Андрей Себрант: «Мы предпочитаем в работе «думать друг о друга»»

В конце марта на ИТ-форум Codefest приехал директор по стратегическому маркетингу «Яндекса» и один из пионеров российского интернета АНДРЕЙ СЕБРАНТ. Он также провел в стенах НГТУ открытую лекцию, на которой студенты и гости вуза могли подискутировать о том, какие «нетехнологические» проблемы тормозят и будут тормозить внедрение в жизнь новых технологий. Этим и многим другим Андрей Себрант поделился и с «Континентом Сибирь».

Чем «Яндексу» полезна Сибирь?

— Андрей Юлианович, на ваших лекциях в Новосибирске основная аудитория — студенты и выпускники технических вузов, многие из которых охотно согласились бы стать вашими коллегами. Но технологии и тренды меняются очень быстро, за годы учебы измениться может все и не раз — как студенту не остаться в итоге за бортом, на что обратить внимание в первую очередь?

Мне кажется, что в первую очередь следует как можно раньше включиться в реальную работу, связанную с созданием реальных продуктов. Именно в реальную работу в большом внешнем мире, не нужно ограничиваться, например, научной работой на кафедре. Скажем, начать свой собственный стартап. Конечно, есть опасность, что люди, уйдя в стартап, первое время работают параллельно с учебой, а потом учебу потихоньку бросают — примеров очень много. Но это, кстати, не очень плохо — к тому времени, как их бывшие однокурсники защищают дипломы, «ушедшие» оказываются гораздо более востребованы на рынке труда, хотя отметки о высшем образовании у них в резюме и нет. Даже если стартап не взлетел. Ну а если взлетел, тут и сравнивать нечего: своя компания, свой бизнес, история успеха и роста.

Но если бизнес и не получился, приобретенный в процессе опыт взаимодействия с реальным миром, с реальными потребителями, с предельно современными технологиями — о которых в вузе, возможно, не успели рассказать — делает их страшно ценными кадрами на рынке труда. Поэтому параллельная практическая деятельность где бы то ни было, будь то свой стартап, стажировка или еще какой-то кусок реального мира — вещь практически необходимая для того, чтобы к моменту окончания учебы быть дорогим специалистом. Понятно, что работу выпускник найдет в любом случае — ИТ-отрасль сегодня достаточно востребована, но та должность и тот уровень зарплаты определяются не только и не столько оценками в дипломе. Практический опыт намного важнее.

— «Яндекс» активно принимает стажеров, а есть ли у вас в планах создать что-то вроде инкубатора для молодых стартаперов, что-то вроде кузницы кадров и идей?

«Конвейер стартапов» на самом деле — очень сложный проект, и поставить его на поток очень трудно. Для «Яндекса» гораздо эффективнее работает программа стажировок, например, Computer Science Center, который мы ведем совместно с компанией JetBrains в Новосибирске и Санкт-Петербурге. Самый простой вариант, который много кто использует — своего рода «внешняя деятельность» компании на территории вузов. Организация учебных центров, создание каких-то отдельных кафедр — но главную цель таким способом достичь нельзя. Настоящая практика — это всегда реальная работа, в стенах реальной компании. Разработчики «Яндекса» работают в Новосибирске с 2013 года — и мы уже не первый год принимаем студентов на летние стажировки. И не только на них.

— На них очень большой конкурс…

Я не скажу, насколько он большой в Новосибирске, но в Москве — просто колоссальный. Всех желающих мы не можем взять чисто физически, и не только потому, что «Яндексу» нужны только самые лучшие и талантливые. Главная причина в том, что каждый стажер — это колоссальная нагрузка на тех сотрудников, которые будут его «вести». Например, если в офис, где работает 100 человек, но при желании можно уместить 200, взять 100 стажеров, работа в этом офисе попросту встанет — некому будет работать. Реальная «стажероемкость». Насколько мне известно, студентов-технарей в Новосибирске на стажировку берет не только «Яндекс». У вас, например, работает «Сбертех», которому тоже очень нужны разработчики. Из местных компаний можно выделить 2GIS — геосервисам сегодня невозможно работать без ИТ. Плюс модернизация производства — современные ИТ интересны еще и тем, что проникают практически во все отрасли. И те с готовностью их принимают, зачастую самые топовые — это неизбежно, если кто-то хочет остаться конкурентоспособным.

— Но если сосредоточить внимание на «Яндексе» — какую роль в разработках играет у вас Новосибирск? И если человек, предположим, заранее нацелится на работу в «Яндексе», но при этом не захочет выезжать из Новосибирска, чем ему следует заняться, чтобы заинтересовать вас?

В Новосибирске у нас есть сразу два офиса, где сидят разработчики, — один в центре города, второй в Академгородке. Если посмотреть направления — здесь разрабатывают  «Яндекс.Браузер», «Яндекс.Музыку», «Яндекс.Маркет». Еще у нас внедряются технологии machine learning в проектах CatBoost и «Крипта». По языкам — разработчики пишут на C++, Python и Java, делают front-end и back-end сервисов «Яндекса». Разумеется, работа этим не ограничивается, направления и проекты постоянно развиваются, а людей в командах со временем становится все больше. По большому счету, компании масштаба «Яндекса» легко распределяют усилия на разные города, и это нормально. Сегодня потребность в разработчиках у нас — да и не только у нас — просто колоссальная, и собрать всех в одном месте практически невозможно.

Поэтому мы создаем крупные кластеры, среди которых, конечно, оказался и Новосибирск. На случай если разработчик не захочет переезжать даже не в другой город, а в другой район (на примере Академгородка), мы организовали два офиса разработки — и не прогадали. Вы удивитесь, как часто для соискателей решающим фактором становится локация… Кстати, интересное замечание о работе будущего, особенно на примере тех, кто это будущее строит (и не только в России). Посмотрите на самые крупные и известные технологические компании — у них нет удаленных сотрудников, кроме самых, что называется, легкозаменимых. Напротив, в этих компаниях существует настоящий культ личного физического общения. Все ключевые сотрудники сидят по офисам. Да, по всему миру, если это глобально — но в офисах, а не на пляже в Таиланде с ноутбуком. Посмотрите на Facebook, Google, Microsoft, Mail.ru Group, «Яндекс» — здесь разработчиков-фрилансеров практически нет. Мы предпочитаем собираться в офисе, чтобы, как говорят в «Яндексе», «думать друг о друга» — и неважно, что одни думают в Новосибирске, а другие в Москве. Чтобы решить проблему с местами — а в Москве она уже достаточно серьезная, — мы не так давно приняли гениальное, не побоюсь этого слова, решение. Понадобилось нам, допустим, пригласить 20 человек из Новосибирска для того, чтобы составить команду для решения важной проблемы. Вопрос: куда их разместить? И мы придумали открыть офис в Сочи, часть которого предусмотрительно держим пустой — мы называем ее «кампус». Она нужна затем, чтобы в любое время иногородние сотрудники «Яндекса», если им нужно собраться вместе, могли приехать в Сочи и поработать там месяц-другой. И знаете, никто не отказывается.

Последствия машинного обучения

— Некоторые люди думают, что развитие machine learning перевернет и саму ИТ-отрасль, сделав ненужными в том числе и разработчиков программ. Условно говоря, вместо десяти программистов, пишущих код, возьмут одного разработчика более высокого уровня, который обучит систему делать все саму. Стоит ли этого ожидать?

На самом деле нет. Во-первых, машинным обучением почти никогда не занимаются поодиночке — это командная работа. Во-вторых, машины никогда не заменят собой программистов, они занимаются не этим, они решают задачи реального мира. Самый простой пример, довольно древний, но зато всем понятный. Мы до сих пор пользуемся электронной почтой, несмотря на все усилия спамеров забить наши ящики мусором. На заре борьбы с этим явлением люди, можно сказать, разбирали электронные письма руками, пытались вычислить признаки спама, систематизировать их как нечто распознаваемое кодом, и писали жесткие правила по типу «если — то», «да/нет». И по этим правилам система принимала решение, куда отправить очередное письмо, пропускать его через спам-фильтр или нет. Приемы спамеров, само собой, тоже совершенствовались, и стало понятно, что универсального алгоритма борьбы с ними нет. Пока мы систематизируем их трюки, спамеры придумывают новые куда быстрее.

Так вот: то, что мы до сих пор не утонули в спаме, и то, что электронная почта до сих пор живет — результат машинного обучения. Те же программисты вместо того, чтобы формально описывать каждый вид спама, залили две обучающие выборки, размеченные… знаете, кем? Самими пользователями. Вот почему «Яндекс» в свои почтовые сервисы добавил кнопку «Это спам» и призывает почаще нажимать ее, если фильтр все же пропустил спамовое письмо. Миллионы сигналов «это спам» невозможно посмотреть глазами и систематизировать в уме, а вот машинный алгоритм выделяет признаки, которые мы не можем формально описать. Но они работают.

Программисты, которые писали формализованные правила, теперь пишут формализующие выборки, базирующиеся на откликах и разметках пользователей, — и система «антиспам» вдруг начинает работать гораздо лучше.

— Как работа «умных машин» будет формализована в юридическом плане? Например, как будут определены зоны ответственности при ДТП с участием беспилотного транспорта?

Системы machine learning уже сейчас могут принимать важные решения — в том же «антиспаме». Но если вдруг машина отсеет важное письмо и получатель упустит выгодный контракт, кто за это ответит? Если беспилотный автомобиль свернул не туда и стал причиной ДТП — чья это ответственность? На самом деле адаптация законодательства, прав и норм при очередной промышленной революции — такая же данность, как и массовая миграция работников в другую отрасль. Законы будут постепенно подстраиваться под новые реалии — как всегда. Человечество уже не раз с этим сталкивалось. Лично я на одной конференции обсуждал правовой аспект работы автомобилей-беспилотников с юристами-американцами. В США, как мы знаем, действует прецедентное право, поэтому им в каком-то смысле проще — и тогда они достаточно откровенно сказали, что нам нужно больше прецедентов, чтобы выработать законы и правила. Так было сто с лишним лет назад, когда появились автомобили, которым тоже потребовалось место на дороге. Причем свое уникальное место, которому не подходили правила гужевого транспорта. Тогда и возникли дорожные знаки, разметка, светофоры, ПДД и наказания за их нарушения. Возвращаясь к нашим американцам: они тогда сказали, что фундаментом для новых правил могут стать, с одной стороны, прецеденты при эксплуатации средств повышенной опасности, под которые при желании можно подтянуть любой прибор или инструмент. Но гораздо интереснее другая часть судебного опыта, который они тоже планируют включить в процесс. Это практика содержания опасных животных. Покусала, например, собака соседа — кто в этом виноват? Хозяин, который неправильно ее содержал? Или дрессировщик в питомнике, который схалтурил? Или зоопсихолог, который эту халтуру проигнорировал и выписал сертификат о том, что собака обучена? Именно на этой основе и будут разграничивать зоны ответственности на тот случай, если машина ошибется и человек пострадает. Аналогий полно. У юристов уже огромный материал, от которого можно развиваться, и его будут адаптировать. Средства повышенной опасности — плюс живые существа, способные действовать по-своему, а не по заданной программе.

— Если система правил, да и самые контуры будущего мира пока еще достаточно расплывчаты, как вы привлекаете инвестиции для его строительства? Инвестор, принимая решение вложить деньги в проект, первым делом обычно взвешивает все выгоды и риски — и незнание для него может быть хуже любой явной опасности. Как разработчикам привлекать инвесторов и в какие проекты вкладываются охотнее всего?

Инвесторы бывают разные. Многие фонды работают на высокорисковых рынках. Есть, конечно, и консерваторы, которые вкладываются в надежные, прочные активы с доходностью чуть выше ставки по депозитам, а есть авантюристы, которые готовы рискнуть, — и они, как правило, стараются закрыть сразу много проектов в надежде, что какой-то из них «выстрелит» и окупит все остальные. Поэтому, конечно, все истории про новые технологии — это высокорисковые вложения, для коротких инвестиций, безусловно, более привлекательными выглядят уже отлаженные отрасли. Многие диверсифицирующие свои активы соглашаются включить в портфель нечто высокорисковое, но в случае успеха способное принести высокую доходность.

Машинное обучение — как раз из такой области. Что касается выбора, есть еще одна очень важная вещь — для того, чтобы наметить контуры ближайших лет и сравнить какой-то наш проект с уже имеющимся опытом, лучше смотреть не на отечественный рынок, где все это еще в зачаточном состоянии, и даже не на американский, а на китайский. Наши инвесторы иногда забывают об этом, воспринимая Китай как «младшего брата» России — это очень плохая стратегия, и от нее я советовал бы скорее избавляться. Даже американцы уже перестали так делать. Поизучав китайский рынок, можно представить, как соответствующий сектор будет выглядеть через 5–10 лет у нас. Еще один практический совет для инвесторов: если собираетесь лезть в какую-то отрасль, посмотрите, что происходит в Китае, что растет, что приносит доход — и принимайте решение.

Редакция «КС» открыта для ваших новостей. Присылайте свои сообщения в любое время на почту news@ksonline.ru или через нашу группу в социальной сети «ВКонтакте».
Подписывайтесь на канал «Континент Сибирь» в Telegram, чтобы первыми узнавать о ключевых событиях в деловых и властных кругах региона.
Нашли ошибку в тексте? Выделите ее и нажмите Ctrl + Enter

1 КОММЕНТАРИЙ

ОСТАВЬТЕ ОТВЕТ