«Я не вижу проблем быть женщиной-фаундером». Секреты самого успешного AI-стартапа с российскими корнями

НАСТОЯЩИЙ МАТЕРИАЛ (ИНФОРМАЦИЯ) ПРОИЗВЕДЕН И РАСПРОСТРАНЕН ИНОСТРАННЫМ АГЕНТОМ ЕЛИЗАВЕТОЙ НИКОЛАЕВНОЙ ОСЕТИНСКОЙ ЛИБО КАСАЕТСЯ ДЕЯТЕЛЬНОСТИ ИНОСТРАННОГО АГЕНТА ЕЛИЗАВЕТЫ НИКОЛАЕВНЫ ОСЕТИНСКОЙ 18+

Анна Дорогуш с детства любила математику, окончила факультет вычислительной математики и кибернетики МГУ и школу «Яндекса» ШАД, после чего уехала в США работать в Microsoft. Потом вернулась в Москву и работала сначала в московском офисе Google, а потом в «Яндексе», где создала одну из самых популярных библиотек данных CatBoost. В марте 2022 года Дорогуш уволилась из «Яндекса» и запустила свой собственный стартап, который уже называют самым успешным AI-стартапом с российскими корнями. На сегодняшний день Recraft привлек суммарно $50 млн от Khosla Ventures, Accel, RTP и других крупных фондов, а сама модель входит в тройку лучших в мире нейросетей для генерации изображений. Примечательно, что на момент запуска и отъезда из России у Анны был трехлетний ребенок, а прямо сейчас она ждет второго.

Елизавета Осетинская (признана иноагентом) приехала в Лондон, чтобы узнать, как придумать идею для успешного стартапа, где привлечь инвестиции без команды и готового продукта, что изменилось в сфере дизайна с приходом AI и как научить детей любить математику. А также — о материнстве и бизнесе, отношении инвесторов к беременности, работе нейросетей и 5 миллионах пользователей без рекламы.

Мы приводим короткие отрывки из интервью. Целиком смотрите его на канале «Это Осетинская».

Карьерный путь

— Ты училась в немецкой гуманитарной школе, а твоей специальностью стала математика. Как так получилось?

— Мои родители — математики. Мама работала доцентом в Московском государственном полиграфическом университете. Папа, к сожалению, умер, когда я была маленькой. Он был очень хорошим математиком. Мне, наверное, просто с детства математика очень нравилась. Никто меня специально не подталкивал заниматься математикой, и я, к сожалению, не участвовала в олимпиадах — просто не знала о них.

Училась я в немецкой школе с гуманитарным уклоном и углубленным изучением немецкого языка, но математика у меня всегда получалась и нравилась. С детства я точно знала, что хочу заниматься именно математикой.

— Почему ты выбрала ВМК [факультет вычислительной математики и кибернетики. — Прим. The Bell] МГУ?

— Я выбирала между ВМК и мехматом. Мама говорила, что если математика — значит мехмат, а я решила пойти по своему пути и выбрала ВМК. Это было своего рода протестом.

У родителей не было ресурсов, чтобы оплатить учебу, но можно было взять кредит. Первый курс я училась отлично — только пятерки. Со второго курса начала работать моделью, чтобы платить за обучение. Работа, конечно, мешала учебе, и сейчас я думаю, что это было большой ошибкой.

— Ты считаешь, что это сильно повредило учебе?

— Я всегда любила учиться и сейчас очень люблю. Если есть возможность в студенчестве получать знания, ходить на лекции и решать задачи, нужно этим использовать. Пропускать — очень обидно. Потом такой возможности нет.

После МГУ я поступила в ШАД [Школа анализа данных «Яндекса». — Прим. The Bell]. Считаю, что всей своей карьерой ШАДу обязана в первую очередь, это одно из лучших учебных заведений в мире в области машинного обучения. Там очень сильный преподавательский состав, сложные и интересные задания.

— В какой-то момент ты уехала работать в Microsoft в Сиэтле?

— Да, но там поблизости еще несколько небольших городов: Редмонд, Керкленд и Белвью. В этих городах есть офисы крупных компаний. Поэтому многие сотрудники живут не в Сиэтле, а в одном из этих городов. Я жила в Керкленде.

И Сиэтл, и Белвью, и Керкленд — прекрасные города, там классно. И в Microsoft мне тоже очень понравилось работать. Но я приняла решение, что хотела бы вернуться в Россию по личным причинам.

— Не жалеешь, что не осталась в Америке?

— Нет, не жалею. Когда я переезжала в Америку, у меня было несколько офферов: могла поехать в Штаты или в Лондон, в Google. Тогда я выбрала Америку. С тех пор в Google регулярно меня звали — они постоянно поддерживают связь с кандидатами. Я проработала в московском офисе Google около года, пока его не закрыли. После этого я перешла в «Яндекс».

В Google и Microsoft я работала линейным разработчиком. В «Яндексе» тоже сначала была линейным разработчиком, но там — мой основной карьерный рост. Большая часть вещей, которым я научилась, — именно в «Яндексе».

— А как вообще разработчику попасть на работу в Microsoft?

— Когда я устраивалась в Microsoft, они проводили так называемые хайринг трипы: несколько команд Microsoft приезжали в разные страны и проводили много собеседований подряд за одну или две недели. Тех, кто прошел успешное интервью, приглашают на работу.

Сейчас, после пандемии, собеседования по большей части перешли в онлайн. Поэтому я не уверена, что хайринг трипы так же популярны сейчас. Но тогда это был эффективный способ.

— Почему Google тебя так активно хантил?

— Думаю, это просто часть активной работы их рекрутеров. Они пишут многим выпускникам топовых вузов. Тогда ШАД еще не был широко известен, но МГУ — да.

— Чем ты занималась в «Яндексе»?

— Сначала я занималась разными задачами, связанными с ранжированием и поиском. Потом появились задачи про Матрикснет на градиентном бустинге. И дальше я уже плотно начала заниматься именно градиентным бустингом.

— Матрикс… чего? Градиентный бустинг?

— Это алгоритм машинного обучения, который хорошо работает на табличных данных. Сейчас почти все решается нейросетями, но градиентный бустинг до сих пор — топовый алгоритм для решения большого количества задач на табличных данных.

— А если объяснить совсем по-простому? Это большая формула? Или большая программа?

— Можно сказать, что это большая обучающая формула. Она, как и нейросеть, на вход принимает данные, а на выход выдает число — предсказание. Например, в поиске это может быть предсказание ранжирования страницы: если одной странице присвоено значение 5, а другой — 4, то первая будет отображаться выше в результатах поиска. Можно предсказывать стоимость жилья. Но, как и у любого алгоритма, есть ошибки, хотя у градиентного бустинга метрики качества в разных режимах выше. А еще его просто использовать.

— Ты проработала в «Яндексе» около шести лет?

— Семь. Я продвигалась как руководитель: развивала градиентный бустинг, добавляла сюда много нового, только моих усилий не хватало, и я создала команду. Постепенно мы начали заниматься и другими библиотеками машинного обучения (ML). В итоге сформировалась область ответственности: библиотеки и инструменты для ML. К нам приходили другие команды и ML-инженеры, чтобы внести изменения или использовать наши решения. Наверное, это и есть мой основной карьерный путь и успех в «Яндексе».

— Почему ты решила уйти?

— Я довольно долго думала о том, чтобы запустить свой бизнес. В течение своей карьеры я запускала с нуля несколько успешных продуктов — и в «Яндексе», и в Google. Но все это было внутри компаний. А мне хотелось построить что-то свое с нуля. Я всегда воспринимала себя как продуктового человека. Сейчас понимаю, насколько многого я не знала — и, возможно, до сих пор не знаю. Но на тот момент я была уверена, что готова.

— Как ты об этом сообщила?

— Просто ушла. Не было никаких вопросов. Я уволилась в марте 2022 года. Еще раньше, в 2021-м, планировала переезд в США, готовила визу O-1 — «визу талантов». У меня хороший трек-рекорд, понятный «лист талантов». Я получила O-1 и могла переехать в США одна. Но перевезти команду было очень сложной задачей. Поэтому я выбрала Дубай. Мы перевезли туда команду, прожили там чуть меньше года, а потом переехали в Лондон.

Запуск Recraft

— Ты занималась вещами, далекими от B2C и дизайна в целом. Но вдруг ты уходишь из «Яндекса» и начинаешь делать компанию… по сути, перпендикулярную всему, что делала раньше, хотя и на основе AI.

— Я приняла внутреннее решение, что хочу попробовать построить свой продукт вне крупной компании. Я много лет об этом думала, и все-таки сделала шаг. Сначала я просто несколько месяцев пыталась понять, а что именно делать? Это довольно частый шаблон среди фаундеров. Есть мнение, что успешные компании рождаются из глубокого знания предмета. Но в большинстве случаев — человек сначала решает строить компанию, а потом начинает исследовать.

Я собиралась делать продукт в области machine learning tools [софт, позволяющий создавать и обучать модели AI для анализа данных. — Прим. The Bell]. Это то, что мне было знакомо. Начала общаться с потенциальными пользователями, исследовать рынок.

Примерно в тот момент, как я занималась ресерчем, началась волна AI. Запустился Midjourney, появлялись статьи о диффузионной генерации изображений, и стало понятно, что в мире дизайна, арта и всего того, что касается изображений, а в будущем и видео, все очень быстро поменяется. И это тот момент, когда можно поучаствовать в формировании будущего дизайна и новых профессий.

— Как понять, что сейчас — тот уникальный момент? Часто кажется, что все уже придумано.

— Сейчас — это тот самый момент. Все еще. Все индустрии с появлением новой технологии сильно меняются, и дальше то, как они будут выглядеть, очень сильно зависит от того, какие инструменты мы построим.

Моя младшая сестра — дизайнер. Поэтому мне было проще начать разбираться в этой области. Я просто созванивалась с ней по Zoom, она шарила экран, показывала, как она работает. А я наблюдала.

Помню, как обратила внимание, что сестра очень много времени тратит на векторизацию. Это превращение растровой картинки — пикселей — в векторную форму, где картинка состоит из шейпов (круги, прямоугольники). И у меня появилась первая мысль: «Как много у дизайнеров рутины, давайте поможем ее автоматизировать».

Но вскоре я поняла: дизайнеры очень любят свою рутину. Им важен сам процесс, крафт.

— Любят свой крафт — от этого [произошло название стартапа] Recraft?

— Да-да, Recraft, конечно же, связан со словом «крафт», хотя я не с первого раза выбрала это слово.

Я провела много разговоров с сестрой и другими дизайнерами. Писала им в LinkedIn, задавала вопросы на сайтах, где можно общаться с экспертами, просила интервью. Это помогло мне понять, как в принципе устроена эта область.

Дальше я приняла решение, что мы будем адаптировать технологию генерации изображений для профессиональных сценариев. Создание воркфлоу — места, где дизайнерам наиболее удобно работать. Recraft — это бесконечный канвас, на котором можно иметь много слоев, делать сториборды, сравнивать картинки. Это привычная именно для дизайнеров рабочая среда.

— Может, скажу гадость, но это ведь что-то типа Photoshop?

— В плане воркфлоу бесконечный канвас — это штука, которая больше похожа на Figma, но не про продуктовый, а графический дизайн.

С самого начала у нас было три ключевых приоритета: качество, удобный воркфлоу и функциональность, специфичная именно для дизайна. Мы начали с вектор-арта и решили так: «Никто не умеет его генерировать, а мы станем первыми, кто научится». И стали. Это была первая версия продукта, мы примерно так и позиционировали, что делаем продукт для дизайнеров, в котором дизайнеры могут генерировать вектор.

Вектор — это важно во многих сценариях, но это далеко не все, что нужно. Почему мы такое позиционирование сначала выбрали? Потому что оно сильно отличалось от всего остального.

— Что уже было?

— От всего остального, от генерации просто изображений. Но это сыграло с нами злую шутку. Люди долгое время думали, что Recraft — это исключительно про вектор-арт, и все. Хотя это был только маленький фрагмент всего того, что мы предлагали.

— Рынок-то большой?

— Только в США — сотни тысяч профессиональных дизайнеров. Их количество по всему миру растет, потому что дизайн, в том числе с приходом AI, становится в каких-то случаях более доступной профессией.

— То есть AI снижает порог входа?

— Это сложный вопрос. Я думаю, что мы сейчас на очень ранних стадиях развития технологии.

— Recraft зарабатывает?

— Сейчас — чуть больше $5 млн в год. Мы включили credit-based подписку в сентябре прошлого года и с тех пор растем довольно быстро.

— То есть $5 млн — это выручка примерно за 9 месяцев?

— Да. У нас есть две части бизнеса. Первая — подписочная. В основном это отдельные дизайнеры или компании, которые оформляют подписку на месяц или на год. Вторая — API. Ее используют компании, когда нужно генерировать изображения в больших объемах (в adtech, маркетинге, SEO).

— Сколько у вас пользователей?

— Близко к 5 млн зарегистрированных пользователей, активных в месяц — меньше. В AI в целом есть феномен, который мы называем AI-туризм — когда люди просто приходят попробовать. Таких пользователей тоже много.

— Я так понимаю, что заработки далеки от того, чтобы покрывать burn rate [доходы не покрывают все расходы]?

— На сегодня — да. Есть несколько больших статей расходов: обучение моделей (training), применение моделей (inference), зарплаты и маркетинг.

Реклама пока не окупается. Мы на самом деле никак не оптимизировали монетизацию и сейчас больше сосредоточены на том, чтобы строить продукт.