаю. Про первое — там была немного другая ситуация. У нас никогда не было коммерческих отношений с Роскомнадзором. Насколько я помню, у нас была так называемая sandbox — «песочница», где можно было просто протестировать, как работает платформа. Там не было доступа к исполнителям, не было платежей. И, насколько я понимаю, они тестировали свои подходы именно там.
— KYC у вас сложился после?
— Он постоянно развивается. Мы его дорабатываем, чтобы соответствовать законодательным требованиям и ограничениям.
— Слушай, но это же не законодательные ограничения. Следующая история, про которую я хотела спросить, — две компании, которые занимались распознаваниями лиц. Ну а что, IT-стартап. Вопрос в том, что его заказчики – это, например, российское правительство, которое распознает лица. Но это может быть и не российское правительство, а правительство Венесуэлы или Северной Кореи, которое использует LLM для борьбы с оппозицией. Где проходит та грань, когда, грубо говоря, заказ нужно дропнуть. Или это коммерческая, нормальная коммерческая история?
— Для нас основная граница — это легальные основания. Мы проводим достаточно глубокие проверки KYC: смотрим на саму компанию, структуру, субподрядчиков. Если речь идет о санкционных компаниях или странах, такие заказы не допускаются.
— То есть ограничения в первую очередь в легальном поле: если заказчик под санкциями, вы с ним не работаете?
— Да, именно так.
— И вы это проверяете?
— Да.
— Но начали активно проверять после того, как напоролись?
— Проверки были всегда, просто с санкциями добавились новые параметры.
— А есть этические границы?
— Поскольку платформа открытая, разметчики сами выбирают, какими задачами заниматься. И иногда они сами сигнализируют: «Здесь что-то выглядит подозрительно или неэтично». Мы такие кейсы проверяем. Если есть нарушение наших условий, мы убираем клиента из системы.
Но в целом я считаю, что важно опираться на формализованные критерии. Иначе очень сложно проводить границы. При этом окончательное решение все равно остается за людьми: они сами выбирают, хотят выполнять задачу или нет.
— Но у людей ведь разные убеждения.
— Конечно.
— Кому-то ок, кому-то нет. Это же как с историей Оппенгеймера: задача была научная, амбициозная, а результат — оружие массового поражения.
— Это в целом большой философский вопрос — и про AI в том числе. Как и с атомной энергией: нельзя однозначно сказать, хорошо это или плохо.