Проектно-учебная лаборатория экономической журналистики

«Делать жизнь людей лучше»: опыт и практические советы от топ-менеджеров «Яндекса»

В основе появления новых технологий и внедрения крутых продуктов всегда стоят люди, готовые менять мир. В «Яндексе» таких уважают, ждут и знают, как воспитывать. Своим опытом, знаниями и пониманием компетенций будущего в сфере IT, искусственного интеллекта, аналитики и продакт-менеджмента топ-менеджеры компании поделились в рамках лектория, запущенного в Вышке в честь 10-летия факультета компьютерных наук.

«Делать жизнь людей лучше»: опыт и практические советы от топ-менеджеров «Яндекса»

iStock

Автор: Таисия Каменева, стажер-исследователь Проектно-учебной лаборатории экономической журналистики НИУ ВШЭ специально для HSE.Daily

Руководители разных направлений «Яндекса» рассказали, как начать карьеру в IT, какие нужны навыки для управления командой и как создать продукт, которым обязательно захотят пользоваться. Встреча проходила в Центре культур ВШЭ и стала второй в рамках совместного проекта «Яндекса» и ФКН в рамках 10-летия факультета. 

Кто такие продакты и где они обитают

Дмитрий Тимко — руководитель продуктов «Яндекс Поиска», «Яндекс Браузера», приложения “Яндекса” и “Шедеврума” (нейросеть «Яндекса» для генерации картинок и видео по текстовому описанию). На встрече в рамках лектория он рассказал, чем занимаются продакт-менеджеры и какие навыки необходимы для получения этой профессии. 

«Продакты — люди, которые определяют создание и развитие продуктов и, как правило, делают жизнь людей лучше», — сказал Дмитрий Тимко. Самое важное в этой профессии — создавать именно новое и определять образ созданного в будущем, его цель. 

Базовые качества продакт-менеджера — умение выражать свои мысли кратко и понятно и доносить их до окружающих, делать информативные выводы, рассуждать аналитически и строить логические цепочки. Также, по словам эксперта, продакт-менеджер должен уметь из базовых подручных материалов сделать прототип будущего продукта, идеи. 

iStock

Чтобы разработать сам продукт, специалисту необходимо уметь выстраивать правильную коммуникацию с пользователями, отбирать приоритетные задачи, оценивать стратегии, проявлять креативность при создании технологий, а также трезво оценивать хорошо продуманные черты продукта и его недоработанные качества. Задача продакта — полностью вникать в детали создаваемого продукта, осознавать, почему пользователям психологически важно использовать продукт, и при этом понимать тонкости технологий, которые используются для его реализации. 

Помимо взаимодействия с пользователями и заказчиками, продакт-менеджер должен уметь выстраивать коммуникации внутри команды. И здесь, по словам Дмитрия Тимко, один из основных навыков — способность руководить командой: фокусировать и направлять ее, принимать обратную связь, понимать, насколько команда уверена в создаваемом продукте. Важно также уметь брать ответственность на себя и формировать MVP (Minimum Viable Product — минимально жизнеспособный продукт, пилотный проект для проверки спроса на рынке. — Ред.). 

И это еще не все. Чтобы создать хороший продукт, специалист должен сразу думать с точки зрения бизнеса: иметь представление о рынке создаваемого продукта и о потребностях самой компании, строить финансовые модели. «Нет университета, выпускающего продактов», — констатирует Дмитрий Тимко. Здесь многие компетенции приобретаются только опытным путем, а потому стать хорошим продакт-менеджером можно только в процессе практики. 

Как быть продакт-менеджером в эпоху GPT

«Продакты — немного бешеные люди, которые занимаются всем подряд», — продолжил тему СРО «Алисы» Денис Озорнин. Сам он был младшим разработчиком в «Яндексе», потом создавал систему медиамониторинга, разрабатывал продукт «Яндекс Путешествия», а с 2019 года занимается «Алисой». 

По его словам, появление и стремительное развитие генеративных моделей сильно повлияло на создание продуктов и расширило возможности развития технологий. 

Технология GPT упростила многие задачи для продакт-менеджеров, позволила сэкономить большое количество времени и ресурсов. Денис Озорнин приводит несколько способов внедрения искусственного интеллекта в продукт. 

Первый вариант — «пристройка с новым сценарием»: сохранение основного продукта неизменным и добавление к нему новой функции. Например, технология «Алиса, давай придумаем». 

iStock

Второй способ встраивания — «неинвазивный апгрейд существующего сценария». Сам продукт остается прежним, но внутри него появляются новые возможности, которые улучшают путь пользователя. Например, функция генерации текстов для продавцов в «Яндекс Маркете». 

Третий — «смена фундамента в главном сценарии», когда весь продукт кардинально меняется при внедрении ИИ. Это, например, «Нейро» или новое поколение «Алисы». 

Помимо улучшения конкретных продуктов, генеративные модели усовершенствовали и жизнь продакт-менеджеров в целом, констатирует Денис. Пример — технологии, в которых продакты смогли использовать GPT, чтобы узнавать, изучалась ли конкретная тема раньше и какие результаты были достигнуты, получать архитектуру определенных продуктов и технологий, размечать данные. 

В заключение Денис Озорнин посоветовал больше изучать новое и искать возможности сделать лучше как себя, так и окружающих. 

Аналитики и как они дрессируют ИИ 

Аналитики занимаются созданием и улучшением моделей для генерации ответов на вопросы, оценивают ответы, сгенерированные моделью, чтобы обеспечить их качество и точность, пояснил руководитель отдела аналитики и метрик «Яндекс Поиска» Илья Кацев. Он рассказал, как в «Яндексе» используют анализ данных и создают генеративные модели. С 2015 года Илья занимался онлайн-метриками качества «Яндекс Поиска», а с 2023-го начал работать с YandexGPT (генеративная модель от «Яндекса», которая создает тексты). 

Диапазон задач, которые ИИ может выполнять за считанные секунды, очень широк: «ИИ может все что угодно по определению», — говорит Илья Кацев. Основное, чем занимается его отдел «Яндекса», — YandexGPT, «Нейро» (сервис, объединяющий возможности поиска и генеративных нейросетей) и быстрые ответы в поиске, виртуальный ассистент «Алиса». У всех трех технологий разные настроения и цели. 

Так, при создании технологии «Давай придумаем» в «Алисе» использовалась SFT-модель — «модель, которая обучается только на ответах», пояснил Кацев. Поэтому создателям приходилось задавать большое количество вопросов и смотреть, как меняются ответы. 

iStock

Большинство генеративных моделей не умеет создавать анекдоты и сочинять рифмы: Илья Кацев, обучая модель, 40 раз просил «Алису» рассказать анекдот про биоинформатиков, а вместо шутки получал: «Что схожего между биоинформатикой и футболом? И там и там надо быстро двигаться и быстро соображать».  

В финале выступления Илья дал студентам несколько советов, которые, по его словам, сам хотел бы услышать и осознать в их возрасте: нужно пробовать новое и заниматься тем, что на самом деле привлекает и нравится, много трудиться и стараться добиться успеха и, наконец, верить, что можно достичь всего, если к этому стремиться и не ставить рамок самому себе.

Исследования и разработка в ML

Директор по развитию искусственного интеллекта «Яндекса» Александр Крайнов рассказал о связи научных исследований и разработки в сфере машинного обучения. 

Научные исследования в сфере ИИ отличаются от остальных, так как все значимые научные достижения всегда есть в общем доступе до мельчайших деталей, подчеркнул он. В качестве примера Александр Крайнов привел исследование по переносу стиля одного изображения на другие, которое предоставляет полный набор используемых данных, методов и кода, а также дает ссылки на все схожие предыдущие исследования, что позволяет читателю воспроизвести эту технологию самому. 

Необходимо понимать, что всегда есть большое число людей, которые хотят повторить и усовершенствовать исследования. В 2012 году на конференции ECCV (European Conference on Computer Vision, Конференция в области компьютерного зрения) Александр Крайнов участвовал в одном из воркшопов и выступал с докладом, в то время как в соседнем зале произошла «революция» — впервые было произведено распознавание изображений с помощью нейронных сетей (Алекс Крижевский, Илья Суцкевер и Джеффри Хинтон), которое показало крайне высокую точность. 

Исследования в области искусственного интеллекта никогда не бывают полностью новыми, это всегда комбинация некоторых прошлых анализов и добавление небольшой новизны, подчеркивает эксперт.

Нужно четко разделять понятия «исследователь» и «разработчик» в сфере машинного обучения, так как первый ставит своей задачей научную новизну и публикацию статей, а второй — получение профита от продукта и его постоянное совершенствование. 

«Яндекс», помимо внедрения ИИ в свои продукты, также проводит исследования в этой сфере и с помощью грантов и премий стимулирует людей создавать новые технологии. 

«Вышка хороша не только наукой, но и кадрами, мы больше всех нанимаем специалистов в области машинного обучения из Вышки, и есть четкая корреляция: если в университете есть сильные научные исследования, то университет может генерировать такие кадры, которые придут к нам и будут делать продукты того уровня, который нам нужен, — лучшего в мире», — подчеркивает Александр Крайнов.