Март 2025 года для ИТ-предпринимателя Бакытжана Доса получился насыщенным. Сперва стало известно о сделке по продаже GoatChat.ai, который он развивал вместе с Ерболом Копжасаром, испанскому медиахолдингу Newry Global Media. А спустя несколько дней Бакытжан объявил о привлечении $5 млн в свой новый проект Nace AI – эта компания разрабатывает систему, создающую узкоспециализированные ИИ-модели для конкретных бизнес-задач. Уже в течение этого года Nace.AI удалось закрыть раунд на $21,5 млн, заключить контракт с представителем Big4 и договориться о сотрудничестве с сооснователем Yahoo! Джерри Янгом и CEO Intel Лип-Бу Таном.
В интервью для совместного проекта Digital Business и Astana Hub «100 стартап-историй Центральной Евразии» Бакытжан рассказал, через что пришлось пройти, чтобы получить первые $5 млн инвестиций, чем малые языковые модели (SLM) отличаются от LLM и какую пользу они способны принести enterprise-сегменту. Также поговорили о том, насколько сложно было договориться о контракте с Big4, сколько уже зарабатывает стартап и когда он будет стоить $10 млрд.
«Получал много отказов, потому что тогда толком никто не понимал, в чем сила малых языковых моделей»
– Практически сразу после сделки по продаже GoatChat.ai вы объявили о привлечении $5 млн от фонда General Catalyst в Nace AI. Можете рассказать, когда возникла идея нового проекта?
– Еще во время работы над GoatChat.ai начал заниматься ресерчем разных языковых моделей. Так понял, что у текущей архитектуры есть фундаментальные лимиты, которые не позволяют им сделать глобальную генерализацию или покрыть длинные значимые контексты. Благодаря этому увидел для себя интересную нишу – small language models (SLM), которые были бы очень полезны enterprise-сегменту. Они позволили бы им получать действительно что-то дельное от искусственного интеллекта, а не сжигать токены впустую.
Вообще SLM архитектурно похожи на LLM, их принцип работы кардинально не отличается. Ключевое различие здесь – в количестве символов (к примеру, у Claude или ChatGPT их от 1 до 3 трлн нейронов, а у малых языковых моделей – 10-15 млрд) и узконаправленной деятельности.
Как это выглядит на практике? Если взять триллион нейронов в большой языковой модели, 85-90% из них – это информация из большой библиотеки. Условно, в каком году родился Эйнштейн или как звали первую собаку, побывавшую в космосе. По сути в LLM только 10-15% полезных для бизнеса нейронов. И наша идея заключалась в том, чтобы дать компаниям именно их. К примеру, сделать модель, которая может заниматься поддержкой клиентов, писать SQL-запросы и так далее. То есть основное преимущество малых языковых моделей над большими заключается в том, чтобы убрать весь шум и оставить самое нужное.
– Насколько быстро удалось закрыть раунд на $5 млн?
– Когда стало понятно, что сделка по продаже GoatChat.ai подходит к завершению, начал искать инвестиции в Nace AI. К тому моменту у нас был прототип, который позволял создавать небольшой адаптер для малой языковой модели под три пользовательских кейса: клиентская поддержка, SQL-запросы и комплаенс.
Потратил 4 месяца на общение с разными фондами. Получал много отказов, потому что тогда толком никто не понимал, в чем сила малых языковых моделей. Инвесторы задавали много странных вопросов в силу своей технической неподкованности. Тогда решили идти к тем, у кого есть экспертность в этой сфере. Одним из таких оказался фонд General Catalyst. Рассказал о продукте их CEO и управляющим партнерам: им понравилось то, что мы собираемся делать, и нам дали деньги.
– Звучит довольно легко…
– На самом деле, прошел сложный путь. До того, как получить инвестиции, пообщался с 40 фондам – и все отказали. Было тяжело.
Тут еще проблема в том, что в Кремниевой долине никто не дает полноценного фидбека. И непонятно, хорошо ты пропитчил или плохо. Инвесторы просто говорят: «It’s okay, fine». Для меня в начале это было очень непривычно. В результате к General Catalyst прошел через пот и слезы. Но даже если бы они отказали, то не сдался бы. Я приехал в Кремниевую долину с одной целью – построить здесь компанию, и никто не смог бы меня остановить.
«Сейчас большие языковые модели, если проводить аналогию с бытовым случаем, забивают гвоздь кувалдой»
– Что собой сейчас представляет Nace AI?
– Наш основной продукт – MetaModel. Это архитектура, позволяющая создавать небольшие языковые модели, встраивающие в себя внутренние политики, комплаенс-процедуры и корпоративные знания заказчика. То есть мы берем свою маленькую модельку, приносим ее клиенту, и он говорит, допустим, что работает сейчас над ИИ-агентом для определенной деятельности. Мы в свою очередь делаем адаптер, который позволяет, скажем так, настраивать этого агента под политику компании и определенный кейсы. Говоря простым языком, MetaModel – это технология, которая позволяет быстро кастомизировать и персонализировать малые языковые модели.
У нас есть свои 4 малые языковые модели. Первые версии создавали на основе микса из уже существующих архитектур от Google, Meta и Microsoft. Благодаря такому подходу сэкономили много денег. Да и нет большого смысла создавать с нуля архитектуры, когда уже много работы проделано до нас. Поэтому взяли из нескольких LLM нужные нам вещи, убрали лишнее и добавили сверху большой сегмент своих знаний. Здесь было важно правильно подобрать данные, чтобы они эффективно работали для запросов enterprise-компаний.
В конечном итоге получается коктейль датасетов, в котором должна быть публичная и академическая информация (к примеру, базовая арифметика), не позволяющая модели деградировать. Но важнее всего специализированные данные – те, которые сами покупали у разных компаний и поставщиков, потратив на это немало денег, а потом фильтровали. Их должно быть порядка 60-70%, чтобы построить SLM, которая заточена под конкретный кейс.
– Под какие конкретно задачи заточена каждая из ваших 4 малых языковых моделей?
– Главное предназначение первой – работа с документами. У многих крупных корпораций до сих пор документооборот идет в виде PDF, сканов и так далее. Мы сделали модель, которая сканирует все бумаги с хорошей точностью и подготавливает к тому, чтобы они были подъемными для других моделей, которые проводят с ними определенную работу.
Вторая заточена на проверку определенных фактов. К примеру, одна моделька говорит, что какой-то документ не подписан. В таком случае наша модель идет искать этот документ, чтобы визуально показать доказательство или опровержения.
Третью натренировали на понимание сферы финансов, потому что нынешние модели плохи в этом. Они, к примеру, не знали базовых принципов бухгалтерии и других нюансов.
Четвертая модель специализируется на вызове более подходящих инструментов для решения определенных задач. Сейчас большие языковые модели, если проводить аналогию с бытовым случаем, условно, забивают гвоздь кувалдой. Мы же обучили модель, чтобы она это делала молотком.
К слову, четвертую модель сделали сами с нуля, когда появилось больше денег. Она полностью на наших GPU и натренирована на собственных данных.
«Убедить бухгалтеров дать вам деньги – непростая задача»
– Не так давно Nace AI начал работу с компанией из Big4, с которой заключили контракт, как вы сами говорили, «на долгие годы вперед». Благодаря чему удалось договориться о сотрудничестве?
– Там увидели большой потенциал в нашей технологии для финансового аудита, подготовки налоговой декларации и так далее. Она показала результат намного лучше, чем продукты, которые у них были и которые предлагали конкуренты. Это pure competition: побеждает лучшее решение. Мы на практике показали, как можем действовать, после чего нам сказали: «Хорошо, давайте теперь работать основательно». Причем наш пилот не был бесплатным.
Звучит, возможно, слишком просто, но мы сделали невозможное. Убедить бухгалтеров дать вам деньги – непростая задача. Проделали колоссальную работу. Эта сделка растянулась на 10 месяцев, а количество встреч для переговоров, наверное, переваливает за 30. Но в конечном итоге все получилось, потому что изначально был серьезно нацелен на сделку.
– Кто еще в числе ваших клиентов?
– На текущий момент фокусируемся на сервисных компаниях, которые работают в финансовой сфере. Сюда подходят и банки, и кредитные организации. По сути все те, кто считает деньги. Вижу, что можем построить в данном сегменте прибыльную бизнес-модель и показывать хороший value для наших пользователей.
Сейчас у нас 3 полноценных клиента, еще 2 в процессе подключения. Но здесь важно понимать, что в enterprise-сегменте цикл сделать долгий.
– С помощью чего монетизируетесь?
– У ИИ-компаний не так много выбора в этом плане. Так как продаем малые языковые модели, на инференсе (применение уже обученной нейросетью накопленных знаний для анализа новых, реальных данных и выдачи конечного результата – прим. Digital Business) много денег не заработаешь, как это делают другие.
У нас львиная доля денег приходит от обновлений моделей, ведь они оперируют внутри динамичной среды. Допустим, если брать кейс Big 4, то они работают в 70 странах мира, имея 35-40 глобальных офисов. И вот в одном из государств изменилась регуляторика, из-за чего теперь нужно определенную работу делать иначе. Для этого обновляем модели под соответствие новым требованиям.
Также есть кастомизационная часть, когда в модельку вшиваются данные, характерные для одной определенной компании. Чтобы она вела себя как владелец или совет директоров.
– Какой сейчас ARR у Nace AI?
– Точные цифры называть не буду. Но могу сказать, что вышли на хорошие показатели по revenue. Уже обеспечили для компании денежный поток примерно сопоставимый с нашими раундами финансирования (на данный момент Nace AI в общей сложности привлек $26, 5 млн – прим. Digital Business).
«Во многих странах инвесторы очень много времени отнимают у фаундеров: они задают неправильные и ненужные вопросы»
– Давайте поговорим об инвестициях. Не так давно вы привлекли раунд на $21,5 млн, который возглавил фонд General Catalyst. При этом на его закрытие ушло меньше 36 часов. Расскажите, как вам удалось?
– В Кремниевой долине оперирует такое правило: если инвесторы сильны сами по себе в сфере, куда вкладываются, и видят фаундера, готового идти вперед со своим продуктом, то все двигаются очень-очень быстро. На самом деле, могло понадобиться и меньше 36 часов: фондам потребовалось время, чтобы прозвонить всех людей, с которыми работал, и понять, какой я человек. Это как раз и заняло 36 часов.
Вообще думаю, что на венчурном рынке все сделки должны проходить так быстро. Но, к сожалению, во многих странах инвесторы очень много времени отнимают у фаундеров. Они задают неправильные и ненужные вопросы, обещают деньги, а потом долго тянут или вовсе исчезают. На мой взгляд, если ты принял решение, то должен быстро все закрывать. Потому что в интересах инвестора не упустить хорошую сделку, где их предложение могут перебить другие. Так что это работает в обе стороны.
К слову, в нашем случае был oversubscribed. Изначально планировали привлечь $18 млн, но появился ряд других инвесторов, которые хотели поучаствовать в раунде. И чтобы никого не обидеть, дали небольшой allocation разным компаниям и людям. В результате получилось $21,5 млн.
– Вы ранее отмечали, что собираетесь направить привлеченные инвестиции на расширение команды. Сколько сейчас человек в Nace AI, каких специалистов наняли и кого ищите?
– У нас 30 человек в команде, из которых 90% – инженеры. На самом деле, в данный момент в Nace AI даже sales-команды нет: она только-только начинает формироваться.
Если говорить по открытым позициям, то ищем product-менеджеров, technical program-менеджеров и growth-менеджеров. По сути, нам нужны люди, которые смогут бустить рост компании. При этом ведем активный хайринг в Казахстане: видим здесь хорошую комбинацию энергии, таланта и владения английским. К слову, в Астане у нас есть дочерняя организация, и мы участники Astana Hub, что также дает определенные преимущества.
– Ваш основной фокус сейчас – исключительно США или собираетесь выходить на другие рынки? К примеру, страны ЕС или MENA.
– Видим большой спрос на продукт в Саудовской Аравии, странах Юго-Восточной Азии. Из Казахстана тоже многие банки писали. Однако это требует времени и внимания, которого у нас пока нет. Поэтому в данный момент на 100% сфокусированы на США. Но, думаю, как только компания дорастет до стадии Series B, которая подразумевает международную экспансию, вернемся к этим рынкам.
«Пока миллиардной оценки нет»
– Не боитесь конкуренции со стороны крупных игроков, таких как OpenAI или Anthropic, которые могут в любой момент также пойти в сторону малых языковых моделей? Насколько вы готовы к такому развитию событий?
– Мы живем в мире AI, где может произойти что угодно и когда угодно. Но на текущий момент точно знаем, что OpenAI отказался от подобной деятельности. Что касается Anthropic, то там никогда не интересовались данным направлением. Они идут в сторону LLM с большим количеством данных масштабирования.
Есть еще Google и Meta, которые этим интересуются, но они скорее для нас как tailwind (попутный ветер – прим. Digital Business). По сути, мы бенефициары от их деятельности, потому что они занимаются в основном малыми моделями в качестве благотворительности.
Наверное, одну из больших ставок на SLM, которая лоб в лоб идет с нашими, делает Microsoft. У них до сих пор есть серия моделей PHI. Но в любом случае побеждает тот, кто дает хорошую точность и наилучшую персонализацию.
Есть ли риск, что какой-то большой игрок съест нашу долю – да, есть. Есть ли какой-то способ этому помешать – нет. Это AI: здесь на текущий момент решает скорость итерации и четкий фокус, куда бить.
– А были ли попытки со стороны больших игроков купить Nace AI?
– Было 2 предложения – мы отказались. Первое как раз от компании Big4, с которой подписали контракт. Когда вы идете разговаривать с таким игроком, то первые полгода они будут обсуждать с вами покупку. Потому что из-за своей регуляторики им проще приобрести стартап, чем договариваться о партнерстве.
Второе – от фонда. Конечную сумму они не оглашали, но цифры, которые фигурировали, не доходили до того пика, которого может достигнуть стоимость Nace AI. На мой взгляд, наша компания может стоить больше $10 млрд, если будем правильно экзекьютить.
– Многие в Казахстане считают Nace AI будущим «единорогом». Насколько вы близки к этому статусу сейчас?
– Не хочу спекулировать на эту тему. Но скажу, что пока миллиардной оценки нет.
– Какие у вас планы?
– Они очень простые. Есть три ключевых направления – нарастить количество клиентов, подрасти по АRR и привлечь следующий раунд инвестиций. Будем все делать именно в такой последовательности.
Что касается фандрейзинга, пока сложно говорить о конкретных цифрах, но хотим намного больше того, что уже привлекли. Теперь нужны хорошие ресурсы, чтобы строить сильную инфраструктуру. Это следующая цель, ведь для поддержки больших клиентов требуется больше инфраструктурных мощностей.
«Компаниямыздың құны $10 млрд-тан асуы мүмкін». Бақытжан Дос Кремний алқабында Nace AI-ды қалай құрғанын және $26,5 млн инвестиция алғанын айтып берді
2025 жылдың наурызы IT-кәсіпкер Бақытжан Дос үшін өте қарбалас өтті. Алдымен оның Ербол Көпжасармен бірге дамытқан GoatChat.ai жобасын испандық Newry Global Media медиахолдингі сатып алғаны туралы мәміле белгілі болды. Ал бірнеше күннен кейін Бақытжан жаңа жобасы – Nace AI компаниясына $5 млн инвестиция тартқанын хабарлады. Компания нақты бір бизнес міндеттерін шешуге арналған, тар бағыттағы жасанды интеллект модельдерін жасайтын жүйені әзірлейді. Биылдың өзінде Nace.AI $21,5 млн көлемінде инвестициялық раундты жапты, Big4 өкілімен келісімшартқа отырды және Yahoo компаниясының негізін қалаушылардың бірі Джерри Янгпен және Intel CEO-сы Лип-Бу Танмен ынтымақтастық туралы уағдаласты.
Digital Business пен Astana Hub-тың «Орталық Еуразияның 100 стартап тарихы» атты бірлескен жобасына берген сұхбатында Бақытжан алғашқы $5 млн инвестицияны тарту үшін қандай қиындықтардан өткенін, шағын тілдік модельдердің (SLM) үлкен тілдік модельдерден (LLM) айырмашылығын және олардың ірі компаниялар секторына қандай пайда әкелетінін айтып берді. Сондай-ақ Big4-пен келісімшартқа отыру қаншалықты қиын болғанын, стартаптың қазір қанша табыс тауып отырғанын және оның құны қашан $10 млрд-қа жетуі мүмкін екенін сөз етті.
«Көп жағдайда ұсынысымыз қолдау таппады. Себебі ол кезде шағын тілдік модельдердің қаншалықты тиімді екенін ешкім жете түсінбейтін»
– GoatChat.ai сатылғаннан кейін көп ұзамай Nace AI компаниясына General Catalyst қорынан $5 млн инвестиция тартқаныңызды жарияладыңыз. Жаңа жобаны қолға алу идеясы қашан пайда болды?
– GoatChat.ai жобасымен жұмыс істеп жүрген кезімнің өзінде әртүрлі тілдік модельдерді зерттей бастадым. Сол кезде қазіргі архитектураның жаһандық деңгейде жалпылауға немесе ауқымды әрі маңызды контексті қамтуға мүмкіндік бермейтін түбегейлі шектеулері бар екенін түсіндім. Осыдан кейін өзім үшін қызықты бір бағытты — small language models (SLM), яғни шағын тілдік модельдерді байқадым. Олар ірі компаниялар секторына өте пайдалы болар еді. Өйткені мұндай модельдер жасанды интеллектен шынымен пайдалы нәтиже алуға мүмкіндік береді және токендерді босқа жұмсауға жол бермейді.
Жалпы, SLM архитектурасы жағынан LLM-ге ұқсас, жұмыс істеу принципінде де түбегейлі айырмашылық жоқ. Негізгі айырмашылық — модельдегі нейрондар саны мен оның белгілі бір тар бағытқа бейімделуінде. Мысалы, Claude немесе ChatGPT модельдерінде 1-3 триллион нейрон болса, шағын тілдік модельдерде бұл көрсеткіш 10-15 миллиард шамасында.
Іс жүзінде ол қалай жұмыс істейді? Үлкен тілдік модельдегі триллион нейронның 85-90%-ы – үлкен кітапханадағы ақпарат деуге болады. Мысалы, Эйнштейннің қай жылы туғаны немесе ғарышқа алғаш ұшқан иттің аты сияқты деректер. Ал LLM-дегі нейрондардың шамамен 10-15%-ы ғана бизнеске қажет ақпаратты қамтиды. Біздің идея – компанияларға дәл осы пайдалы бөлігін беру. Мысалы, клиенттерге қолдау көрсетуге, SQL сұраныстарын жазуға және тағы басқа міндеттерді орындауға арналған модель жасауға болады. Яғни шағын тілдік модельдердің үлкен модельдерден негізгі артықшылығы – барлық артық ақпаратты алып тастап, тек ең қажеттісін қалдыру.
– $5 млн көлеміндегі инвестициялық раундты қаншалықты тез жаптыңыздар?
– GoatChat.ai жобасын сату жөніндегі мәміле аяқталуға жақындағаны белгілі болған кезде, Nace AI-ға инвестиция іздей бастадым. Ол кезде бізде үш нақты міндетке: клиенттерге қолдау көрсету, SQL сұраныстарын жазу және комплаенс бағыттарына шағын тілдік модельге арналған шағын адаптер жасауға мүмкіндік беретін прототип болды.
Әртүрлі қорлармен сөйлесуге төрт ай жұмсадым. Көбі бас тартты, өйткені ол кезде шағын тілдік модельдердің артықшылығын ешкім толық түсіне бермейтін. Техникалық білімі жеткіліксіз болғандықтан, инвесторлар да түрлі түсініксіз сұрақтар қоятын. Содан кейін осы саланы жақсы білетін сарапшылары бар инвесторларға баруды жөн көрдік. Солардың бірі General Catalyst қоры болды. Өнім туралы олардың бас директоры мен басқарушы серіктестеріне айтып бердім. Оларға біздің жасап жатқанымыз ұнады да, бізге инвестиция берді.
– Айтуға оңай сияқты…
– Шын мәнінде, оңай болған жоқ. Инвестиция алғанға дейін 40 қормен сөйлестім, бірақ барлығы дерлік бас тартты. Оңай тиген жоқ.
Мұнда тағы бір мәселе бар: Кремний алқабында ешкім толыққанды кері байланыс бермейді. Сондықтан өз өніміңді жақсы таныстырдың ба, әлде нашар ма – түсіну қиын. Инвесторлар жай ғана: «It’s okay, fine» деп қояды. Басында бұл маған таңсық болды. Ақырында General Catalyst қорына тер төгіп, талай қиындықпен жеттім. Бірақ олар да бас тартқан күннің өзінде, берілмес едім. Мен Кремний алқабына бір мақсатпен келдім – осы жерде компания құру. Ал мені бұл мақсатымнан ешкім қайтара алмайтын еді.
«Қазір үлкен тілдік модельдер, қарапайым мысалмен айтсақ, шегені балғамен емес, тоқпақпен қағады»
– Қазір Nace AI қандай деңгейде?
– Біздің негізгі өніміміз – MetaModel. Бұл ішіне тапсырыс берушінің ішкі саясатын, комплаенс рәсімдерін және корпоративтік білімін енгізуге болатын шағын тілдік модельдер жасауға мүмкіндік беретін архитектура. Яғни біз өзіміздің шағын моделімізді клиентке ұсынамыз. Ол, мысалы, белгілі бір салаға арналған AI-агент жасап жатқанын айтады. Ал біз өз кезегімізде сол агентті компанияның саясаты мен нақты міндетіне бейімдеуге мүмкіндік беретін адаптер жасаймыз. Қарапайым тілмен айтқанда, MetaModel – шағын тілдік модельдерді тез бейімдеп, жекелендіруге мүмкіндік беретін технология.
Біздің өзімізде төрт шағын тілдік модель бар. Алғашқы нұсқаларын Google, Meta және Microsoft компанияларының бұрыннан бар архитектураларының қоспасы негізінде жасадық. Осы тәсілдің арқасында көп қаражат үнемдедік. Оның үстіне, бізге дейін көп жұмыс атқарылып қойған кезде, архитектураны нөлден бастап жасаудың да қажеті жоқ. Сондықтан бірнеше LLM-нен өзімізге қажетті дүниелерді алып, артықтарын алып тастап, үстіне өз біліміміздің үлкен бөлігін қостық. Бұл жерде ең маңыздысы – деректерді дұрыс таңдау болды. Өйткені олар ірі компаниялардың сұраныстарына тиімді жауап беруі керек.
Ақырында бұл деректер жиынтығының өзіндік қоспасы болып шығады. Оның құрамында модельдің сапасы төмендеп кетпеуі үшін жалпыға қолжетімді және академиялық ақпарат болуы керек. Мысалы, базалық арифметика. Бірақ ең маңыздысы – мамандандырылған деректер. Яғни әртүрлі компаниялар мен жеткізушілерден өзіміз сатып алған, оған қомақты қаражат жұмсап, кейін сүзгіден өткізген деректер. SLM нақты бір міндетке бейімделуі үшін осындай деректер жалпы жиынтықтың шамамен 60-70%-ын құрауы керек.
– Сіздердің төрт шағын тілдік модельдеріңіздің әрқайсысы нақты қандай міндеттерге бейімделген?
– Біріншісінің негізгі міндеті – құжаттармен жұмыс істеу. Көптеген ірі корпорацияларда құжат айналымы әлі де PDF, сканерленген құжаттар және тағы басқа форматтарда жүргізіледі. Біз барлық құжаттарды жоғары дәлдікпен сканерлейтін және оларды кейін белгілі бір жұмыстарды атқаратын басқа модельдерге өңдеуге қолайлы форматқа дайындайтын модель жасадық.
Екіншісі белгілі бір деректерді тексеруге бейімделген. Мысалы, бір модель қандай да бір құжатқа қол қойылмағанын айтады. Мұндай жағдайда біздің модель сол құжатты өзі тауып, оның бар екенін немесе жоқ екенін көзбен көріп тексеруге мүмкіндік беретін дәлел ұсынады.
Үшіншісін қаржы саласын түсінуге үйреттік. Өйткені қазіргі модельдер бұл бағытта әлсіз. Мысалы, олар бухгалтерлік есептің негізгі қағидаларын және басқа да маңызды жайттарды білмейтін.
Төртінші модель белгілі бір міндетті шешуге қолайлы құралдарды таңдауға маманданған. Қазір үлкен тілдік модельдер күнделікті өмірдегі мысалмен айтсақ, шегені шартты түрде балғамен емес, тоқпақпен қағып жатқандай. Ал біз өз моделімізді мұндай міндетке кәдімгі балғаны қолданатындай етіп үйреттік.
Айтпақшы, қаржы көбейген кезде төртінші модельді нөлден бастап өзіміз жасадық. Ол толығымен өз GPU-ымызда жұмыс істейді және өз деректеріміз арқылы оқытылған.
«Бухгалтерді сізге ақша беруге көндіру – оңай шаруа емес»
– Жақында Nace AI Big4 компанияларының бірімен жұмыс істей бастады. Өзіңіз айтқандай, олармен «алдағы бірнеше жылға» келісімшарт жасастыңыздар. Ынтымақтастыққа қалай қол жеткіздіңіздер?
– Олар біздің технологиямыздың қаржылық аудитке, салық декларациясын дайындауға және тағы басқа міндеттерге деген әлеуетін көрді. Біздің шешім оларда болған өнімдерден де, бәсекелестер ұсынған құралдардан да әлдеқайда жақсы нәтиже көрсетті. Бұл – таза бәсекелестік: ең жақсы шешім жеңеді. Біз іс жүзінде қалай жұмыс істей алатынымызды көрсеттік. Содан кейін олар: «Жақсы, енді толыққанды жұмыс істейік», – деді. Оның үстіне, біздің пилоттық жобамыз тегін болған жоқ.
Мүмкін, тым оңай естілетін шығар, бірақ біз мүмкін емес дегенді мүмкін еттік. Бухгалтерді сізге ақша беруге көндіру – оңай шаруа емес. Орасан зор жұмыс атқардық. Бұл мәміле 10 айға созылды, ал келіссөздер барысында қанша кездесу өткізгенімізді нақты білмеймін, бірақ 30-дан асып кетті. Ақырында бәрі сәтті болды, өйткені мен бастапқыдан-ақ осы мәмілені жасасуға бар күшімді салдым.
– Клиенттеріңіздің қатарында тағы кімдер бар?
– Қазір қаржы саласында жұмыс істейтін сервистік компанияларға басымдық беріп отырмыз. Олардың қатарына банктер де, кредиттік ұйымдар да кіреді. Жалпы, ақша есебімен айналысатын компаниялардың барлығына біздің шешіміміз сай келеді. Осы сегментте табысты бизнес-модель құрып, пайдаланушыларымызға нақты құндылық бере алатынымызды көріп отырмын.
Қазір 3 толыққанды клиентіміз бар, тағы 2-еуі қосылу процесінде. Бірақ бұл жерде бір нәрсені түсіну маңызды: enterprise-сегментінде келісім жасау циклі ұзақ болады.
– Қалай монетизация жасап отырсыздар?
– Бұл тұрғыда AI компанияларының таңдауы көп емес. Біз шағын тілдік модельдерді сататындықтан, инференстен (оқытылған нейрондық желінің жинақтаған білімін жаңа, нақты деректерді талдап, соңғы нәтиже шығару үшін қолдануы – Digital Business еск.) басқалар сияқты көп ақша таба алмайсың.
Біздің табысымыздың негізгі бөлігі модельдерді жаңартудан түседі. Өйткені олар үнемі өзгеріп отыратын ортада жұмыс істейді. Мысалы, Big4-пен жұмыс істейтін жағдайды алайық. Олар әлемнің 70 елінде жұмыс істейді, 35-40 жаһандық кеңсесі бар. Енді сол елдердің бірінде заңнама өзгерді делік. Соған байланысты белгілі бір жұмысты енді басқаша орындау қажет болады. Мұндай жағдайда модельдерді жаңа талаптарға сай етіп жаңартамыз.
Сондай-ақ кастомизациялау бағыты бар. Яғни белгілі бір компанияға тән деректерді модельдің ішіне енгіземіз. Сонда ол сол компанияның иесі немесе директорлар кеңесі сияқты әрекет ете алады.
– Nace AI-дың қазіргі ARR көрсеткіші қандай?
– Нақты цифрларды айтпаймын. Бірақ табыс бойынша жақсы көрсеткішке жеткенімізді айта аламын. Қазірдің өзінде компанияға қаржыландыру раундтарымыздың жалпы көлемімен шамалас ақша ағынын қамтамасыз еттік (қазіргі таңда Nace AI жалпы $26,5 млн инвестиция тартқан – Digital Business еск.).
«Көп елде инвесторлармен сөйлесуге қыруар уақыт кетеді. Өйткені олар кейде қажетсіз, орынсыз сұрақтарға көп мән береді»
– Енді инвестициялар туралы сөйлесейік. Жақында General Catalyst қоры жетекшілік еткен $21,5 млн инвестициялық раунд тарттыңыздар. Оның үстіне, раундты жабуға 36 сағаттан аз уақыт кеткен. Бұған қалай қол жеткіздіңіз?
– Кремний алқабында мынадай қағида бар: егер инвесторлар инвестиция салатын саланы өздері жақсы білсе және өз өнімін алға жылжытуға дайын фаундерді көрсе, онда бәрі өте жылдам жүреді. Шын мәнінде, 36 сағаттан да аз уақыт кетуі мүмкін еді. Қорларға мен бұрын бірге жұмыс істеген адамдардың барлығына хабарласып, қандай адам екенімді анықтау үшін уақыт керек болды. Дәл осының өзі 36 сағатқа созылды.
Жалпы, венчурлік нарықтағы барлық мәміле осылай жылдам жасалуы керек деп ойлаймын. Бірақ, өкінішке қарай, көптеген елдерде инвесторлар фаундерлердің уақытын тым көп алады. Олар дұрыс емес, қажетсіз сұрақтар қояды, ақша салуға уәде береді де, кейін ұзақ созып жүреді немесе мүлде хабарсыз кетеді. Меніңше, егер шешім қабылдасаң, бәрін тез арада аяқтауың керек. Өйткені инвестор үшін жақсы мәмілені жіберіп алмау маңызды, ал оның ұсынысын басқа инвесторлар басып озуы мүмкін. Сондықтан бұл екі тарапқа да бірдей тиімді.
Айтпақшы, біздің жағдайымызда раундқа сұраныс бастапқы жоспардан асып түсті (oversubscribed). Бастапқыда $18 млн тартуды жоспарлағанбыз. Бірақ раундқа қатысқысы келген басқа да инвесторлар пайда болды. Ешкімнің көңілін қалдырмау үшін әртүрлі компаниялар мен адамдарға шағын үлес бердік. Нәтижесінде $21,5 млн жиналды.
– Бұған дейін тартылған инвестицияны команданы кеңейтуге жұмсайтыныңызды айтқан едіңіз. Қазір Nace AI-да қанша адам жұмыс істейді, қандай мамандарды жұмысқа алдыңыздар және қазір кімдерді іздеп жатырсыздар?
– Командамызда 30 адам бар, олардың 90%-ы – инженерлер. Негізі, қазір Nace AI-да тіпті сату бөлімі де жоқ. Ол енді ғана қалыптаса бастады.
Ашық тұрған вакансияларға келсек, өнім менеджерлерін, technical program менеджерлерін және growth менеджерлерін іздеп жатырмыз. Яғни бізге компанияның өсуіне серпін бере алатын адамдар керек. Сонымен қатар Қазақстанда да маман іздеп жатырмыз. Мұнда энергиясы, таланты және ағылшын тілін меңгеруі жақсы үйлесетін мамандар бар деп есептейміз. Айтпақшы, Астанада біздің еншілес ұйымымыз бар және біз Astana Hub қатысушысымыз. Бұл да бізге белгілі бір артықшылықтар береді.
– Қазір сіздердің негізгі назарларыңыз тек АҚШ нарығына бағытталған ба, әлде басқа нарықтарға да шығуды жоспарлап отырсыздар ма? Мысалы, ЕО немесе MENA елдеріне?
– Өнімімізге Сауд Арабиясы мен Оңтүстік-Шығыс Азия елдерінде сұраныс жоғары екенін көріп отырмыз. Қазақстаннан да көптеген банк бізге хабарласты. Алайда бұл уақыт пен назарды талап етеді, ал әзірге бізде ондай мүмкіндік жоқ. Сондықтан қазір 100% АҚШ нарығына бағытталып отырмыз. Бірақ компания Series B кезеңіне жеткен кезде, бұл кезең халықаралық нарықтарға шығуды көздейді, осы нарықтарға қайта ораламыз деп ойлаймын.
«Әзірге миллиард долларлық бағамыз жоқ»
– OpenAI немесе Anthropic сияқты ірі ойыншылардың бәсекесінен қорықпайсыз ба? Олар кез келген уақытта шағын тілдік модельдер бағытына бет бұруы мүмкін ғой. Мұндай жағдайға қаншалықты дайынсыздар?
– Біз кез келген нәрсе кез келген уақытта болуы мүмкін AI әлемінде өмір сүріп жатырмыз. Бірақ қазір OpenAI мұндай бағыттан бас тартқанын нақты білеміз. Ал Anthropic-ке келсек, олар бұл бағытқа ешқашан қызығушылық танытқан емес. Олар деректер көлемін ұлғайту арқылы LLM-дерді дамыту бағытын ұстанып отыр.
Google мен Meta да бұл бағытқа қызығушылық танытады. Бірақ олар біз үшін, керісінше, tailwind, яғни көмектесетін фактор іспетті. Негізі, олардың жұмысы бізге тиімді, өйткені олар шағын модельдерді көбіне коммерциялық емес бағытта дамытып жатыр.
Меніңше, SLM бағытына үлкен ставка жасап, бізбен тікелей бәсекелесіп отырған компаниялардың бірі – Microsoft. Олардың әлі де PHI модельдер сериясы бар. Бірақ кез келген жағдайда дәлдігі жоғары әрі барынша жақсы жекелендіру мүмкіндігін ұсынатын компания жеңеді.
Қандай да бір ірі ойыншы біздің нарықтағы үлесімізді тартып алуы мүмкін бе? Иә, ондай тәуекел бар. Бұған жол бермеудің қандай да бір амалы бар ма? Жоқ. Бұл – AI саласы. Мұнда қазір ең маңыздысы – идеяны қаншалықты жылдам жетілдіретінің және қай бағытқа дәл нысана көздейтінің.
– Ірі ойыншылар тарапынан Nace AI-ды сатып алуға әрекет болды ма?
– Екі ұсыныс болды, екеуінен де бас тарттық. Біріншісі – қазір біз келісімшартқа отырған Big4 компаниясынан. Осындай ірі ойыншымен келіссөзге барсаңыз, алғашқы жарты жылда олар сізбен компанияны сатып алу туралы сөйлеседі. Өйткені өздеріне қойылған реттеушілік талаптарға байланысты олар үшін стартаппен серіктестік орнатқаннан гөрі, оны сатып алу оңайырақ.
Екінші ұсыныс қордан түсті. Олар нақты соманы жарияламады, бірақ айтылған сандар Nace AI құны жетуі мүмкін деңгейге жеткен жоқ. Меніңше, егер компанияны дұрыс дамыта алсақ, оның құны $10 млрд-тан да жоғары болуы мүмкін.
– Қазақстанда көпшілік Nace AI болашақ «юникорн» болады деп есептейді. Қазір бұл мәртебеге қаншалықты жақынсыздар?
– Бұл тақырыпта болжам жасағым келмейді. Бірақ әзірге компанияның бағасы $1 млрд-қа жеткен жоқ деп айта аламын.
– Алдағы жоспарыңыз қандай?
– Жоспарымыз өте қарапайым. Үш негізгі бағыт бар: клиенттер санын көбейту, ARR көрсеткішін арттыру және келесі инвестициялық раундты тарту. Барлығын дәл осы ретпен жүзеге асырамыз.
Қаржы тартуға келсек, әзірге нақты сома туралы айту қиын. Бірақ осы уақытқа дейін тартқанымыздан әлдеқайда көп инвестиция тартқымыз келеді. Енді мықты инфрақұрылым құру үшін жеткілікті ресурс қажет. Бұл – келесі мақсатымыз. Өйткені ірі клиенттерге қызмет көрсету үшін инфрақұрылымдық қуаттарды арттыру керек.
«Our Company Could Be Worth More Than $10 Billion». Bakytzhan Dos on Launching Nace AI in Silicon Valley and Raising $26.5 Million
March 2025 was a busy month for IT entrepreneur Bakytzhan Dos. First came the news that GoatChat.ai, a project he had been developing together with Yerbol Kopzhasar, had been sold to Spanish media holding company Newry Global Media. Just a few days later, Bakytzhan announced that he had raised $5 million for his new project, Nace AI. The company is developing a system that creates highly specialized AI models for specific business tasks. Over the course of this year, Nace AI has already closed a $21.5 million funding round, signed a contract with a Big Four firm, and agreed to work with Yahoo! co-founder Jerry Yang and Intel CEO Lip-Bu Tan.
In an interview for “100 Startup Stories from Central Eurasia,” a joint project by Digital Business and Astana Hub, Bakytzhan spoke about what it took to secure the first $5 million in investment, how small language models (SLMs) differ from LLMs, and what value they can bring to the enterprise segment. We also talked about how difficult it was to land a contract with a Big Four firm, how much the startup is already making, and when it could reach a $10 billion valuation.
“I got turned down a lot because, back then, no one really understood the power of small language models”
– Almost immediately after the GoatChat.ai deal, you announced that Nace AI had raised $5 million from General Catalyst. When did the idea for the new project first come about?
– While I was still working on GoatChat.ai, I started digging into different language models. I realized the current architecture has some fundamental limitations that make it difficult for these models to generalize broadly or handle long, meaningful contexts. This led me to a niche I found really interesting: small language models (SLMs). I saw a lot of potential for them in the enterprise space. They could help companies get real value from AI instead of just burning through tokens without much to show for it.
Architecturally, SLMs are actually quite similar to LLMs, and the way they work isn’t fundamentally different. The key difference is scale and specialization. For example, Claude or ChatGPT can have anywhere from 1 to 3 trillion neurons, while small language models have around 10–15 billion and are designed for much more narrowly focused tasks.
What does that look like in practice? If you take a trillion neurons in a large language model, around 85–90% of them are essentially storing information from a huge library. Things like when Einstein was born or the name of the first dog to go into space. In other words, only around 10–15% of the neurons in an LLM are useful for business. Our idea was to give companies exactly that part. For example, a model that can handle customer support, write SQL queries, and so on. So the main advantage of small language models over large ones is that you strip away all the noise and keep only what is needed.
– How quickly did you manage to close the $5 million round?
– Once it became clear that the GoatChat.ai deal was close to completion, I started looking for investment for Nace AI. By then, we already had a prototype that could create a small adapter for an SLM tailored to three use cases: customer support, SQL queries, and compliance.
I spent four months talking to different funds. I got turned down a lot because, at the time, very few people really understood the potential of small language models. Investors asked a lot of strange questions simply because they didn’t have much technical expertise in this area. So we decided to focus on investors who really understood the space.
General Catalyst was one of them. I pitched the product to their CEO and managing partners. They liked what we were building and decided to invest.
– Sounds pretty easy…
– It was actually a tough road. Before I secured the investment, I spoke to 40 different funds, and every single one turned me down. It was hard.
Another problem is that in Silicon Valley, no one really gives you proper feedback. You have no idea whether your pitch was good or bad. Investors just say, “It’s okay, fine.” At first, I found that really unusual.
Getting to General Catalyst took a lot of sweat and tears. But even if they had said no, I wouldn’t have given up. I came to Silicon Valley with one goal: to build a company here. And no one was going to stop me.
“Right now, large language models are basically using a sledgehammer to crack a nut”
– What does Nace AI look like today?
– Our core product is MetaModel. It’s an architecture for creating small language models that incorporate a client’s internal policies, compliance procedures, and corporate knowledge. In practice, we bring our small model to a client, and they might say they’re working on an AI agent for a specific task. We then build an adapter that fine-tunes the agent to the company’s policies and particular use cases. Put simply, MetaModel is a technology that lets companies quickly customize and personalize small language models.
We have four small language models of our own. The first versions were built using a mix of existing architectures from Google, Meta, and Microsoft, which saved us a lot of money. There also isn’t much point in building an architecture from scratch when so much work has already been done. So we took the parts we needed from several LLMs, stripped out what we didn’t need, and added a large layer of our own knowledge on top. The key was choosing the right data so the models could work effectively for the kinds of requests enterprise companies have.
In the end, you get a mix of datasets that needs to include both public and academic data, such as basic arithmetic, to keep the model from degrading. But the most important part is specialized data. We bought this data from different companies and providers, spent quite a lot of money on it, and then filtered it. Around 60–70% of the dataset needs to consist of this kind of specialized data if you want to build an SLM tailored to a specific use case.
– What specific tasks is each of your four small language models designed for?
– The first one is mainly designed for working with documents. A lot of large corporations still handle documents as PDFs, scans, and so on. We built a model that scans all of this material with a high level of accuracy and prepares it so other models can process it and perform specific tasks with it.
The second is designed for fact-checking. For example, if another model says a document hasn’t been signed, our model goes and finds that document so it can visually show whether that claim is correct or not.
The third is trained to understand finance, because current models aren’t very good at it. For example, they often don’t know basic accounting principles and other important details.
The fourth model specializes in choosing the right tools for different tasks. Right now, large language models are, figuratively speaking, using a sledgehammer to crack a nut. We trained ours to use a hammer instead.
By the way, we built the fourth model entirely from scratch once we had more funding. It runs fully on our own GPUs and was trained on our own data.
“Convincing accountants to give you money isn’t easy”
– Not long ago, Nace AI started working with a Big Four company, signing what you described as a “long-term contract.” What helped you secure the partnership?
– They saw a lot of potential in our technology for financial audits, tax return preparation, and similar tasks. It performed much better than the products they already had and the solutions offered by competitors. It’s pure competition: the best solution wins. We showed in practice what our technology could do, and after that they said, “All right, let’s work together properly now.” And our pilot wasn’t free, either.
It may sound simple, but we pulled off something that felt almost impossible. Convincing accountants to give you money is no easy task. We put a huge amount of work into it. The deal took 10 months to close, and we probably had more than 30 meetings along the way. But in the end, it worked out because I was determined from the start to make the deal happen.
– Who else are you working with?
– Right now, we’re focused on service companies in the financial sector, including banks and lending institutions. Basically, anyone whose business revolves around money. I see a real opportunity to build a profitable business model in this segment and deliver strong value to our users.
Right now, we have three full-fledged clients, with two more in the onboarding process. But it’s important to understand that sales cycles in the enterprise segment are long.
– How do you monetize the product?
– AI companies don’t have that many options when it comes to monetization. Since we sell small language models, there isn’t much money to be made from inference, unlike some other companies. (Inference is when a trained neural network applies what it has learned to new, real-world data to produce an output — Digital Business.)
A big chunk of our revenue comes from updating the models, because they’re working in an environment that never stands still. Take the Big Four example. They operate in 70 countries and have 35–40 global offices. Say the regulations change in one of those countries and a certain process now has to be handled differently. We then update the model so it works according to the new rules.
There’s also a customization side, where we build company-specific data into the model so it can behave more like the owner or the board of directors.
– What’s Nace AI’s ARR right now?
– I won’t share the exact numbers, but I can say our revenue is already at a strong level. We’ve generated cash flow for the company that is roughly on par with the amount we’ve raised in funding. (To date, Nace AI has raised a total of $26.5 million — Digital Business.)
“In many countries, investors waste a lot of founders’ time by asking the wrong questions and digging into things that just aren’t useful”
– Let’s talk about funding. Not long ago, you raised a $21.5 million round led by General Catalyst, and you managed to close it in less than 36 hours. How did you pull that off?
– There’s a bit of a rule in Silicon Valley: if investors really know the space they’re investing in and see a founder who’s ready to push ahead with the product, things move very, very quickly. It could have taken even less than 36 hours. The funds simply needed time to call people I’d worked with before and get a sense of what I was like as a person. That’s what took the 36 hours.
I actually think all venture deals should move that quickly. Unfortunately, in a lot of countries, investors take up far too much of founders’ time. They ask the wrong questions, ask things that aren’t really necessary, promise funding and then drag the process out for ages, or simply disappear. In my view, once you’ve made a decision, you should move quickly and close the deal. It’s in the investor’s interest too, because a good deal can easily attract a better offer from someone else. So it works both ways.
By the way, our round was oversubscribed. We originally planned to raise $18 million, but a number of other investors also wanted to take part. So, rather than leave anyone out, we gave smaller allocations to several companies and individual investors. That brought the total to $21.5 million.
– You mentioned earlier that you planned to use the funding to grow the team. How many people are at Nace AI now, who have you hired, and what roles are you still looking to fill?
– We have 30 people on the team, and 90% of them are engineers. In fact, we don’t even have a proper sales team at Nace AI yet. We’re only just starting to build one.
As for open roles, we’re looking for product managers, technical program managers, and growth managers. Essentially, we need people who can help drive the company’s growth. We’re also hiring actively in Kazakhstan. We see a great combination of energy, talent, and strong English skills here. We also have a subsidiary in Astana and are a member of Astana Hub, which gives us certain advantages as well.
– Is the US your sole focus right now, or are you planning to expand into other markets as well, such as the EU or MENA?
– We’re seeing a lot of demand for the product in Saudi Arabia and Southeast Asia. We’ve also had quite a few banks from Kazakhstan reach out. But expanding into those markets takes time and attention, and we simply don’t have enough of either right now. So for the moment, we’re 100% focused on the US. I think once the company reaches the Series B stage, when international expansion usually becomes part of the agenda, we’ll come back to those markets.
“We’re not at a billion-dollar valuation yet”
– Are you worried about competition from major players like OpenAI or Anthropic, which could move into small language models at any point? How prepared are you for that possibility?
– We live in an AI world where anything can happen at any time. But right now, we know for sure that OpenAI has decided not to pursue this direction. As for Anthropic, they’ve never really shown much interest in this space. Their focus is on larger LLMs trained on ever-growing amounts of data.
There’s also Google and Meta, which are interested in this area, but for us they’re more of a tailwind. In a way, we benefit from what they’re doing because they mostly work on small models as an open contribution rather than as a core commercial business.
Microsoft is probably making one of the biggest bets on SLMs and competing with us head-on. They still have their Phi family of models. But ultimately, the winner will be whoever can deliver the best accuracy and the strongest personalization.
Yes, there’s a risk that a major player could come in and take our market share. Is there a way to stop that? No. That’s AI. Right now, what matters is how fast you can iterate and how clearly you know where to focus.
– Have any of the big players tried to acquire Nace AI?
– We had two offers, and we said no to both. The first came from the Big Four company we ended up signing a contract with. When you start talking to a company like that, they’ll spend the first six months discussing an acquisition with you. Because of their internal regulations, it’s often easier for them to buy a startup than to set up a partnership.
The second offer came from a fund. They never gave us a final number, but the figures being discussed were nowhere near what I believe Nace AI could ultimately be worth. In my view, the company could be valued at more than $10 billion if we execute well.
– A lot of people in Kazakhstan are already calling Nace AI a future unicorn. How far are you from that milestone today?
– I don’t want to speculate about that. But I can say we’re not at a billion-dollar valuation yet.
– What are your plans going forward?
– They’re pretty straightforward. We have three main priorities: grow the number of customers, increase ARR, and raise our next funding round. And we’re going to do it in exactly that order.
As for fundraising, it’s hard to talk about exact numbers at this stage, but we want to raise significantly more than we have so far. We now need serious resources to build out the infrastructure. That’s the next goal, because supporting large customers requires much more infrastructure capacity.