«Мы делаем сложные вещи простыми». Как WorkFusion меняет рынок умной автоматизации

За полтора года, которые прошли с нашей предыдущей встречи, WorkFusion из перспективного стартапа превратился в важного игрока мирового рынка когнитивной автоматизации и RPA (robotic process automation, роботизированной автоматизации бизнес-процессов). Корреспондент dev.by снова побывал в минском офисе компании и выяснил, что изменилось за это время.

Читать далее…

В 2017 году компанию отметили в своих отчётах сразу несколько крупных аналитиков: в исследовании Forrester WorkFusion оказался в четвёрке сильнейших поставщиков RPA-решений, Gartner высоко оценил вклад компании в развитие IA (intelligent automation, интеллектуальной автоматизации), Everest Group признал WorkFusion мировым лидером в области RPA по видению бизнеса и перспективам. Аналитики CB Insight включили компанию в сотню лучших мировых стартапов в области искусственного интеллекта, а Deloitte внёс WorkFusion в список самых быстрорастущих компаний Северной Америки: согласно последнему исследованию аудитора из «большой четвёрки», с 2013 по 2016 год компания выросла на 770%.

RPA освобождает людей от рутинных работ: обработки входящих документов, простой классификации данных, их извлечения и внесения в базу. Технология позволяет за короткое время передать эти обязанности программным роботам, не переписывая огромные, сложные, проверенные временем системы управления данными. А люди, которые выполняли этот труд руками, получают больше времени работать головой.

— Сейчас RPA на подъёме, поскольку автоматизация бизнес-процессов с помощью скриптов понятна, несёт очевидные выгоды без больших рисков и не требует изменения рабочих систем, — рассказывает Илья Казимировский, SVP, European Operations. — RPA — очень горячий рынок, и то, что мы за два года работы на нём смогли войти в список лучших компаний отрасли, в один ряд с теми, кто работает на этом рынке уже пять-десять лет — большой успех.

Быстрому росту WorkFusion сопутствует активное привлечение инвестиций. В рамках раунда финансирования D, который прошёл в 2017 году, компания привлекла $35 млн. Главным инвестором стал венчурный фонд Georgian Partners. Уже сейчас компания завершает раунд E.

— Продукт WorkFusion интересен инвесторам, поскольку он быстро приносит нашим клиентам и пользу, и прибыль, — говорит Илья. —  Мы добились высокого коэффициента RoI (возврат инвестиций, return of investment): для инвестора период возврата средств не превышает полгода.

Пока на рынке автоматизации нет чёткого лидера: на первенство претендует несколько компаний, среди которых и WorkFusion. Большинство конкурентов делает ставку на небольшие приложения для конкретных задач, но руководство WorkFusion убеждено: чтобы сделать бизнес эффективнее, недостаточно просто внедрить правильное приложение.

— Наша цель — не просто отдать людям готовые бизнес-процессы, но дать им возможность использовать накопленные данные и управлять автоматизацией самостоятельно, не обращаясь за помощью в ИТ-отделы, — рассказывает Илья. — С внедрением нашего продукта у клиентов исчезает необходимость выстраивать большие отделы для рутинной работы. Есть примеры, когда наша платформа обрабатывает 300 тысяч факсов в день — а раньше эту работу выполняли сотни людей, причём с худшим качеством обработки.

Но суть не в том, чтобы автоматизировать все процессы и уволить этих людей. После внедрения технологий WorkFusion бизнес может трансформировать крупные отделы в компактные и гибкие команды, которые будут эффективно взаимодействовать с технологией машинного обучения. Внедряя автоматизацию, компании дают своим сотрудникам возможность делать вещи, действительно важные для бизнеса, и за счёт этого завоевать новые рынки.

Это глубокая трансформация бизнеса, и ей мы тоже занимаемся. Мы всегда глубоко изучаем, как работают компании наших клиентов, как функционируют их операционные отделы, как формируются команды. Мы помогаем заказчику понять, какие люди и какие компетенции нужны на каждом этапе изменений, как не плодить дополнительные сложные цепочки бизнес-процессов. Объясняем, почему бизнесу нужны не приложения, а данные, хорошо проверенные и хорошо обработанные, и даём инструмент управления этими данными.

Рынок автоматизации быстро растёт: бизнесы всё чаще прибегают к помощи RPA, чтобы оптимизировать расходы и высвободить время собственных работников. Не упустить новые возможности развития WorkFusion помогает внешний консультант — американский предприниматель Джеффри Мур, автор бизнес-бестселлеров «Преодоление пропасти» и «Внутри торнадо».

— На подходе волна искусственного интеллекта, и мы хотим двигать эту волну, поскольку уверены, что будущее за ней, — говорит Илья. — Рынок RPA — хороший старт для того, чтобы продвигать идеи ИИ. Но чтобы повести людей за собой, нам нужно было не просто сделать хороший продукт, но и понять, в чём мы можем быть лучше компаний, которые уже давно работают на этом рынке.

Джеффри Мур дал нам совет: «Если вы действительно считаете, что искусственный интеллект важнее, чем скриптованная автоматизация, отдайте людям RPA бесплатно. Покажите, что вам не жалко подарить сообществу то, за что другие компании получают деньги». Мы поняли, что он прав. Так появился RPA Express.

RPA Express — полностью бесплатный продукт для тех, кто хочет попробовать автоматизацию, запустить несложный проект в продакшн. Мы считаем, что это должно быть доступно каждому. Ранее мы отмечали, что наши крупнейшие клиенты приходили в WorkFusion не сразу: до того, как перейти на нашу платформу, они около года пробовали продукты конкурентов. Теперь, когда у нас есть бесплатная версия, клиенты не сомневаются, что её следует попробовать. А поскольку RPA Express не уступает платным аналогам, а во многих областях и превосходит их, спрос на продукт огромный, и количество позитивных отзывов мотивирует нас дальше развивать это направление.

Для клиентов, которым простой скриптовой автоматизации недостаточно, у WorkFusion есть продукт следующего уровня — платформа SPA (Smart Process Automation), которая включает в себя расширенную версию RPA, элементы искусственного интеллекта, сложные алгоритмы машинного обучения, возможность подключать крауд-платформы и целостную аналитику (BI). 

— Существующие на рынке продукты, сфокусированные на машинном обучении, можно разделить на две части: с одной стороны — платформы для учёных и исследователей, с другой — готовые решения для конкретного бизнеса, — рассказывает Георгий Стефанович, директор, продуктовый менеджер ИИ-команды WorkFusion. — Уникальность WorkFusion SPA в том, что он объединяет оба подхода: мы создаём платформу машинного обучения, предназначенную для бизнес-пользователей.

Наша задача — делать сложные вещи простыми. Чтобы пользоваться нашим продуктом, не надо быть специалистом в машинном обучении. Любой человек, способный сделать в Excel табличку с простейшими калькуляциями, в платформе WorkFusion сможет создать собственного бота, применяющего в работе алгоритмы машинного обучения. И не просто создать — понять, как он работает, адаптировать его под нужды собственного бизнеса. Научиться использовать платформу можно буквально за один день, и это выгодно выделяет нас среди продуктов на рынке. Подвигал три ползунка, нажал «Старт» —  и уже получаешь результат.

Одно из важных отличий продукта WorkFusion от конкурентов — использование адаптивного обучения (adaptive learning). Специалисты по анализу данных (data scientists) здесь решают не конкретные узкие задачи, а глобальную проблему автоматического создания моделей. Результат их работы — машинное обучение, которое создаёт и запускает другое машинное обучение.

— Изнутри наша модель выглядит как набор компонентов, в каждом из которых несколько настроек, — объясняет Георгий. — Одни компоненты разбивают данные на группы, другие осуществляют морфологический и синтаксический анализ, третьи вычленяют закономерности и подготавливают данные для алгоритма машинного обучения. Мы применяем различные алгоритмы в зависимости от исходных данных — от популярных нейронных сетей до простых статистических методов.

В результате тренировки автоматически подбирается наиболее оптимальный набор компонентов, алгоритм машинного обучения и параметры, необходимые для достижения целей, установленных пользователем — максимальное качество или количество обрабатываемых данных.

Обучение моделей происходит по принципу «Human-in-the-loop». Робот «наблюдает» за тем, как поставленную рутинную задачу выполняет человек. Со временем он выявляет некий поведенческий алгоритм, и запускает всё множество моделей, которые пытаются выполнять ту же работу. Когда система понимает, что по статистике одна из моделей или комбинация нескольких моделей может сделать эту работу лучше, чем человек, то она просто забирает новые задачи себе. Человеку остаётся при желании выборочно проверять, всё ли робот сделал верно.

Чем больше документов проходит через систему, тем точнее модели определяют, насколько точно и правильно они способны решать задачу. Бизнес-пользователь видит результат обучения всех моделей, и может выбирать, какая ему подходит лучше: та, что даёт максимальное качество при среднем уровне автоматизации, или та, которая способна обработать наибольший объём задач, но с каким-то количеством ошибок.

Сама модель поиска оптимальной модели тоже постоянно обучается. Через пару дней после запуска обучения она может обнаружить, что один из алгоритмов подходит под задачу и пользовательские параметры лучше, чем текущий, и тогда она автоматически меняет конфигурацию — ведь, как правило, конечному клиенту важен не алгоритм, а результат его работы.

С другой стороны, у клиента есть ручной доступ к настройкам каждого компонента: при желании он может самостоятельно подбирать параметры машинного обучения и наблюдать, как это меняет эффективность модели. Более того, он может добавлять в платформу собственные блоки машинного обучения: пишешь плагин, вставляешь его в систему, и он автоматически начинает участвовать в «состязании» на оптимальное решение.

Обучение моделей — длительный и ресурсоёмкий (а значит, дорогой) процесс. Чтобы не тратить деньги клиентов попусту, WorkFusion «научили» свою платформу автоматически масштабироваться.

— Во время простоя или низкой нагрузки система автоматически уменьшает количество задействованных серверов, — рассказывает Георгий Стефанович. — Под высокой нагрузкой она, наоборот, горизонтально масштабируется. Плюс мы делаем всё, чтобы требования к инфраструктуре, необходимой для работы системы, уменьшались: за последний год наши минимальные требования к железу снизились в 10 раз.

Количество данных, которые может обрабатывать платформа, исчисляется миллионами документов в день. Это ещё не большие данные в современном понимании, но высоконагруженная система. Одно из наших важнейших конкурентных преимуществ — всю инфраструктуру мы можем развёртывать на стороне клиента, on-premise.

У каждого клиента есть свои ограничения: одни заказчики не обладают большими вычислительными мощностями, но могут передавать данные во внешние системы, для других клиентов важно, чтобы данные не покидали периметр компании. Первым мы предлагаем клауд-версию, ко вторым приходим с коробочным решением, чтобы развернуть его на оборудовании клиента.

Одно из направлений, которое мы активно развиваем — cross-tenant learning. Модели, которые хорошо себя показали у одного клиента, можно дообучить на данных другого клиента. Пользователи дополняют наборы данных друг друга, и в итоге производительность существенно растёт у обоих. При этом мы гарантируем, что в процессе обучения не сохраняем никаких конфиденциальных данных, и применяем специальные техники, которые полностью исключают возможность восстановить исторические данные из натренированной модели.

Чем больше у нас клиентов, тем лучше работают такие схемы. Объединяя результаты тренировок от трёх-пяти клиентов, мы получаем модели, которые вовсе не нужно тренировать: просто берёшь готовую модель и используешь его для типовых задач. Например, обработку инвойсов или проверку документа на наличие подписи мы выделили в отдельные коробочные решения: они не требуют начальной тренировки. Так сложилось, что большая часть задач, над которыми мы работали, была связана с обработкой текста (Natural Language Processing, NLP). На самом деле, платформа может выполнять и другие задачи — например, обработку изображений.

Как бы быстро ни рос рынок автоматизации, для многих бизнесов RPA и AI остаются непонятными и сложными новинками. Чтобы это исправить, весной 2017 года WorkFusion запустил Automation Academy — курсы обучения по работе с платформой компании, а также по основам автоматизации, машинного обучения и искусственного интеллекта. Часть курсов полностью бесплатна для всех желающих.

— Первым мы открыли курс «Automation Essentials», который позволяет людям окунуться в мир автоматизации, понять язык, на котором разговаривают в этом мире, — рассказывает Илья Казимировский. — Этот очень сильно упростило нам общение с новыми клиентами: курс проходится буквально за день, и после него нам уже не надо объяснять, чем конкретно мы занимаемся и как это работает. Мы открыли академию в апреле, и меньше чем за год получили более 12000 сертифицированных специалистов. По количеству выданных сертификатов мы уже обошли некоторые академии, созданные конкурентами 3-4 года назад.

Отдельное направление академии — специальные курсы обучения для компаний-партнёров WorkFusion.

— Между WorkFusion и нашими конечными заказчиками существует сеть партнёров — компаний, которые внедряют наш продукт на стороне клиента, — объясняет Вера Поклонская, менеджер компании по работе с людьми. — Мы делаем инструмент, клиент платит нам за лицензию на его использование, а компании-партнёры занимаются наладкой и внедрением этого инструмента и получают плату за сервисы. Партнёрская сеть позволяет нам оставаться продуктовой компанией, не наращивая сервисное направление до огромных размеров. В числе партнёров WorkFusion уже более 40 компаний: белорусские EPAM и IBA, крупные зарубежные — Cognizant, Virtusa, TCS, Capgemini, компании Big4, BCG  — и многие другие.

— В рамках академии мы создали специальный двухнедельный курс для обучения партнёров, — рассказывает Георгий Стефанович. — После его прохождения любой программист, даже если до этого он не имел никакого представления о машинном обучении, может делать реальные проекты на нашей системе. С сентября мы обучили уже около 300 технических специалистов из компаний-партнёров, и все они могут самостоятельно решать сложные задачи, связанные с машинным обучением.

Академией занимается отдельная команда: сейчас в ней четыре человека, но мы планируем расширить подразделение. Стараемся постоянно сохранять курсы в актуальном состоянии: как только в продукте что-то меняется, мы обновляем и содержание курса.

Основные языки разработки в WorkFusion — Java и Python, который используется для исследовательских задач. Для алгоритмов машинного обучения компания использует фреймворки Torch, Caffe, TensorFlow, Scikit-learn, для непрерывной интеграции и доставки — Jenkins, Docker и Ansible.

— Мы используем Java последней версии, RxJava, Spring Cloud, RabbitMQ, Mesos/Marathon, — рассказывает Георгий Стефанович. — Активно смотрим в сторону Spark и Kafka, но пока не внедряем: мы очень осторожно подходим к выбору технических решений. Прежде чем добавить новое звено в наш технологический стек, мы проводим проверку гипотезы, тестируем решение под реальной нагрузкой. И только если нас всё устраивает, вставляем новую технологию в продукт. У нас в R& D-отделе работа очень интересная, но за счёт этого осторожного выбора она бывает крайне продолжительной.

Мы всегда ищем талантливых инженеров, и не принципиально, какими технологиями они владеют. Если человек хорошо разбирается в области алгоритмизации, он нам подходит. У него должны быть крепкие знания Java, а если при этом он из домена big data — это идеальное сочетание. Очень часто люди приходят к нам без знаний алгоритмов машинного обучения, без опыта работы с высоконагруженными системами — эти навыки они получают тут.

В data scientists мы набираем ребят, которые готовы предлагать нестандартные варианты решения задач. Здесь требования немного другие: мы ищем людей с опытом в индустрии, которые не будут ожидать, что им скажут, как что-то сделать. Есть лишь видение и сроки, а как именно решать задачи — их полная свобода действий.

Как устроены команды в WorkFusion, почему компания отказалась от обычной пятидневной недели, как откровенность сотрудников помогает работать быстрее и почему инженер должен быть счастливым — читайте в следующем материале.

Фото: Андрей Давыдчик

Эта публикация подготовлена в партнёрстве с WorkFusion 

Что такое партнёрский материал?

УНП 192550274