Казахстанец в 20 лет стал ключевым инженером AI-стартапа из США

Дархан Ахметов вырос в ауле Туздыбастау Алматинской области. Окончил престижную школу НИШ в Алматы, но так и не поступил в вуз. При этом в 20 лет парень получил ответственную должность в американском AI-стартапе Nace.ai, который основал казахстанец Бакытжан Дос. Этот проект по автоматизации работы с финансовыми документами уже привлек$5 млн от фонда General Catalyst.

Специально для Digital Business Дархан рассказал, как 2 года подряд ему отказывали в гранте топовые вузы мира и почему отсутствие диплома не помешало ему стать Founding Engineer, то есть первым (и по сути ключевым) инженером в стартапе. Специалист объяснил, как именно он строил архитектуру сложного ИТ-проекта и что придумал, чтобы избежать галлюцинаций ИИ при работе с бухгалтерскими документами. Также казахстанец поделился, почему работает по 80+ часов в неделю и предостерег начинающих программистов от увлечения «вайбкодингом».

«Я перестал что-то доказывать вузам и начал работать»

– Всегда хотел учиться за границей. В конце 12-го класса в НИШ подал документы в несколько топовых вузов США. Почти отовсюду пришли отказы. Исключением стали Нью-Йоркский университет и Мельбурнский университет, но обучение там оказалось финансово неподъемным.

Я не сдался. Взял год паузы, пересдал экзамен SAT, переписал мотивационные эссе и подал документы снова. Результат оказался примерно тем же.

Вместо того чтобы доказывать приемным комиссиям, что я их достоин, начал доказывать это себе через работу. Базу получил еще в школе, а дальше учился самостоятельно – через практику и реальные задачи. Написал в LinkedIn Head of Engineering казахстанского фитнес-стартапа Hero’s Journey Данияру Аубекерову: «Можно к вам на работу?», и он в тот же день пригласил интервью, которое прошло успешно. Там получил первый опыт работы над реальным продуктом. Затем ушел запускать стартап для бегунов Runville Labs. Параллельно менторил школьников по программированию на курсах nFactorial.

Все изменилось, когда мне в LinkedIn написал Ербол Копжасар из Nace.ai и предложил роль Founding Engineer (первого инженера). Думаю, именно мой стартап-бэкграунд и опыт full-stack и AI-разработки оказались тем, что сейчас нужно рынку – поэтому на меня и вышли.

После этого я созвонился с CEO стартапа Бакытжаном Досом и остальной командой. Все произошло довольно быстро. Собеседования прошли успешно, и меня взяли на позицию инженера.

«Даже если система будет точна на 90%, оставшиеся 10% ошибок в финансах — это катастрофа»

– Мы решаем довольно дорогую проблему: компании до сих пор вручную обрабатывают финансовые документы и тратят на это миллионы долларов. Например, сотрудники сверяют условия договоров, часы работы и вручную собирают счета — это долго и часто приводит к ошибкам. Искусственный интеллект может взять на себя эту задачу.

Наш продукт — ИИ-система NAPA — автоматически создает счета на оплату на основе контрактов и рабочих данных. В результате компании сокращают ручной труд и уменьшают количество ошибок.

Но добиться доверия клиентов непросто. Корпоративные документы содержат конфиденциальные данные, и без гарантий безопасности ни одно предприятие не подпишет контракт. Попробуйте загрузить в ChatGPT Excel-таблицу с тысячами строк. Он начнет галлюцинировать. Даже если система будет точна на 90%, оставшиеся 10% ошибок в финансах — это катастрофа. И самое опасное – данные выглядят абсолютно нормально на первый взгляд. А каждый неправильный счет – это замороженные деньги и испорченные отношения с клиентом.

Как архитектор системы я придумал, как снизить риски. Во-первых, систему можно проверить: каждая цифра привязана к конкретному месту в документе. Это называется «граундинг» – опора на источник. В отличие от обычных AI-инструментов, NAPA показывает, откуда берется каждая цифра: стоимость работ – из контракта, часы – из отчета. Во-вторых, используем так называемую sandbox-среду – изолированное рабочее пространство, где у AI-агента есть доступ к файлам, инструментам и коду, как у человека за компьютером. Благодаря этому он может не просто отвечать на запросы, а выполнять полноценные задачи: находить нужные данные, проверять их и перепроверять результат.

Наконец, если данные противоречивы, система останавливается и передает полномочия человеку. В финансах ложная уверенность опаснее честного «не знаю». Именно этот стандарт позволил нам подписать многолетние контракты с 3 крупнейшими компаниями США.

«Работаю 80+ часов в неделю, потому что понимаю цену доверия»

– Свою работу начал с понимания входов и выходов – что за документы получает система, какой результат должен быть на выходе. Сначала тестировал гипотезы вручную – прогонял реальные документы через разные модели, смотрел, где они ошибаются, и постепенно выстраивал архитектуру вокруг этих слабых мест.

Таким образом построил ядро нашего AI-движка с нуля и продолжаю его развивать. Если упростить – все, что наши агенты умеют делать с финансовыми документами, проходит через систему, которую я спроектировал.

Костяк инженерной команды Nace.ai – из Казахстана. Сам работаю удаленно из Астаны. Каждый день синхронизируемся по задачам, но при этом у каждого есть полномочия принимать решения в своей зоне. Структура плоская: могу написать напрямую CEO или любому члену команды без бюрократии. Разница во времени между Астаной и Сан-Франциско – даже плюс: пока команда в США спит, я пишу код. По сути, продукт развивается почти круглосуточно.

Конкретные цифры по зарплате раскрыть не могу. Мой уровень дохода значительно выше, чем у ребят на похожих позициях в Казахстане. И это справедливо, ведь на моей архитектуре стоит продукт, через который проходят огромные деньги. Справляюсь с грузом ответственности просто – работаю по 80+ часов в неделю. Не потому что кто-то заставляет, а потому что понимаю цену доверия, которое мне оказали.

В первую очередь мотивирует сам процесс. Люблю программировать и решать задачи, у которых нет готового ответа.

«Именно сейчас строятся новые Google и Amazon – и я хочу быть среди тех, кто их создает»

– Параллельно с работой подал документы в японский Университет Рицумейкан и получил полную стипендию. Я люблю эту страну и ее культуру, и мне очень хотелось поехать учиться. Но поразмыслив, отказался от гранта. Мы живем в эпоху настоящей «золотой лихорадки» вокруг искусственного интеллекта, и 4 года в аудитории могут означать 4 года вдали от индустрии.

Верю, что эра больших языковых моделей и технологий, на которых они построены – переломный момент, такой же, как появление интернета когда-то. Именно сейчас строятся новые Google и Amazon. Хочу быть среди тех, кто их создает.

Это не значит, что университет – это плохо. Вся AI-инфраструктура построена людьми с глубоким академическим фундаментом. Я это уважаю и планирую получить высшее образование в будущем.

При этом для работы образование мне не нужно. Знаю, что выпускники Стэнфорда и Беркли подавались к нам в Nace.ai и получали отказ из-за отсутствия нужных навыков.

В казахской культуре давление «получи диплом» огромно, это почти не обсуждается. Мои родители могли бы настоять, и я бы, наверное, послушался. Но они меня поддержали. У этого пути есть цена. Когда отказываешься от университета, социальный круг сужается. Большинство сверстников – студенты, а я живу в другом ритме. Не жалею ни об одном решении, но это не значит, что было легко.

При этом учусь каждый день. У меня есть собственная программа по алгоритмам и системному дизайну, которую прохожу в свободное время. А на работе обучение происходит само собой.

«В свободное время делаю вклад в развитие казахоязычного интернета»

– Параллельно с работой в Nace.ai разрабатываю pg-kazsearch – инструмент для поиска на казахском языке, который помогает находить слова в разных формах как одно и то же слово.

Казахский – агглютинативный язык: к одному слову можно добавить множество суффиксов, и существующие стеммеры (алгоритмы, которые приводят слова к их основе, чтобы поиск работал правильно – прим. Digital Business) с этим не справляются.

Моя разработка решает эту задачу – приводит слова к корню так, чтобы поиск по базе данных работал корректно. Технически это расширение для базы данных PostgreSQL: его можно установить как модуль, и тогда поиск по казахскому языку в любом сервисе начинает работать корректно. Когда его выпущу, запрос «кітаптар» и «кітап» будут находиться в одной выдаче. Это вклад в казахоязычный интернет, который делаю в свободное время. Именно через такие задачи и формируются ключевые компетенции инженера, который хочет работать на глобальном AI-рынке.

Думаю, важных навыков всего пять. Первый – знать фундамент: алгоритмы, системный дизайн, понимание того, как работают компьютеры. Второй – умение работать с языковыми моделями на продуктовом уровне: не просто спрашивать ChatGPT, а понимать, как строить надежные AI-системы. Третий – доводить до продакшена: превращать прототип в рабочий продукт, которым реально пользуются. Четвертый – английский, без вариантов. И пятый – быстро учиться. В AI-индустрии выигрывает не тот, кто больше знает сегодня, а тот, кто быстрее освоит новые инструменты завтра.

Молодым специалистам советую начать с реальных задач, даже маленьких. Возьмите проект с открытым кодом, разберите, как он работает, попробуйте добавить фичу. Или найдите проблему, которая вас волнует, и решите ее кодом. И главное – избегайте того, что называю «vibe coding hell», то есть соблазна кодить с помощью ChatGPT и Claude, а самому просто копировать результат. Нейронные связи формируются, когда ты сам ищешь ответ, а не когда AI решает задачу за вас.

В ближайшие 3-5 лет планирую переехать в США и довести pg-kazsearch до релиза, чтобы казахоязычный интернет получил нормальный поиск. Деньги и амбиции тоже важны – хочу стать инженером мирового уровня и добиться финансовой свободы к 30 годам. Но главная мотивация глубже: я хочу доказать и себе, и другим, что предел возможностей определяешь ты сам, а не обстоятельства.