Научный руководитель vs бизнес-менеджер: как управлять R&D - Алексей Гусаков (Яндекс) (Рубрика #Management)
Интересный
доклад на тему управления разработкой и исследованиями (research & development или просто RnD). Доклад рассказывает Алексей Гусаков, технический директор Яндекс Поиска, который отвечает за все поисковые технологии компании, развитие больших языковых моделей и внедрение нейросетей в сервисы Яндекса для российского и международного рынков. Мне персонально этот доклад импонирует тем, что Алексей рассказывает о том, что важно находить баланс между наукой и бизнесом, чтобы не стать "фигней" или забыть об инновациях.
Основные тезисы примерно такие
- Алексей рассказывает про свою роль как менеджера, где он должен находить баланс между наукой и бизнесом. Есть две ключевые задачи: сохранять технологическое лидерство и обеспечивать бизнес необходимыми технологиями, многие из которых завязаны на ML
- Сам ML можно разделить на три части: продукт и конкретные заказы от них, R&D и зона неизвестного:
--
Продуктовые инкрементальные улучшения обусловлены каким-то запросом на доработки от бизнеса, есть понятные метрики и вообще тут комфортно инкрементально работать командам. Здесь важно, чтобы были челленджи для развития команд и технологий. Но этот инкрементальный подход может привести к состоянию, когда прогресс замедляется.
--
RnD - это технологии, в которые уже есть инвестиции, но результат ожидаются в будущем. Результаты не гарантированы, но вероятны. Важно обеспечивать баланс между бизнесом и RnD. Также достаточно сложно мотивировать команды на такие проекты, так как люди не любят работать с непредсказуемыми резальтатами
--
Зона неизвестного - это технологии, что развиваются в мире и по которым пишутся whitepapers. Тут можно следить за происходящим, читать whitepapers, но инвестировать особо не получится, так как зона неизвестного очень велика
- Оценивать RnD деятельность сложно - обычно это получается сделать только пост-фактум и с большим лагом. Важно проводить ретроспективный анализ, чтобы помочь определить, какие решения были правильными или неправильными. Пример успешного ответа на этот вопрос - объединение трех технологий (распознавание речи, синтез речи и машинный перевод) для создания синергии.
- Оценить работу в области
зоны неизвестного сложно - слишком много выходит научных статей в мире, все не прочитать и не попробовать. Алексей рассказывает про два больших тренда в ML: инвестиции в reinforcement learning и прохождение Atari Games и инвестиции в LLM. В первое ребята не ивестировали, а вторым занимались активно. Поэтому Yandex начинал погоню за OpenAI не с нуля
Финализируется выступление тезисом про культуру Яндекса, которая объединяет инженерную и продуктовую культуры, что способствует развитию машинного обучения. Баланс между исследованиями и внедрением происходит отчасти сам собой благодаря общей культуре Яндекса и семинарам, где обсуждаются научные статьи и практические применения.
P.S.
Я как-то тоже делал подход к снаряду и даже
выступал на Techlead Conf с докладом "
Как RnD появляется в крупных IТ-компаниях". Там я рассказал про то, как для меня выглядит подход к RnD у Google, Amazon, Yandex и немного рассказал про наш подход в Т-Банке. Круто, что в этом докладе "
Научный руководитель vs бизнес-менеджер: как управлять R&D" Алексей рассказал о том, как изнутри Yandex это устроено:)
#Management #Architecture #Culture #RnD