«Україна підіймається в розвитку ШІ, але до піка ще далеко». AI-директор MacPaw про скілсет для інженерів, розвиток команди і національну LLM
Яких фахівців найважче знайти MacPaw? Чи зможе Eney замінити ChatGPT? Чому Україні критично потрібен якісний датасет? Ці та інші питання DOU обговорив із Володимиром Кубицьким, Director of AI у продуктовій компанії MacPaw. Дивіться відео, а найцікавіші тези з розмови — читайте в текстовій версії.
«Як Head of AI та CIO я відчував внутрішній конфлікт». Про перехід із ЛУН у MacPaw
Єдиний спосіб найняти нині Head of AI — переманити його. Так, наприклад, мене хотів захантити «ПриватБанк». Але в MacPaw мене саме запросили: наші бажання зійшлися. Я прагнув зростання, перейти в ту категорію операційки, де ще не вмів досягати результату. Для мене йшлося про розвиток.
На той час я працював у компанії ЛУН на позиції Head of AI та CIO — і відчував внутрішній конфлікт. Як представник топменеджменту, який ухвалював рішення про розподіл бюджету, я розумів: вкладати зараз треба не в ШІ, а в збереження поточних позицій і команди. А як Head of AI — прагнув розвивати цей напрям. Однак команди з 10 людей було замало, щоб досягнути рівня Mistral, не кажучи вже про OpenAI.
Водночас у MacPaw були готові інвестувати в ШI, щоб видати результат відповідного масштабу. А окрім ресурсу, компанія мала ШІ-візію — і мені дали спробувати її реалізувати.
«У центрі компанії та її візії стоїть Eney». Про ШІ-стратегію MacPaw
Про те, що настав час серйозно зайнятися ШІ-стратегією компанії, я зрозумів рік тому. У вересні
Найперша мета нашої стратегії — донести ШІ-візію кожному члену команди: які наші завдання та пріоритети, на що ми робимо ставку й у що інвестуємо передусім. Таким чином ми чітко й аргументовано комунікуємо з усіма працівниками, яких у MacPaw більш як 500.
Цим документом ми декларуємо намір стати AI-first компанією, а саме:
- Розробляти продукти — як нові, так і поточні — з ШІ у фундаменті.
- Інвестувати в технології Local Intelligence, Shared Context і Memory.
- Використовувати ШІ в щоденній роботі, щоб звільнити більше часу на завдання, які наразі підвладні тільки людині.
А в центрі ШI-стратегії та самої MacPaw стоїть Eney — наш ШІ-асистент. Це шар інтелекту, який єднає всі продукти компанії.
Коли мене запрошували в MacPaw, то формулювання AI-first як такого ще не було, хоча відповідний вайб уже відчувався. Усе будувалося навколо Eney, але вже з розумінням того, що флагманські продукти компанії, як-от CleanMyMac, CleanMyPhone і MoonLock Engine, теж мають містити корисну ШI-функціональність.
Кістяком цієї візії стала неофіційна група однодумців — Innovation Leaders: Віра Ткаченко (CTO), Сергій Кривоблоцький (Director of Technological R&D), Олександр Косован і я. Можливо, компанія запізно почала цю трансформацію. Ми й досі наздоганяємо. Однак шаленим темпом роботи компенсуємо втрачений час.
«Використовувати власні технології замість OpenAI». Про обов’язковий скілсет для інженерів
За прогнозом CEO Anthropic Даріо Амодея, 90% коду сьогодні мав би писати штучний інтелект. Ми спробували підрахувати цей відсоток у себе: GitHub CoPilot згенерував близько 40% коду, але це далеко не весь код організації.
Вайбкодинг треба розуміти й заохочувати (пам’ятаючи про наслідки — вайбдебагінг). Нехай ШІ візьме на себе частину посильних завдань. Бо цінність талановитих і досвідчених людей — у вмінні створювати те, що ШІ наразі не може з потрібною якістю.
Мій основний ШI-інструмент на сьогодні — це ChatGPT. Але місія компанії — зробити так, щоб щоденним робочим інструментом став Eney, і передусім для нас самих. Якщо він зможе задовольнити наші високі вимоги, то і для користувачів досягне певної планки користі. Тобто ми йдемо шляхом local first — створити та врешті використовувати власні технології, замість того щоб покладатися на OpenAI чи Gemini.
Наступний рівень володіння ШІ — це вміння не просто користуватися готовими моделями, а й дотренувати їх за допомогою LoRa-адаптерів, щоб вони видавали кращі результати. Так зробила Apple у Foundation Models. Сподіваюся, що в найближчому майбутньому ми зможемо зафайнтюнити і свої адаптери.
Це і є частина нашої ШI-стратегії — Growing AI Expertise. У ній ідеться про дві ключові речі.
- Basic AI Expertise для всіх софтвер-інженерів. Ми розробляємо курс, щоб дати Software Engineers базовий набір навичок з ШI. Кожен інженер має ними володіти, а от використовувати їх чи ні — вирішуватиме сам. Однак ці знання дають потужний буст. Наступний крок — це створити нехай невелике, але власне ШІ-рішення під конкретне завдання.
- Обов’язкова базова Swift і
MLX-експертиза для AI Research Engineers. Кожен ШI-інженер має володіти Swift, щоб будувати прототипи щонайменше. А в перспективі, приблизно з 2026 року, щоб ШI сам інтегрував рішення у продукт.
Але це не означає, що штучний інтелект витіснить розробників: софтвер-інженери за експертизою не заміняють ШI — і навпаки. Між ними просто зменшиться розрив.
Щоб підкреслити значущість AI-first підходу, я запропонував перейменувати інженерний напрям на AI and Engineering. Тепер вони мають працювати разом. Бо AI та Engineering — про одне й те саме, просто з трохи відмінними вкрапленнями експертизи для конкретних тематик.
«Eney потребує технологій, які ще не створені». Про ШІ-команду MacPaw
Моя місія — заохочувати й розширювати використання ШІ. Він справді заощаджує ресурс, але треба пам’ятати про ризик: якщо вільний час не вкладати у розвиток, то фахівець деградує. Перестаєш створювати — втрачаєш навички.
Нині у MacPaw над ШІ працює 20 людей — це суто моя команда. Проте ШІ має бути складовою і кросфункціональних команд. Тому одна з перших трансформацій після мого переходу в MacPaw — реорганізація структури: у продуктових командах поруч із дизайнерами, SEO-фахівцями, розробниками, DevOps тощо з’являються свої ШІ-інженери. Або й цілі команди зі своїм AI Product Lead — як в Eney.
Зараз над Eney працює AI Product команда, весь AI Research Unit і Technological R&D. Бачення, яке ми закладаємо в цей продукт, потребує технологій, які ще не створені. І в цьому складність.
Ми могли піти іншим шляхом: зачекати, поки технології створить хтось інший. Натомість вирішили лупати скалу самостійно — десь успішно, десь ні, але рухаємося вперед. Чекати ми не можемо — буде запізно.
«Щоб знайти фахівців зі специфічною експертизою, потрібна публічність». Про ринок праці в ШІ-галузі
Залучити в команду профільних, сильних ШI-спеціалістів дуже складно: деякі позиції ми не можемо закрити вже більш як пів року. Наші зарплатні вилки дуже адекватні, але їх недостатньо — конкуренція з глобальним ринком за фахівців у сфері штучного інтелекту дуже висока.
Однак існує й інша проблема. MacPaw — традиційно Apple-inspired компанія, зокрема в плані зовнішньої комунікації вона більш закрита порівняно з іншими на ринку. З одного боку, такий підхід виправданий, а з іншого — створює труднощі.
У нас є амбіції, візія, стратегія, але про це ніхто не знає
То як же достукатися до потрібних фахівців зі специфічною експертизою? Через стандартні канали рекрутингу — ніяк. Потрібна публічність, бо в умовах такої величезної конкуренції з бігтеком інакше не вийде.
Тому ми вийшли з комунікацією, що відкрили три вакансії — AI Datasets Lead, AI Engineer і AI Research Scientist, потім оголосили про ШІ-стратегію — і люди почали відгукуватися.
Дуже цікаво окремо поговорити про позиції AI Engineer та AI Research Scientist і їхні завдання. У нашому AI Research Unit є цілий напрям — 3D Animation and Assets Generation. Наприклад, персонаж в Eney має емоції, міміку — і зараз вони намальовані наперед. Наша мета — розробити технологію, яка зможе в реальному часі генерувати для нього 3D-анімації й асети залежно від ситуації. Це завдання унікальне, його ще ніхто не виконав — для цього й потрібні фахівці ультраспецифічної 3D-експертизи й рівня PhD.
«Один зі способів залучити нові кадри — виростити їх самостійно». Про партнерство з вишами
Про стан ШІ можна судити за тим, наскільки активно його впроваджують компанії, чи хочуть спеціалісти йти в цю сферу — і як до цього адаптується освіта. Однак з останнім в Україні проблематично: курс про LLM є в програмі лише двох вишів — Українського католицького університету й Київської школи економіки.
Тому ми зафіксували в ШІ-стратегії ще один пріоритет — співпраця з університетами. Зокрема, MacPaw заколабилася з УКУ. Компанія проспонсорувала стипендії дев’ятьом студентам і тих, хто демонструватиме найамбітніші результати, після однієї-двох сесій запросить у команду.
Таким чином ми інвестуємо в студентів як потенційних членів команди. Адже один зі способів залучити нові кадри — виростити їх самостійно.
Спільно з Київським політехнічним інститутом ми створюємо MacPaw AI Lab — простір для студентів, де вони будуть навчатися, працювати й відвідувати ШІ-події. І організовувати їх зможе не тільки MacPaw, а й технологічні чи DefenseTech-компанії, яким це буде цікаво.
А щоб у створенні таких ШІ-лабораторій були зацікавлені не лише студенти, ми впровадимо стипендії і для викладачів КПІ. Наприклад, у Стенфорді чи Берклі це працює так: компанія партнериться з університетом — і куратор-викладач із кількома PhD-студентами проводять потрібне їй дослідження. Такий формат співпраці хочемо налагодити з КПІ. Зокрема, визначимо критерії «топвикладача» (як-от відгуки студентів, компетентність у конкретній темі й мотивація) і встановимо критерії успішності результату. А в процесі дослідження даватимемо рекомендації.
У нашому фокусі — українські виші, але також прагнемо міжнародних взаємодій. Особливо хочу запустити research direction зі Стенфордом.
«Війна дала поштовх до розвитку ШІ». Про стан ШІ-сфери в Україні
За моїми відчуттями, Україна поступово підіймається в розвитку ШІ, але до піку ще далеко. Пік — це момент трансформації. Наприклад, у MacPaw ми плануємо досягти цього до кінця
На ШІ-сферу вплинула, зокрема, війна: вона дала їй поштовх, так само як і українському Defense Tech. І нехай ми ще не на піку, але розвиваємося з нормальним темпом.
Держава вже озвучила прагнення посісти вагоме місце у світовому ШI: національна LLM, Win-Win Strategy. Утім, питання в тому, як це прагнення реалізують.
«Нам критично потрібен якісний україномовний датасет». Про створення національної LLM
У створенні національної LLM акцент потрібно робити на слові «національна». Якщо Україна вирішила інтегрувати штучний інтелект у державні сервіси, то абсолютно неприпустимо, щоб він суперечив національним інтересам.
ШІ завжди буде упередженим на користь даних, на яких його навчали. Візьмімо ChatGPT. Він навчений на величезній кількості американських текстів, документів. Тому як його не регулюй, він усе одно буде «American biased». Так само наша модель має бути «Ukrainian biased».
Але чи потрібно створювати власну LLM, якщо існують відкриті моделі — як-от Llama від Meta чи Gemini від Google? Сподіваюся, у державній команді усвідомлюють, що доцільніше використовувати вже готові LLM і зосередитися на їхньому навчанні. Бо передусім нам критично потрібен якісний, великий україномовний датасет.
