Hyperscience: Очакваме да удвоим екипа си в София през следващите 3 години

Hyperscience е българо-американска продуктова компания, основана през 2014. Дружеството съчетава изкуствен интелект с human in the loop подход и разработва платформа за автоматизация на процеси в световен мащаб. През последните години продължава да инвестира значително в България като една от основните продуктови локации на компанията. Сред клиентите ѝ са Mars, The United States Department of Veterans Affairs, Guardian Life, The International Rescue Committee, HM Revenue and Customs и др.

Какви са плановете на технологичната компания за офиса в София, ще разшири ли инвестицията и екипа си, какви кадри ще търси, как интегрира AI в продуктите си, как изкуственият интелект трансформира ИТ индустрията, ще заменят ли новите AI системи програмистите, как можем да намерим баланса между ползите и рисковете от изкуствения интелект – тези и други въпроси коментирахме с Андрю Джойнер, главен изпълнителен директор на Hyperscience.

Андрю, планирате ли да увеличите инвестицията си в България?
Изключително развълнуван съм от нашата инвестиция в България. Основани сме тук 3 години преди основополагащия трансформационен документ на Google за AI. Имаме дълго ДНК по отношение на лидерството в машинното обучение на този пазар. С потенциала, който сме изградили тук, това е ядро, което искаме да разширим. Около една трета от нашите служители в Hyperscience са базирани в България. Когато имаме нови възможности за работа, растем доста бързо. И всъщност предпочитаме първо да увеличим броя на служителите тук, в България. Доказахме техническа надеждност много рано и сега искаме да градим върху тази основа, докато вървим напред.

Каква е ролята на българския офис за глобалната стратегия на компанията?
След Covid пандемията изградихме много красив офис, един от най-красивите тук. Имаме 360-градусова гледка към София. Но и решихме да подкрепим съвременния начин на работа, т.е. хибридният модел. И въпреки че дадохме избор на нашите служители в България, хората предпочитаха да идват в офиса. В миналото бяхме създали модел, при който хората обядваха заедно – носеха храна и разчупваха хляба заедно. Създадохме истинска общност в този офис. Организираме технологични срещи за лидери от общността.
За нас това е хъб, а в САЩ сме много по-разпръснати. Нямаме тази общност като тук, в България. Често ме питат как да пресъздадем това, което имаме в София на другите пазари. Не знам дали това е възможно в страни като САЩ, но се опитваме. Важно част за това е, освен да имате офис пространство, но и добри връзки между служителите. Те трябва да искат да дойдат и да работят заедно. И когато като главен изпълнителен директор наемам нов служител, понеже много скоростно трябва да свикне да работи с платформата ни, която е изключително сложна технически, той успява да се справи бързо, защото може да разчита на подкрепата на всички в офиса. Това е старият начин на работа, който е много ефективен.

Колко голям е екипът Ви в София и планирате ли разрастване?
Определено. Ние сме малко над 60 души в София. И нашите планове са да растем с около 30% годишно. Увеличаваме броя на служителите си в съответствие с растежа на приходите. Така че очакваме да удвоим броя на служителите си тук през следващите 3 години.

Какъв тип кадри търсите?
Имаме страхотен ML талант, който е оскъден ресурс навсякъде. Всяка гледаща напред технологична компания сега трябва да има в основата си този тип кадри. Имахме късмета да привлечем най-добрите ML инженери в София. Открихме, че талантът от топ ниво привлича други топ таланти. Решаваме много технически трудни проблеми и това привлича висококачествени инженери. Ще се разширяваме и ще търсим ML таланти в България винаги. Освен че имаме добър инженерен талант, имаме добри експерти и в допълнителни функции, които подкрепят инженерните и ML кадрите – техническо писане, експерти в обучението на модели – което е ново нещо и клиентите ни не знаят как да го направят. Наричаме ги експерти по data services. Тук са и support функциите. Също така и продуктовото управление, което беше нова област за нас. Много от решенията за основните продукти идват от този офис. Затова искахме продуктовите ни лидери да бъдат много близо до нашия ML и инженеринг екип. Така имаме почти пълен спектър. Освен това по-голямата част от нашите финансови дейности се осъществяват тук, както и HR-а. Така че имаме напълно представена инфраструктура тук.

Как интегрирате AI в продуктите си?
Той е в основата ни. Създадохме решения, базирани на AI. Изградихме модели, които правят нещо много трудно от техническа гледна точка – разбират данните от документи толкова добре, колкото и хората. Това преди 10 години може би щеше да звучи странно, защото беше много трудно техническо предизвикателство, но днес изглежда изключително актуално, когато го сравните с генеративния AI. Gen AI е обратното. Той учи машините да пишат и говорят човешки. Той генерира човешко съдържание. Нашата технология решава обратното предизвикателство – вземаме цялата постъпваща информация в бизнеса – фактури, разписки за доставка, и извличаме полезното съдържание от нея. Това беше първото техническо предизвикателство, което решихме. Никога преди това то не е било решавано. Най-добрите доставчици през последните 20 години се опитаха да го направят чрез оптично разпознаване на знаци, т.нар. OCR. То се опитва да търси много специфични части от страница. И най-доброто, което някога са получавали, е около 50 до 60% точност. Останалата част трябва да се чете и анализира от хора. Ние постигаме 99,5% точност, така че сега сме на световно ниво в разчитането на тези данни.
Но за да накараме предприятията да използват нашата технология, трябва да решим всички въпроси, в които генеративният AI не се справя днес. Трябва да бъдем надеждни по отношение на вашите данни. Трябва да можем да ги управляваме по сигурен начин. Да осигурим прозрачност кой и как е обучил данните и върху какви данни е трениран моделът. Защото това, което влиза в моделите, са вашите данни и как си обучил машината. И ако го правите пристрастно, неетично или с данни, които трябва да са лични, може да е проблем. Нашите инженери изградиха цялостна инфраструктура, отчитайки тези съображения. Ние продаваме нашето решение на някои от най-регулираните, чувствителни организации в света. Добър пример е Организацията по въпросите на ветераните. Това е вторият по големина отдел в правителството на САЩ. Осигурява здравни грижи за всички наши ветерани – над 9 милиона, които са част от организацията. И тъй като имат нужда от здравни грижи през остатъка от живота си, те трябва да подават сложни медицински формуляри. Така че има медицински, чувствителни данни, които трябва да подадат за възстановяване на разходи, за искове, за помощ, за продължаваща помощ и препоръки. За обработката им обикновено са нужни над 14 000 души, които на база на тези данни, трябва да решат дали да одобрят искове за възстановявания на средства. Това би отнело месеци. С Hyperscience съкращаваме времето за преглед на иск до 3 часа. Най-дългият цикъл може да отнеме 3 дни, ако има комплексно подобрение. Така че хората получават възстановяване на средствата си много по-бързо, тъй като ние автоматизирахме работата. Това позволява да бъдат спестени стотици милиони долари, но също така им позволи да решат други предизвикателства. Цялата тази обработка на хартия – милиарди страници на година, ние я правим с 99,5% точност и с 98% автоматизация. Това е потенциалът на AI. Ние наистина автоматизираме много ръчна работа за организациите.

Как AI трансформира ИТ индустрията?
Презумпцията е, че AI ще замени хората. Но мисля, че работниците, които използват AI, ще заменят работниците, които не го използват. И бизнесите, които използват AI, ще заменят фирмите, които не използват AI. Потенциалът му е голям. И смятам, че ще станем свидетели на масово реинвестиране на капитали от компании, за да се трансформират на базата на AI парадигмата. Това ще има силно отражение върху технологичната индустрия, защото начинът, по който пишете код за AI, е много различен от начина, по който сте писали код. В онези дни трябваше да напишете код и правило за всички ситуации, в които искате вашият софтуер да се справи. AI е много различна парадигма. Вие обучавате модел, давате му цели, а той работи и прогнозира, за да постигне тези цели. И много пъти се стига до отговор, който може би не сте описвали.
Така че AI не само ще промени начина, по който работят бизнесите. Той наистина променя начина, по който пишем софтуер. И не само защото може да започне да пише код вместо нас, а вие го и проектирате по различен начин. Това е изцяло нов набор от умения, който трябва да си проправи път.

Могат ли подобни системи да заменят програмистите?
Не мисля. Вярвам в огромното приложение на системи тип copilot. Харесвам думата „втори пилот“. За определени повтарящи се задачи в кода той може да ускори производителността. Но да мислим, че може да пише код с креативността на днешните програмисти, е стъпка твърде далеч. Ако вземете една организация и я разделите по средата – отляво ще имате вашите служители, а отдясно copilots за почти всяка функция в компанията: от back office, HR, финанси. Всички ще се възползват от възможността да имат coplitos.

Значи смятате, че всяка роля ще има свой copilot?
Точно така според мен компаниите ще го възприемат. Дори днес, ако трябва да подготвя писмо до всички служители, може да използвам генеративен инструмент, за да ми помогне да формулирам идеите си. Така че като изпълнителен директор мога да се възползвам от copilot инструментите. И мисля, че това стига чак до front office. В някои случаи AI със сигурност ще елиминира наследените технологии. Добър пример биха били чатботовете на уебсайтовете днес, които са донякъде разочароващи. Утре ще са много по-добри. Ще се справят не само с основните въпроси, за които някой е написал правило. Ще се справят със сложни запитвания. И това е голяма промяна на парадигмата.

По-скоро оптимист или може песимист сте относно потенциала и рисковете от AI?
Оптимист съм, защото видях какви проблеми решава Hyperscience вътре в компаниите. Можете да изграждате AI продукти с надеждни данни, с прозрачност и етична мисъл. Ние показахме, че можем да обработваме най-чувствителните данни – например на елитните военновъздушни сили на САЩ. Така че дори нещо толкова чувствително, колкото тези данни – къде и колко сме летели и носили ли сме боеприпаси, са надеждни в нашата система. Така че аз съм оптимист, че ако изградим нещата с правилната прозрачност и надеждност, това ще донесе значителни ползи за нас.

Това ли е начинът за намиране на баланс между потенциала и рисковете на AI?
Сигурен съм, че ще има злоупотреба, но обикновено има противовес. Оптимист съм, че мерките за противовес ще надделеят над всяка злоупотреба в близко бъдеще.

Повече информация за компанията и свободните позиции в момента вижте в профила на HyperScience EOOD в JOBS.bg тук