Андрю Джойнър, HyperScience: Когато търсим хора, първо ги търсим в София
Изпълнителният директор на компанията за AI обработка на документи пред "Капитал"
Всяка делнична вечер получавате трите най-четени статии от деня, заедно с още три, препоръчани от редакторите на "Капитал"
Визитка
Андрю Джойнър е изпълнителен директор на HyperScience от март 2023 г. насам. Преди това е бил на същата позиция в InMoment и Autonomy Promote. След като Autonomy е придобита от HP през 2012 г., става вицепрезидент в HP Autonomy, а по-късно и вицепрезидент на софтуерния отдел на цялата HP. Завършил е Harvard Business School.Компанията
HyperScience е основана през 2014 г. от българите Красимир Маринов и Владимир Цанков, както и американеца Питър Бродски. Още от началото компанията има два основни офиса - в САЩ и в България, като в България е основният инженерен екип. Общо компанията има 210 служители, от които над 60 са в България. От създаването й насам HyperScience е привлякла 290 млн. долара външен капитал. Последният рунд е от декември 2021 г. за 100 млн. долара и при оценка 1.65 млрд. долара.
Къде се намираHyperScience към 2024 г.?
- Обичайно аз идвам в компании с цел да помогна с разширение на мащаба по отношение на приходи и клиенти. В случая на HyperScience вече има много солидна технологична основа, затова бих казал, че в момента се намираме в писането на следващата глава в историята на компанията, след като бяха решени някои много трудни технологични предизвикателства във връзка с машинното самообучение. Гледайки назад, тази компания бе основана няколко години преди основополагащия документ на Google относно трансформативните технологии, базирани на изкуствен интелект (AI). Първият сериозен проблем, който HyperScience реши, бе научаването на машини да четат информация, написана от човешка ръка. Сега виждаме, че генеративният изкуствен интелект кара машините да пишат, тоест обратното. След това решихме още два сложни проблема - не само как да бъде разчетена информация, но и как да бъде вкарана вътре в дадена компания. Ако погледнем към генеративния AI, той работи основно с крайни клиенти, докато ние свършихме цялата нужна работа, за да може да бъде използвано нашето AI решение от компании. Следващата стъпка беше да стигнем до клиенти - силно регулирани сектори като финансовия, както и правителства. Всичко това постигнахме, след като набрахме огромен финансов капитал. Аз съм тук от вече една година и мога да кажа, че основата на всичко, което правим в HyperScience, се заражда тук, в България.Как бихте описали продукта?
- Това, което виждаме, е, че всеки път когато компанията създава нещо на хартия, например фактура, следва решение дали документът е валиден. Тези малки решения отнемат голям ресурс. Ние автоматизираме този процес, като дадем на клиентите нещо, което може да се възприеме като дигитален служител. Той решава дали един документ е валиден. Обичайно подобни работни места или се изпращат към офшорен офис, или се аутсорсват към друга компания. Целта винаги е да имаш възможно най-малко разходи. Ние позволяваме всичко това да бъде изцяло автоматизирано.Кои сектори са приоритет като клиенти?
- Правителственият сектор е най-добрият сектор. Там има огромен брой хартия, има ужасно много документация, има размяна на документи с други държави или институции, които трябва да бъдат валидирани. Това е средата, в която нашият софтуер работи най-добре. Държавата също така не може да аутсорсва, трябва да върши всичко сама, а това е скъпо. И е скъпо за сметка на всички. И разбира се, правителството винаги плаща навреме. Освен това сме насочени към финансовия сектор, където има много документи - например при ипотека, верифициране на доходи, банкови извлечения, сметки.Всеобщото възприятие е, че правителствата са бавни. Не е ли такъв случаят и при вас?
- Не, точно обратното. В САЩ правителството води в използването на AI. Държавата е доста добре запозната с AI основно заради военните и логистичните приложения. Държавата е пионер в това отношение. Компаниите бяха технологични лидери, но сега те имат проблем: AI е нещо непознато за тях и те нямат доверие да вкарат в него своите данни. Държавните институции знаят точно какво търсят. Затова и около половината ни приходи идват от правителствени агенции. На тях им харесва, че нашият модел е прозрачен, можеш много лесно да провериш защо той взима едно решение, а не друго. При големите езикови модели това не е така.В първите си години HyperScience набра няколко много големи рунда на финансиране, след което изведнъж спря. Защо?
- Защото това беше много сложно технологично предизвикателство. Да създадеш модел и да го тренираш с данни е скъпо занимание. Трябваха ни огромни количества пари за основни неща, като например тренирането на машината как да чете ръкописни думи, как да разпознава размазано мастило. Всички тези неща, които ние правим автоматично. Инвеститорите знаеха това, знаеха, че ни трябват много данни. Това беше единият ни голям разход. Другият голям разход беше, че след като вече имахме модела, трябва да го вкараме вътре в дадена компания, където човек, който не се занимава професионално или научно с данни, да може да го тренира и използва. Към момента, в който аз застанах начело, все още имахме много останал капитал, който използваме и в момента, за да се наложим на пазара. Хубавото на всичко това е, че сега сме изключително ефективни. Маржът ни е като на изцяло софтуерна компания. Всеки път когато продаваме софтуера си, това са приходи, които се превръщат в използваем ресурс. Толкова добре бяхме капитализирани, че в един момент нямаше нужда да набираме още пари. До края на тази година би трябвало вече да работим на печалба. Оттам нататък въпросът е как да използваме парите си възможно най-ефективно - дали да инвестираме в технологичното си решение, или да инвестираме в пазарно разширение.
2 коментара
Нов коментар
За да публикувате коментари,
трябва да сте регистриран потребител.