Как мы расширили возможности наших сотрудников, не являющихся разработчиками, с помощью инструментов машинного обучения

Когда я недавно вышла из декретного отпуска с третьим (!) сыном, я задумалась, какой вызов зажжет во мне профессиональный огонь. Я работаю в Aleph уже шесть лет и сейчас возглавляю нашу команду платформы Ampliphy. К счастью, я вернулся как раз к запуску нашего хакатона Ampliphy.

Алеф инвестирует в прорывные и значимые инновации. Когда мы начали разрабатывать платформу Ampliphy собственными силами, мы рассматривали ее как внутренний стартап. Это быстро стало неотъемлемым активом фонда, который использует наших людей, сеть, программное обеспечение и ресурсы, чтобы помочь нашим портфельным компаниям добиться успеха на мировой арене. Ampliphy, генератор стоимости Aleph, решает самые сложные задачи стартапов, такие как набор талантов, развитие бизнеса и последующее финансирование — в любом масштабе.

Основатели и разработчики любят хакатоны — они будят творческие силы каждого, а также доставляют массу удовольствия. Итак, находясь в центре этой предпринимательской культуры, мы в Ampliphy время от времени запускаем ее. Это нарушает рутину и дает людям возможность опробовать сумасшедшие идеи, которые могут быть неприемлемы в их «повседневной работе».¹

Но это не все, что может сделать хакатон.

Выгода хакатона №1: развитие новых навыков

На этот раз, помимо развлечения, у хакатона была еще одна цель: побудить членов нашей команды Ampliphy, не являющихся разработчиками, использовать машинное обучение (МО) в своей повседневной работе, испытав его в непринужденной, неформальной обстановке. Ampliphy основана на передовом программном обеспечении и технологиях; Команда R&D использует машинное обучение, помимо прочего, для создания инструментов, которые помогают нашим стартапам расти. Однако наша команда доставки, как мы называем нашу неинженерную команду, редко использовала машинное обучение.

«Доставка» — это роль, которую мы как бы изобрели здесь, в «Алеф». Наша команда доставки отображает сетевые активы Aleph, накладывает на них автоматизированный сбор данных и очеловечивает эти активы с помощью таких услуг, как набор талантов, обеспечение продаж и последующее финансирование для компаний из нашего портфеля (и создание потока сделок для партнеров Aleph). Наша команда доставки понимала потенциал машинного обучения для улучшения наших рабочих продуктов, но редко работала с ним на собственном опыте. Было важно вооружить всех членов команды возможностью самостоятельно создавать модели и обучать их. Это будет не только реальным множителем мощности для Ampliphy, но также будет способствовать нашему собственному профессиональному развитию и повышению нашей производительности.

Всего несколько лет назад машинное обучение было привилегированной технологией, которую могли использовать только ведущие инженеры и разработчики. В последнее время он стал более популярен среди разработчиков, а сегодня, благодаря таким инструментам, как AutoML от Google, даже не являющиеся разработчиками люди могут использовать его относительно удобным и простым способом (правда!). Было ясно, что нашей команде по доставке Ampliphy следует приступить к внедрению машинного обучения в рамках нашей рутинной работы, и Дэниел Заутнер, разработчик нашей группы потока сделок, предположил, что хакатон мог бы стать отличным стартовым экспериментом.

Выгода хакатона №2: инновационные практические инструменты для нашей повседневной работы

Целью хакатона было создание инструментов для венчурных операций. Проекты были выбраны, чтобы позволить «поиграть» и «ознакомиться» с AutoML от Google. Каждый модуль был посвящен одному проекту. Бар Шнайдман, выпускник факультета делового администрирования и психологии, обучил модель машинного обучения прогнозировать вероятность того, что недавно созданная компания станет стартапом, просто основываясь на ее названии и адресе. Эта способность позволяет блоку потока сделок выявлять потенциально успешных основателей в тот момент, когда они создают новую компанию, а иногда даже до того, как они начинают искать инвестора. Очевидно, что Ampliphy хранит большой набор данных об израильских стартапах, поэтому обучение модели машинного обучения для «положительных» образцов было относительно простым. Результаты были весьма впечатляющими: с точностью ±90%!

Гали Барам, финансовый аналитик из нашей последующей группы финансирования, обучила модель прогнозировать вероятность того, что аккаунт будет венчурным, на основе его описания в LinkedIn. Фирмы венчурного капитала не всегда четко определяют свой бизнес в названии или описании на LinkedIn, что затрудняет их автоматическую дифференциацию от инвестиционных банков, семейных офисов и других инвестиционных учреждений. Модуль последующего финансирования помогает нашим компаниям находить и связывать их с лучшими инвесторами для их компании для предстоящих раундов сбора средств. Возможность автоматического обнаружения субъектов венчурного капитала в нашей сети должна ускорить наши рабочие процессы, позволяя Гали обнаруживать возможности, которые до сих пор были упущены из-за неправильной классификации. Было очень приятно видеть, что модель успешно идентифицирует организации венчурного капитала, в описании которых не было слов «венчурный капитал» или «венчурный капитал». После этого проекта мы уже обновили классификацию сотен аккаунтов в Ampliphy.

Ури Ар, специалист по стратегии компании Aleph и бренд-стратег, вместе с нашим инженером Талом Басселом решил проверить, можно ли предсказать, является ли человек основателем, на основе описания его профиля в Twitter. Они использовали 300 израильских подписчиков Майкла Айзенберга, а затем подтвердили свой статус основателей (или нет) через LinkedIn. Эта возможность может быть полезна венчурным капиталистам, чтобы распознавать, когда потенциальный основатель начинает подписываться на них в социальных сетях, а также лучше понимать своих подписчиков и группировать их в соответствии с их сферой знаний и интересами. Он все еще находится на предварительной стадии, но определенно позволил нам немного посмеяться, пока мы играли с ним. На изображении ниже вы можете увидеть снимок экрана, на котором Даниэль издевается над первоначальными версиями модели после того, как он решил, что на 99% уверен, что аннотация профиля с надписью «Я не основатель» на самом деле принадлежит, ну, основатель.

Мы также занимались различными другими проектами, в том числе обучением модели для прогнозирования того, является ли компания B2C или B2B, чтобы мы могли различать лучшие таланты на основе их опыта в каждой области. Мы даже создали игру для сбора набора данных, который позволил бы нам определить вероятность того, что два разных человека из одной крупной компании (более 500 сотрудников) могут знать друг друга. Эта способность может усилить потенциал Ampliphy, чтобы найти кого-то где-то в мире, кто мог бы стратегически помочь одному из наших стартапов.

Выигрыш хакатона №3: ​​расширение личных и профессиональных возможностей

Мы уже некоторое время рассматривали возможность внедрения машинного обучения в наши рабочие процессы. Мы всегда понимали его потенциал для ускорения и повышения точности моделирования данных. Но нас, не инженеров из команды разработчиков Ampliphy, машинное обучение просто пугает. На личном уровне я, честно говоря, сомневался, что я, бывший юрист, действительно мог бы создавать свои собственные модели машинного обучения. Я был уверен, что мне понадобится постоянная помощь от команды разработчиков, что значительно усложнило бы выполнение (и, как и все остальные, я не люблю зависеть от других в выполнении своей работы). Но команда разработчиков настаивала на том, что эту работу мы могли бы сделать сами, если бы только попытались.

Среда хакатона превратила то, что могло бы стать стрессовым процессом обучения, в веселый и приятный эксперимент. У нас не было ни OKR, ни результатов, а была только цель научиться использовать машинное обучение в наших рабочих процессах. Мы не только наслаждались собой и возможностью объединиться в команду, но и создали некоторые полезные инструменты, которые уже используем, и другие, которые мы планируем продолжать развивать в будущем.

Что еще более важно, хакатон расширил возможности нашей команды доставки. В Aleph все мы являемся владельцами своих доменов и работаем независимо. Машинное обучение действительно улучшит наши рабочие процессы и поможет нам предоставлять более качественные результаты в будущем, не полагаясь на нашу команду инженеров. Но то, как мы изучили машинное обучение, также повысило наши индивидуальные способности и силу, заставило нас чувствовать себя более уверенно, используя технологии в нашей работе, и оказало длительное и далеко идущее влияние на профессиональный рост и рост каждого из нас.

¹ На самом деле первый хакатон Алеф был проведен для предпринимателей и был посвящен решению проблем, которые делают путь предпринимательства таким сложным. Это было в 2016 году, на Пурим, и включало в себя костюмы, пиццу и основателей в масках.