Наджима Ноефтова родом из Душанбе. Изначально она не собиралась связывать жизнь с технологиями и отучилась на социолога. Однако после окончания университета стала рекрутером в ИТ-компании и вскоре поняла, что хочет быть внутри сферы. Устроилась в таджикистанский стартап zypl.ai, где прошла путь от ассистента СЕО до директора исполнительного офиса. А с конца 2024 года девушка развивает собственный проект epsilon3.ai, который занимается созданием моделей прогнозирования и работает преимущественно с GovTech-сектором.
Для совместного проекта Digital Business и Astana Hub «100 стартап-историй Центральной Азии» Наджима рассказала, почему не сразу решила войти в ИТ, как появился epsilon3.ai и каким образом решение компании может предотвратить массовое хищение электроэнергии. Также узнали, насколько тяжело было договориться с госорганами о внедрении такого продукта, и почему на данный момент проект не рассматривает европейские страны для масштабирования.
«Была уверена, что ИТ только для мужчин»
– Наджима, с чего начался ваш путь в ИТ?
– В 2018 окончила школу и встала перед выбором, куда поступать. Хоть и училась в математическом классе, но была уверена, что работа в ИТ только для мужчин, и мне там делать нечего. Поэтому поступила в Российский государственный социальный университет в Москве на факультет «Социология».
Во время учебы постоянно брала какие-то подработки, а на четвертом курсе решила искать фулл-тайм позицию. Получилось устроиться ИТ-рекрутером в агентство. В процессе найма чаще всего общалась с фронтенд- и бэкенд-разработчиками, однако также встречались ML-инженеры, AI-продакт-менеджеры и другие специалисты, связанные с искусственным интеллектом. Так же была уверена, что ИИ-сфера не для меня, но поняла, что хочу быть по ту сторону ИТ.
После окончания вуза вернулась в Таджикистан и перешла на удаленку. В какой-то момент осознала, что пора что-то менять. Начала проходить курсы по продакт-менеджменту и искать офлайн-позицию в Душанбе: ремоут мне не подошел.
– Какие специальности рассматривали?
– Откликалась на множество разных вакансий, но казалось, что мое место где-то в международных организациях. У близкой подруги был опыт работы в команде zypl.ai, и она посоветовала попробовать податься к ним. Выбрала рандомную позицию в компании и отправила резюме.
Со мной связалась HR. Объяснила ей, что у меня нет особого опыта работы непосредственно в ИТ, но я очень хочу стать частью именно этой команды. В итоге предложили две вакансии: офис-менеджер или ассистент CEO. Естественно выбрала второй вариант и около года была помощником Азизджона Азими.
За это время разобралась, как работает стартап изнутри, и сильно выросла в навыках. Поэтому весной прошлого года, когда у нас начал зарождаться холдинг A7Sigma, меня назначили менеджером исполнительного офиса A7σ. Позже получила повышение и стала директором. В процессе работы у нас с командой появилась идея epsilon3.ai, которую начала развивать команда A7σ.
«Наши модели достигают 99% точности»
– Что сейчас предлагает epsilon3.ai?
– Занимаемся аналитикой и прогнозированием для GovTech-компаний с помощью zGAN — генератора синтетических данных, созданного R&D-командой zypl.ai. Эта технология относится к семейству GAN (Generative Adversarial Network) — генеративных состязательных сетей, основанных на принципах теории игр. GAN состоит из двух частей: генератор создает синтетические данные, максимально похожие на реальные, а дискриминатор учится отличать реальные данные от сгенерированных.
Отличительная особенность zGAN от других подобных сетей в том, что он может направленно генерировать аутлаеры (аномальные объекты в обучающей выборке, которые сильно отличаются от остальных данных – прим. Digital Business). Обычно в машинном обучении принято удалять объекты из датасета, так как они могут сильно влиять на модель. Мы, напротив, с помощью синтетических данных добавляем аутлаеры, чтобы выявлять отклонения от нормы. Например, в кейсе с энергетической компанией zGAN показывает, где может случиться какое-либо внезапное событие: резкий скачок потребления, его снижение или расходование при нулевых счетчиках.
Для одного из кейсов изучали рынок Узбекистана. По официальным данным за 2024 год, в стране похитили электроэнергии на $108 млн. Даже если наша система сможет «поймать» 20-30% от общего объема, это сэкономит десятки миллионов долларов.
– Получается, epsilon3.ai и zypl.ai работают на одной технологии. Для чего нужно было создавать отдельный стартап?
– Изначально zGAN создавался для задач финтеха. Однако в процессе развития стало очевидно, что потенциал технологии может быть востребован и в других секторах, включая государственные цифровые сервисы. Тем не менее, zypl.ai фокусируется на финтех-решениях, и поэтому не мог масштабировать активную работу в направлении GovTech. Это привело к решению выделить отдельный проект для новых отраслей.
– Как GovTech-компании отнеслись к вашему продукту?
– Если ходить к «холодным» клиентам, то сталкиваешься с сильным сопротивлением. Поэтому выбрали другую стратегию и стали активно использовать возможности, которые дает ИТ-экосистема всей Центральной Азии.
В конце 2024 года подали заявку на Industrial AI Accelerator, который проходил при поддержке МИИЦР РК. Это программа, которая объединяет бизнес и госструктуры для реализации совместных кейсов. Там нашли первого клиента – казахстанскую компанию Karabatan Utility Solutions, для которой разработали пилот.
После этого нас начали находить клиенты с уже имеющимися конкретными запросами. Кроме того, многие наши потенциальные заказчики знакомы с деятельностью zypl.ai. Упоминание компании усиливает восприятие доверия благодаря ее признанной экспертизе в сфере искусственного интеллекта и международному опыту в финтехе, что дает определенный кредит доверия.
Также помогает Astana Hub. Например, за последние несколько месяцев при их поддержке презентовали проект перед президентом Казахстана, королем Иордании и мэром Душанбе. Физически нахожусь в Астане, поэтому много запросов приходит напрямую. Например, получили приглашение на встречу от Минэнерго Казахстана.
– Кто еще, кроме госструктур, может быть вашими клиентами?
– Сотрудничаем с представителями квазигоссектора. Один из наших первых пилотов прошли с Karabatan Utility Solutions – энергетическая компания в Казахстане, которая занимается производством и реализацией электроэнергии.
Наши модели достигают 99% точности и могут применяться не только в сфере энергетики. Например, прогнозирование в планировании Smart City – идеальный кейс для нас.
Кроме того, сейчас активно развиваем B2B-направление. Нашими клиентами может стать любой бизнес, который нуждается в оптимизации операционки. Например, проводим пилоты с телеком-операторами.
«Если хочешь сделать что-то для государства, сделай это бесплатно»
– Какие данные от клиентов нужны для работы?
– Все зависит от запроса заказчика. Например, вы хотите спрогнозировать объем потребления электроэнергии в одном районе города. Чтобы сделать это максимально детально, нам нужна информация о расходах каждого пользователя/квартиры минимум за год, в идеале за три. Хорошо, если данные ежедневные, еще лучше, если они почасовые.
Так, для одного из кейсов получили 15 тысяч почасовых данных за год о 15 тысячах юзеров. Небольшие пропуски заполняли с помощью синтетических значений и добились 99% точности модели.
– Это довольно чувствительная информация. Как удается убедить клиентов поделиться такими данными?
– Все данные берем обезличенными. Никакие подробности, например, контакты или имена, нам не нужны. Однако со своей стороны делаем все возможное, чтобы информация даже в таком виде никуда не утекла.
– Порой многие представители госструктур с опаской относятся к молодым фаундерам, тем более к женщинам. Приходилось ли вам сталкиваться с дискриминацией по полу или возрасту?
– К счастью, за все время работы в стартап-индустрии не сталкивалась с гендерной дискриминацией. Однако бывали и проявления эйджизма: часто приходилось доказывать свою экспертность несмотря на юный возраст. Опасения заказчиков понятны: непросто доверить важные задачи молодой команде.
При этом внутри стартап-тусовки средний возраст большинства фаундеров – не старше 30 лет. Кроме того, Азизджон – довольно молодой предприниматель, добившийся значительных результатов. Многие доверяют нам как его команде.
– С какими еще трудностями столкнулись в процессе работы?
– Основные сложности – бюрократия, очень большое количество decision-makers и, как следствие, долгий процесс переговоров и заключения контрактов. Тяжелее всего добраться до тех людей, которые принимают финальное решение.
Нам однажды сказали: «Если хочешь сделать что-то для государства, сделай это бесплатно». Прислушались к совету, начали создавать бесплатные пилоты для потенциальных заказчиков, доказывать свою экспертизу и только потом переходить к коммерческому сотрудничеству. Правда, сейчас отходим от этой стратегии, так как наработали достаточное количество кейсов в портфолио и начинаем сразу работать платно.
Кроме того, часто ловлю себя на эмоциональных качелях: либо чувствую небывалый прилив мотивации, либо наоборот, кажется, что ничего не получится. Порой это происходит по несколько раз в неделю. Недавно участвовали в Silkway Accelerator от Astana Hub и Google for Startups: трекеры говорили, что это нормально.
За время акселерации проект претерпел множество позитивных изменений. Изначально позиционировали себя как стартап, создающий модели прогнозирования, и фокусировались на этой задаче. Со временем поняли, что фактически выросли в AI Lab, который берет на себя весь цикл — от диагностики и анализа данных до разработки и полного внедрения решений.
– Есть ли у epsilon3.ai конкуренты?
– В Центральной Азии среди стартаперов появился тренд на то, чтобы идти в GovTech с любым продуктом. Возможно, у кого-то из них есть похожее решение, однако технология zGAN пока доступна только нам.
Изначально epsilon3.ai создавался по подобию Palantir Technologies (американская компания, которая разрабатывает ПО анализа данных для организаций – прим. Digital Business). Сейчас это одновременно и наши конкуренты, и вдохновители. Однако в Центральной Азии они не работают.
«Такой объем работы просто не может стоить $200»
– Сколько клиентов у стартапа?
– На данный момент нет подписанных контрактов, поскольку цикл заключения сделки в GovTech довольно долгий. Однако мы соглашаемся на разработку пилота только при условии, что он будет оплачен.
– Каким образом планируете монетизироваться?
– Пытаемся приучить GovTech к SaaS. Обычно работаем по стандартной схеме: разрабатываем модель и интерфейс, предоставляем все необходимые дашборды, а затем при необходимости регулярно обновляем и улучшаем продукт — например, когда появляются новые данные.
Мы легко подстраиваемся под заказчиков: у некоторых компаний нет возможности работать в таком формате по внутренним регламентам. Сейчас, например, с одним из клиентов обсуждаем end-to-end-решение — когда полностью создаем продукт «под ключ», а после продолжаем обеспечивать техническую поддержку.
– Какой будет средняя стоимость подписки?
– Каждый кейс индивидуален, а окончательная цена зависит от объема и сложности задач. Но в любом случае речь идет о нескольких тысячах долларов только за разработку пилота, поскольку для каждого клиента выполняем фундаментальную работу. Порой данные приходят к нам в очень сыром виде, поэтому начинаем с их обработки: очищаем, структурируем, подготавливаем. Затем с нуля создаем модель, адаптированную под задачи заказчика, и разрабатываем для нее индивидуальный интерфейс. Такой объем работы не может стоить $200.
«Привлекли $175 тысяч при оценке $5 млн»
– На какие средства развивали проект?
– Изначально существовали за счет команды холдинга, однако в марте этого года подняли первые инвестиции – $175 тысяч при оценке в $5 млн. В нас поверили казахстанский фонд White Hill Capital и Battery Road из Сингапура.
– Как долго шел процесс переговоров?
– Кажется, нам не пришлось сильно уговаривать инвесторов. В идею практически сразу поверили. Кроме того, фонды хорошо знакомы с zypl.ai, поэтому с момента начала переговоров до получения денег прошло несколько месяцев.
Главный вопрос, который интересовал инвесторов, заключался в том, в каких еще сферах можно применить zGAN. Помимо этого был довольно подробный due diligence команды.
– На что пошли привлеченные деньги?
– На развитие команды. Вместе со мной над epsilon3.ai работает около 10 человек. Наняли крутых ребят из разных стран, и с их помощью реализовываем проекты еще быстрее. Если раньше на создание пилота уходило около месяца, то сейчас справляемся за пару недель.
При этом с увеличением штата расширились и наши возможности. Если раньше могли делать только модели прогнозирования, то сейчас в команде есть ребята, которые могут разрабатывать ИИ-агентов. Это частый запрос от клиентов, который теперь можем удовлетворить.
– Когда хотите поднимать следующий раунд?
– По-прежнему находимся в процессе привлечения инвестиций и планируем закрыть pre-seed на $400 тысяч. У нас уже есть пара софт-коммитментов от центральноазиатских венчурных фондов. Привлеченные деньги пойдут на бизнес-девелопмент и открытие офисов в Таджикистане и Казахстане.
– Какие планы у проекта на будущее?
– Наш основной фокус — это развитие в Центральной Азии. Мы сделали довольно много классных пилотов и сейчас хотим конвертировать их в прибыль. Есть цель дойти до определенной точки заработка, чтобы поднимать следующий раунд, а затем выходить на рынки Middle East.
В Европу в ближайшее время вряд ли пойдем, потому что там довольно жесткие бюрократические ограничения именно в области искусственного интеллекта. Возможно, рассмотрим какие-то другие локации. Но только после достижения первоочередных целей. Важно все делать последовательно.