Коротко

Новости

Подробно

Фото: Rawpixel.com / stock.adobe.com

Власть стартапа

Инвесторы в поисках новых «единорогов»

Слово «стартап» мир узнал из статьи Forbes в 1977 году: журналисты издания впервые назвали так компании с короткой историей операционной деятельности и строящие бизнес на основе инновационных идей и технологий. Термин прижился, как и другой – «единорог» (unicorn): так основатель фонда Cowboy Partners Айлин Ли в 2013 году окрестила стартапы, стоимость которых превысила $1 млрд. Каждый венчурный инвестор мечтает вложиться на ранней стадии в проект с прорывной идеей, который потом, возможно, дорастет до масштаба «единорога» и окупит все инвестиции. Помочь в поиске проектов могут такие конкурсы стартапов, как «Криптонит Startup Challenge», организованный инвестиционной компанией «Криптонит». Жюри, в состав которого входят признанные эксперты венчурного рынка и руководители крупных корпораций, будет оценивать компании и идеи в целом ряду профильных направлений: криптография и квантовые вычисления, искусственный интеллект, машинное обучение и нейросети, Big Data, IT-безопасность, технологии распознавания лица и речи, а также телеком-стандарты. Рассмотрим каждое из них подробнее.


Передовая суперпозиция


Криптография — наука о шифрах, которая насчитывает уже около 4 тыс. лет исследований. Если сначала это была простая подмена букв алфавита буквами другого или вымышленными знаками с целью скрыть смысл послания, то современная криптография занимается шифрованием цифровых данных с использованием сложных математических алгоритмов: хэш-функций, цифровых подписей, асимметрии алгоритмов.

В последние годы одним из самых популярных способов применения криптографии стала технология блокчейна — распределенного реестра данных. Она появилась в 2008 году в Bitcoin — цифровой платежной системе, где пользователи благодаря криптографии могут совершать онлайн-транзакции друг с другом, не боясь быть обманутыми.

Это не означает, что пользователи Bitcoin никогда не теряли свои сбережения. Они могли потерять пароль от своего кошелька, их компьютер мог быть взломан хакерами. Но все это не имеет никакого отношения к криптографии — она не занимается защитой от кражи ключей. Все, что она делает, — безукоризненно шифрует данные.

Однако в скором времени большая часть нынешних криптографических методов защиты может оказаться бесполезной. Глобальной угрозой для них считаются квантовые компьютеры. В отличие от обычных компьютеров в основе работы квантового лежит кубит, который может находиться в так называемой суперпозиции: как и у бита, у кубита тоже есть два значения — 0 и 1, но благодаря квантовой суперпозиции он может одновременно принимать все возможные значения. Это существенно ускоряет «перебор» возможных значений, на сложности которого и основана современная криптография. Квантовый компьютер может быть на несколько порядков, в миллиарды раз быстрее обычного компьютера и даже суперкомпьютеров при решении таких задач. А значит, и старые методы шифрования данных перестанут быть непреодолимой защитной стеной для хакеров.

Но это пока только в теории. Проблема заключается в том, что кубиты слишком неустойчивы, а любое изменение во внешней среде способно нарушить вычисления такого компьютера.

«Последние годы сфера квантовых технологий становится все более и более привлекательной для инвестиций — квантовые компьютеры, квантовые сенсоры и квантовые коммуникации обещают настоящий прорыв, -указывает эксперт Российского квантового центра (РКЦ) Алексей Федоров. — Основным инвестором в квантовые технологии выступает государство. Это объясняется их стратегической важностью для таких сфер как информационная безопасность и медицина. Развитые страны создают целевые программы развития квантовых технологий: в Европе более чем на €3 млрд, в Китае — (по разным данным) $10 млрд, а в США Конгресс рассматривает проект на $20 млрд».

Кроме государственных программ значительное ускорение развитию квантовых технологий придали интерес и инвестиции со стороны частных компаний: они создают внутренние исследовательские подразделения — например, в Google и IBM, а также специализированные научные центры — такие, как Station Q Microsoft. Суммарные инвестиции Google, IBM, Microsoft, Intel и Alibaba превышают $0,5 млрд. Инвестируют в квантовые технологии и венчурные фонды, продолжает Алексей Федоров, приводя данные Economist и CB Insights: согласно их оценкам, венчурные инвесторы вложили в проекты в сфере квантовых технологий больше $250 млн за последние годы. Это касается как стартапов, разрабатывающих «железо» для квантовых компьютеров, так и софта, алгоритмов и других технологий. Один из примеров крупных сделок в квантовой сфере — покупка корейской компанией SK Telecom доли в швейцарском проекте по квантовой криптографии ID Quantique (по экспертной оценке, за $130 млн).

В начале прошлого года Intel представил 49-кубитный процессор, а IBM создал «коммерческую квантовую систему» мощностью в 20 кубитов. В этой области с успехом трудятся и российские научные институты и технологические стартапы при поддержке крупных инвестфондов. Так, консорциум МГУ имени Ломоносова, Внешэкономбанка, компании «ВЭБ Инновации», Фонда перспективных исследований (ФПИ) и АНО «Цифровая экономика» работает над созданием 50-кубитного процессора. Ожидается, что общая сумма инвестиций в проект составит 900 млн руб., а сам компьютер появится в ближайшие три года.

Еще одна команда — РКЦ, работающий с «Ростелекомом», QRate и «С-Терра СиЭсПи». Основным из главных инвесторов центра стал «Газпромбанк», вложивший в компанию уже больше 1 млрд руб. В январе 2019 года команде удалось успешно провести второй этап испытаний отечественных решений и оборудования для организации квантовой защиты передачи данных на действующей волоконно-оптической линии связи. «Успешные итоги испытаний с привлечением нескольких отечественных производителей оборудования на действующей инфраструктуре „Ростелекома“ подтвердили, что технических ограничений для организации квантовой защиты передачи данных практически нет. Это приближает появление коммерческих сервисов, основанных на квантовом шифровании передачи критически важных данных», — заявил тогда вице-президент по стратегическим инициативам «Ростелекома» Борис Глазков.

Генеральный директор USM Management Иван Стрешинский:

Какие качества должны проявить молодые специалисты, чтобы развить свой стартап? Скорость и умение (даже скорее дисциплина) не идти на компромиссы при найме первых сотрудников. Заранее оговорюсь, эти качества не обязательно являются «самыми главными». Конечно, это не полный список, да и в зависимости от обстоятельств приоритет может быть разным. Но оба качества довольно универсальны, и чаще всего окажут большое влияние на итоговый результат.

Скорость – одна из главных качеств предпринимателя. Но это особый тип скорости – умение быстро выходить на результат. Любой стартап – эксперимент, понравится ли рынку задуманный продукт или нет. Готовой формулы ни у кого нет, нужно совершенствовать её, перебирая продуктовые и бизнес-гипотезы, пока не закончились деньги. Возьмём гипотетический (и далеко не идеальный) пример: команда стартапа А придумала новую функцию, потратила на разработку два месяца, только чтобы узнать, что этой функцией никто не хочет пользоваться. Команда стартапа Б придумала новую функцию, разместила на главной странице приложения кнопку с названием новой функции (которая вела на пустую страницу с надписью “coming soon”) и посчитала, какой процент аудитории заинтересовался. Стартап Б получил огромное преимущество – он проверил гипотезу в 30 раз быстрее. В основе скорости должно лежать желание найти максимально быстрый (но эффективный) способ выйти на результат, на основе которого можно принять дальнейшие решения.

Также очень важно не идти на компромиссы при найме своих первых сотрудников. Скорее всего они станут фундаментом будущей команды. Основателям очень хочется побыстрее вывести людей на работу, быстрее достичь первых результатов… Теперь сравним: потратить несколько дополнительных месяцев, но найти нужного человека, который будет блестяще работать и выведет вашу компанию на новый уровень? Или сэкономить несколько месяцев вначале, рискуя значительно затормозить прогресс всей компании из-за неэффективной работы одного из ключевых членов команды, плюс болезненный (и затратный) процесс увольнения, плюс время на поиск нового сотрудника, плюс время на интеграцию нового сотрудника… Риск кратно превышает кажущуюся экономию времени.

Сейчас ученые могут не догадываться обо всех сферах, где в будущем будут применяться квантовые компьютеры. С другой стороны, уже сегодня есть запрос по действующим задачам, рассуждает гендиректор РКЦ Руслан Юнусов. Например, по его словам, такие компьютеры смогут решать проблемы оптимизации, когда для их решения необходимо одновременно просчитывать большое количество возможных вариантов. «Помимо этого квантовые компьютеры должны облегчить поиск информации в больших объемах данных, помочь решить задачи квантовой химии: например, поиск новых материалов и расчет молекул, — перечисляет он. — Еще одна сфера — информационная безопасность и криптография. Наконец, в последнее время активно развивается направление квантового машинного обучения, когда квантовый компьютер сможет обучать классические нейросети».

«Обученные» нейросети могут решать задачи распознавания речи и рукописного ввода, что важно для создания систем помощи людям с ограниченными двигательными или слуховыми возможностями, приводит пример заместитель руководителя лаборатории криптографии НПК «Криптонит» Иван Чижов. Они также могут ставить предварительные диагнозы на основе небольшого опроса пациента, обнаруживать вирусы и другие вредоносные программы, а также помогать в мониторинге технического состояния опасных производств — таких, как электростанции, продолжает он.

Маленькие квантовые компьютеры уже создаются, но для решения реальных задач нужны не нынешние 50 кубитов, как у IBM или Intel, а тысячи кубитов. И при этом необходимо повысить качество кубитов: сделать их более стабильными, а также максимально сократить количество ошибок, допускаемых ими при расчетах. «Когда мы получим такие компьютеры? Первые полезные образцы, как ожидается, появятся в течение ближайших 5–10 лет», — резюмирует Руслан Юнусов.

Что же до криптографии, то специалисты в этой области не намерены останавливаться и сдаваться под напором надвигающейся компьютерной революции. Уже сейчас ведутся разработки в области постквантовой криптографии, которая будет устойчива к квантовым атакам.

Воспитание «умных» ассистентов


Человеческий мозг скрывает в себе множество тайн. Медики до сих пор не до конца понимают, как он работает. А ученые-программисты пытаются воссоздать его цифровую модель, работая над искусственным интеллектом (ИИ).

Впервые этот термин прозвучал в 1956 году на конференции в Дартмутском колледже (Ханновер, США). Тогда была представлена идея создания машины, которая могла бы «думать», как человек, самостоятельно принимать решения и испытывать чувства. Такие машины и правда появились, но только в кино или книгах писателей-фантастов. При этом зачастую они изображаются как угроза человечеству: Вспомним тот же культовый «Терминатор» или «Из машины».

Ученые до сих пор делятся на два лагеря: одни считают, что создание ИИ позволит людям преодолеть барьер предельных возможностей человеческого разума. Противники же этой идеи говорят об опасности, которую таит в себе создание машины, превосходящей человека в умственных способностях и более не нуждающейся в нем.

«ИИ помогает автоматизировать рутинные процессы во многих сферах: юриспруденция, медицина, маркетинг, безопасность и др. А также сократить трудозатраты, увеличить эффективность процесса, снизить количество ошибок по вине человеческого фактора и т. д., — объясняет президент венчурного фонда Sistema_VC Дмитрий Филатов. — В обществе ведется дискуссия о том, что из-за развития ИИ в прошлое уйдут целые профессии и машина оставит человека без работы. Но нельзя забывать, что сейчас ИИ — это не интеллект в человеческом понимании и очень нескоро сможет им стать. ИИ освобождает для профессионала время и ресурсы на более сложные и творческие задачи».

Так, в Израиле клиники научились использовать алгоритмы для определения самого эффективного протокола лечения рака у детей, приводит пример господин Филатов. Выбор способа лечения определяется не только мнением врача о ситуации конкретного ребенка, но и историческим опытом: какова была эффективность разных способов лечения конкретно такого типа рака у детей за десятилетия. Осуществлять проект помогают технологии компании SQream. «Компания DataSine помогает персонализировать маркетинговые имейлы, SMS, скрипты колл-центров, сочетая психологию и машинное обучение, — говорит Дмитрий Филатов. — При этом у платформы нет амбиций стать альтернативой маркетинговым специалистам, она предлагает использовать освободившиеся у них ресурсы от постоянных A/B тестов на креатив».

Индустриальный директор Радиоэлектронного комплекса Государственной корпорации «Ростех» Сергей Сахненко:

Стартапу нужно задумываться о монетизации еще до того, как он станет стартапом. Это должен быть эффективный способ решения конкретной проблемы с осязаемым коммерческим результатом. Часто успешными стартаперами становятся люди, которые давно работают в одной сфере, знают ее досконально, видят какую-то проблемы и приземляют на решение этой проблемы новую технологию».

«На стадии от идеи до первых инвестиций отсеивается почти 90% стартапов. Так и должно быть. Это нормальная статистика во всем мире – не более 10 % проектов содержат реальную идею для кастомизации и, соответственно, привлекательны для инвесторов. Именно так работает рынок венчурных инвестиций.

Ни поработителей человека, ни идеальных роботов-помощников создать пока никому не удалось. Максимум, чего сейчас добиваются разработчики по всему миру, — это создание ограниченного искусственного интеллекта (ОИИ). Он выполняет только строгий набор задач, но делает это гораздо быстрее и продуктивнее человека. Примеры ОИИ — это программа Deep Blue компании IBM, которая в 1996 году обыграла в шахматы Гарри Каспарова, или программа AlphaGo компании Google DeepMind, которая в 2016 году обыграла чемпиона мира по го Ли Седоля.

При этом между ними есть существенная разница. DeepBlue — это программа, в которую изначально были забиты база всех возможных комбинаций и алгоритм, предусматривающий выбор наилучшего хода из текущих условий на шахматной доске. А DeepMind училась играть в го, имея в своем распоряжении данные о том, как в эту игру играли другие. Ее навык со временем совершенствовался, позволив ей в конце концов одолеть чемпиона мира. В этом и заключается машинное обучение — подраздел методов создания искусственного интеллекта. Роботу даются не просто набор условий и его действий, а база данных, на которых он учится и постепенно совершенствует процесс принятия решений. Так же, как это делает человек, познающий окружающий мир.

За последние годы развитие технологий помогло сделать огромный шаг навстречу реализации ИИ. Мощность процессоров позволяет машинам обрабатывать все большее количество данных в секунду, объемы памяти сегодня уже практически не ограничены, а чуть ли не полностью оцифрованный мир позволяет машине обучаться на терабайтах изображений, находящихся в сети. «ИИ сейчас — самое перспективное направление в сегменте высоких технологий с точки зрения ценности, которую может получить бизнес, — полагает Дмитрий Филатов, добавляя, что в ближайшие 10–15 лет бизнес, не использующий механизмы машинного обучения, не сможет на равных соперничать с конкурентами. — Уже сегодня мы видим, что преимущество компаний-гигантов (таких, как Facebook, Uber, Google и др.) состоит именно в доступных им массивах данных и в алгоритмах ИИ. Более того, многие развитые страны занялись разработкой национальной политики в сфере ИИ, и это лишь подтверждает перспективность направления».

Методов машинного обучения много. Один из них — создание искусственных нейронных сетей. Таким образом ученые пытаются воссоздать работу человеческого мозга, копируя биологические нейронные сети. Принцип работы искусственных нейросетей — большое количество простых взаимосвязанных процессоров. По отдельности они практически бесполезны, имея в своем распоряжении набор из двух функций: получение и передача сигнала. Но будучи объединенными в большую систему, они способны обрабатывать огромный объем информации и учиться на ней.

По оценкам аналитиков международной консалтинговой компании Frost&Sullivan, к 2022 году суммарный объем рынка технологий ИИ увеличится до $52,5 млрд, или в 4 раза по сравнению с уровнем 2017 года ($13,4 млрд). Ежегодный темп роста (CAGR) в прогнозируемый период будет сохраняться на уровне 31%. Что касается российского рынка ИИ, то, по прогнозам компании «Цифра», его объем к 2021 году вырастет до $380 млн.

Сейчас в России разработкой ИИ так или иначе занимаются сотни компаний — как крупных корпораций (вроде «Яндекса», Avito, Yota), так и стартапов. Причем ряд российских стартапов добился мирового признания. Например, Api.ai с проектом голосового помощника Speaktoit получил от инвесторов около $8,6 млн за несколько лет (среди них Intel Capital, Alpine и Motorola Solutions VC), а в сентябре 2016 года компания была выкуплена Google. Другой российский проект, VisionLabs, работающий над технологиями распознавания лиц, сначала привлек 350 млн руб. инвестиций от АФК «Система», а затем 25-процентную долю в стартапе приобрел и Сбербанк.

Баллада о Big Data


Big Data по меркам IT-индустрии — солидный и почетный бизнес, которому уже много лет. Первые инструменты по работе с большими объемами неструктурированных данных появились в 2000-х годах, а в 2015 году аналитическая компания Gartner исключила Big Data из своего традиционного отчета «Цикл зрелости новых технологий», объяснив это переходом от этапа развития Big Data к практическому применению. Динамике роста этого рынка могут позавидовать участники и других сегментов IT-отрасли: по данным IDC, к 2020 году объем рынка «больших данных» достигнет $203 млрд. Сегодня аналитику Big Data используют во многих сферах и отраслях экономики — от телекома и медицины до металлургии и машиностроения: это, в частности, помогает участникам рынка сокращать расходы и оптимизировать затраты.

Задача Big Data как технологии — анализировать все доступные данные, вычислять тренды и корреляции между, как кажется на первый взгляд, не связанными между собой событиями, объясняет гендиректор компании «Талмер» Алексей Белов. Он приводит интересный пример использования анализа больших данных в сельском хозяйстве: «Поступил запрос от одной фермы на внедрение Big Data в расчет поголовья стада. Мы разработали систему, которая на основании акселерометров анализирует данные о перемещении стада, формирует на их базе математическую модель коровы и позволяет предсказать наилучший репродуктивный период отдельной особи. Пилот был успешно проведен на двух фермах совместно с одним из крупнейших телеком-операторов».

Поскольку под понятием Big Data понимают совокупность технологий массово-параллельной обработки неопределенно структурированных данных, для их использования требовались вычислительные мощности, которыми поначалу, в 2000-х годах, располагали только крупные участники IT-отрасли. Однако несколько лет назад с появлением облачных вычислений и массовой виртуализации даже у небольших компаний появилась возможность арендовать оборудование практически любой мощности, необходимое для работы с большими данными. Вместе с отсутствием необходимости вложений в инфраструктуру и возможностью инвестировать исключительно в разработку бизнес на Big Data стал привлекательным и для стартапов.

К примеру, российский стартап BrandQuad — решение в области Product Information Management и облачный сервис по управлению коммерческим контентом — таким, как информация об артикуле, весе, размере, составе и прочих характеристиках товара. Сервис передает обновленную коммерческую информацию о товарах от производителей ритейлерам, автоматически подстраивая ее в процессе передачи под нужный ритейлеру формат, и синхронизирует информацию о товарах внутри подразделений компании-производителя. «Крупные производители зачастую сталкиваются с проблемами при запуске продаж по онлайн-каналам. Сотрудникам тяжело вручную корректировать информацию о товарах, когда ритейлеров много, а продуктовая линейка содержит от 60 до 400 наименований. Старт затягивается, производитель теряет от 30 до 60 дней продаж, а ошибки в карточках товаров могут сократить конверсию более чем на 30%», — говорит гендиректор BrandQuad Филипп Денисов.

На сегодня BrandQuad обработала более 8 млн уникальных наименований товаров от 325 тыс. компаний, в числе ее клиентов — крупнейшие мировые бренды, имеющие производство в России, трое из них входят в список Fortune 500. Весной 2017 года BrandQuad привлек 15 млн руб. в акселераторе ФРИИ, за следующий год компания утроила свою выручку.

Другое направление, связанное с Big Data — усовершенствование алгоритмов обработки собственно самих больших данных. Проект GridGain, который базируется в Кремниевой долине, был основан 12 лет назад российским программистом Никитой Ивановым. Компания разрабатывает софт для повышения производительности и масштабирования обработки больших массивов данных в памяти, что увеличивает пропускную способность и минимизирует латентность вычислительных систем. В 2014 году GridGain получил от Gartner статус Cool Vendor in In-Memory Computing Technologies.

Управляющий партнер Almaz Capital Partners Александр Галицкий :

Фонды сами очень заинтересованы в наборе качественных стартапов, поэтому, при условии, конечно, что стартап действительно стоящий и не сидит тихо в «гараже», а участвует в различных мероприятиях, хакатонах, выставках, фонд сам к нему придет.

Существует множество разных метрик, критериев, более того, у каждого венчурного фонда есть своя методика отбора, зачастую, крайне сложная и содержащая очень много различных уточнений и дополнений, однако я предпочитаю более простой подход, так как все характеристики взвесить очень сложно и, как правило, они не отображают действительность.

Инвестору важно, чтобы рынок, на который он заходит, был большим, тогда существует возможность получить высокий возврат на инвестиции. Второе, рынок должен быть быстрорастущим, иначе я попадаю в засаду, если рынок растет медленно, это создает много сдерживающих факторов для стартапа, которое не позволяют увеличить его оценку.

Существует один немаловажный критерий при отборе стартапов, который относится скорее ко мне, чем к стартапу: наличие моих знаний и связей в индустрии или по-другому, мой опыт на конкретном рынке, если я не знаю рынка, не знаю его потребностей и людей, которые являются лидерами рынка, то моя способность к развитию стартапа ослабевает, конечно, я смогу подсказать основные моменты, помочь с структурированием бизнес процессов, однако без должного нетворкинга достичь успеха будет в разы сложнее.

По словам основателя стартапа, первые 2–3 года GridGain развивался на деньги основателей, но в 2011 году компания получила $3 млн посевных инвестиций от фонда RTP Ventures. А в 2013 году GridGain привлекла уже $11 млн от фондов Almaz Capital и RTP Ventures, после чего выручка компании стала удваиваться каждый год. Сам Николай Иванов признает, что при старте своего бизнеса он допустил несколько ошибок. Одна из них — слишком ранний выход на рынок. Решение негативно сказалось на бизнесе — рынок не был готов к продукту. Другая ошибка — пренебрежение маркетингом. Поначалу в GridGain были уверены, что хороший продукт сам себя продаст, но тяжелая для осмысления разработка была непонятна для рынка и людей, принимающих решения у потенциальных заказчиков. Первые продажи пошли только после активизации маркетинга и тесной работы с аналитиками, инвесторами и пользователями.

Если провести сравнение современных технологических трендов, которые будут трансформировать бизнес вплоть до 2023 года, то в приоритете будут именно искусственный интеллект и инструменты анализа больших данных, считает вице-президент по инвестициям Softline и руководитель фонда Softline Venture Partners Елена Волотовская: «К этим терминам успели привыкнуть за последние несколько лет не только IT-директора, но и руководители российского бизнеса». Она приводит оценки KPMG, согласно которым технологии анализа больших данных являются наиболее часто внедряемыми в российских компаниях — 68% опрошенных уже опробовали внедрение инструментов анализа Big Data в своих компаниях. «Это подтверждает тенденцию, отмеченную Gartner, согласно которой технологии анализа больших данных в течение следующих трех лет будут внедрены в 75% организаций, — продолжает госпожа Волтовская. — Мы ожидаем роста бизнеса стартапов, вышедших на рынок и разрабатывающих решения на базе этих технологий. Хочется думать, что на российском рынке появятся и свежие идеи по разработке принципиально новых инструментов для анализа больших данных, ведь рост их объемов только продолжится».

Средства от кибератак


Информационная безопасность (ИБ) из важного, но небольшого направления IT-бизнеса за последние десять лет превратилась в самостоятельную многомиллиардную индустрию. Так, по оценкам аналитиков Gartner, в 2019 году расходы на информационную безопасность в 2019 году достигнут $124 млрд.

Новым драйверами роста рынка ИБ стала европейская директива о защите данных GDPR, вступившая в силу 25 мая 2018 года, а также массовая цифровизация и цифровая трансформация мировой экономики. GDPR (регламент 2016/679 «О защите физических лиц при обработке персональных данных и свободном обращении таких данных») вынудил многие компании, работающие на европейском рынке, приобретать решения по охране данных пользователей, а цифровая трансформация бизнес-процессов, отчетности и логистики вовлекла в цифровую экономику компании, традиционно работающие на офлайновых рынках и не придававших ранее большое значение вопросам кибербезопасности.

«Реальные убытки среднестатистической компании от утечки конфиденциальных данных в России составляют не менее 1 млн руб. А в громких случаях утечек в крупных организациях финансовые и репутационные потери измеряются уже десятками миллионов рублей», — говорит директор центра компетенций по информационной безопасности «Гарда Технологии» Роман Жуков. В качестве иллюстрации репутационных потерь и сбоя в работе государственных процессов он приводит атаку на ресурсы посольства России в Великобритании в декабре 2018 года: «Тогда, по заявлениям МИДа, были уничтожены важные базы данных и заблокирован доступ к сайтам ведомства». Не стоит забывать и о регуляторных рисках: за допущенные цифровые утечки персональных данных осенью 2018 года европейские власти оштрафовали Facebook на £500 тыс., а Uber — на сумму примерно в €1 млн, напоминает господин Жуков.

Стартапы, специализирующиеся на решениях в области кибербезопасности, не могут соперничать с гигантами ИБ-индустрии с их многомиллионными R&D-бюджетами, зато небольшие команды способны быстро реагировать на новые рыночные запросы и, благодаря высокому уровню экспертизы и нестандартному подходу, быстро создавать востребованные продукты. Решения, которые предлагают стартапы в этой сфере, как правило, дополняют услуги, оказываемые лидерами рынка, или находятся в смежных и сравнительно небольших нишах, которые по тем или иным причинам пока неинтересны компаниям уровня enterprise.

Так, например, стартап Polys разработал систему электронного голосования на основе смарт-контрактов платформы Ethereum, которая позволяет создавать децентрализованные онлайн-сервисы на базе блокчейна. Такая технология обеспечивает распределенную обработку голосов и дает каждому пользователю возможность проверить, был ли его голос учтен корректно. Данные, относящиеся к голосованию (в том числе итоговые результаты), хранятся не на серверах, а в информационных блоках на устройствах всех участников голосования — а значит, злоумышленники не смогут получить к ним доступ. Для этого им придется взломать всю цепь.

Задача Polys заключалась в разработке технологии электронного голосования с высокими уровнем доверия и степенью защищенности. Пока решения Polys использовались в основном в высших учебных заведениях и на внутренних голосованиях партий и общественных организаций (НИУ «Высшая школа экономики», Тюменском государственном университете, на праймериз партии «Яблоко», конгрессе общественных наблюдателей). Однако сама концепция надежного, не поддающегося фальсификациям голосования имеет перспективы и на корпоративном рынке (например, при голосовании акционеров) и на государственном уровне.

Инвестором Polys стал бизнес-инкубатор «Лаборатории Касперского». Руководитель направления по инвестициям и инновациям «Лаборатории Касперского» Вартан Минасян считает, что поиск инвестора не главная задача, с которой сталкиваются стартапы. «Основная проблема — правильно определить рыночную потребность в продукте и не оказаться в плену собственных представлений о том, что нужно потенциальным клиентам, — продолжает господин Минасян. — Люди, создающие технологические стартапы, обладают высоким уровнем технической экспертизы и часто переоценивают уровень компетенций потенциальных заказчиков, предлагая интересные, но излишне сложные решения. Также очень важно представить свое решение в нужное время: не слишком рано, когда для продукта еще нет рынка, но и не слишком поздно, когда конкуренция уже зашкаливает. Задача ментора и инвестора не только грамотно вложить деньги, но и оценить маркетинговую стратегию, дать правильные советы».

Генеральный директор ПАО «МегаФон» Геворк Вермишян:

Наиболее перспективные сферы, в которые мы готовы вкладывать, - это технологические проекты в сфере ИТ-безопасности и мобильных разработок. Отрасль телекома, которую я представляю, активно развивается и требует новых решений. Мы со своей стороны также активно развиваем проекты, которые дают возможность помочь начинающим специалистам реализовать свои идеи в новых полезных IT-продуктах. В компании за 5 месяцев мы запустили технологическую песочницу, существенно упростив корпоративные процедуры для стартапов. Поддержка таких проектов и фаундеров– инвестиции в будущие профессиональные кадры IT и телеком-отраслей».

«Каждый венчурный фонд определяет собственные приоритетные критерии отбора. Показатели, на которые обращаем внимание мы – это, в первую очередь, эффективность команды. Для нас крайне важно отобрать людей, с которыми легко взаимодействовать, есть общее понимание основных целей и задач. Без этого невозможно превратить стартап в сильный бизнес.

Также очень важна «железная воля», способность к адаптации и преодолению трудностей – многие успешные стартапы начинались с абсолютно другой идеи и только способность к адаптации и несгибаемая воля фаундеров этих стартапов позволила им вовремя перестроиться и достичь успеха.

Не менее важными факторами для нас являются актуальность и уникальность идеи технологического стартапа, он должен отвечать на конкретный запрос общества и, несомненно, важен сам рынок, на который в перспективе должна зайти эта идея. Для фондов важны бизнес-модель, темпы роста численности клиентов и «липкость» сервиса, и чтобы работала экономика.

Еще одним примером успешного стартапа в области ИБ стала компания Wallarm, который предлагает решения защиты веб-приложений от хакерских атак и поиска уязвимостей. Это более классический с точки зрения ИБ стартап, который был создан Иваном Новиковым и специализируется на поиске уязвимостей в информационных системах.

Wallarm создает адаптивные правила безопасности приложения на основе машинного обучения. А сканер уязвимостей Wallarm позволяет отделить опасные инциденты от фонового шума. Разработчики применяют для обнаружения зловредной активности машинное обучение, позволяющее обнаружить даже атаки нулевого дня. Использование алгоритмов машинного обучения для защиты инфраструктуры клиентов, а также для поиска уязвимостей и стало ноу-хау Wallarm.

В 2016 Wallarm через акселератор Y Combinator привлек $2,3 млн инвестиций. А в 2018 году через Toba Capital, Y Combinator, Partech и Gagarin Capital вложили в компанию еще $8 млн. К октябрю 2018 года у компании было уже около 140 клиентов. По словам Новикова, помимо денежных инвестиций Wallarm планирует получить от Toba Capital экспертизу в области строительства enterprise-компании и вывода ее на IPO.

Из поколения в поколение


Телекоммуникационный бизнес не показывает в последние годы быстрого роста. С одной стороны, это говорит о переходе его в стадию зрелого рынка, с другой — размер телеком-рынка так велик, что захват даже небольшой ниши может принести компании десятки миллионов долларов. По данным Statista, совокупная выручка телекоммуникационных компаний в 2019 году достигнет €1,2 трлн. Кроме того, запуск нового поколения мобильной связи — стандарта 5G — станет драйвером роста для всех областей телекоммуникационной индустрии, в этом сходятся мнения всех аналитиков. Согласно данным Deloitte, 25 операторов связи запустят 5G уже 2019 году, еще 26 — в 2020 году, при этом, по прогнозам Reuters, к 2025 году объем мирового рынка беспроводной связи 5G достигнет $1,271 трлн и за 6 лет вырастет почти на 50%.

Стартапы, которым удастся откусить даже небольшой кусок от этого денежного пирога, могут стать настоящими «единорогами». Нельзя сказать, что входной порог в телекоммуникационный бизнес низок, но интересные и креативные решения технологических стартапов охотно покупают крупные компании. Так, Samsung Electronics в октябре 2018 года приобрела испанский стартап Zhilabs — поставщика решений для анализа состояния сетей связи и услуг на основе искусственного интеллекта (AI). Эта покупка позволит Samsung расширить возможности cетей 5G, а автоматизация на основе AI будет играть центральную роль в приложениях Industrial Internet of Things (IIoT), для чего, собственно, и требуются современные автоматизированные решения и аналитика сети.

Впрочем, не все основатели успешных телеком-стартапов в своей стратегии нацелены на продажу своих компаний. Многие хотят сохранять полный контроль над своим бизнесом и развивать его самостоятельно. Так, Сергей Редьков, основатель стартапа Drimsim, базирующегося в Барселоне, прямо говорит, что хочет создать «лучшую компанию в мире, работой в которой гордились бы все сотрудники».

Drimsim запустился в 2016 году, а в России стал известен в 2017-м, после прошедшего в конце февраля Mobile World Congress, крупнейшей в мире ежегодной телекоммуникационной выставки. На ней Сергей Редьков лично встречался с журналистами и лидерами мнений телеком-индустрии и рассказывал им о своем продукте, раздавал и предлагал попробовать Drimsim — сим-карту для путешествий. Ее смысл в том, чтобы предоставить путешествующим одну универсальную сим-карту для мобильной связи по всему миру, причем по ценам локальных операторов. «Мы просто договариваемся с местным оператором на самых выгодных условиях. Цены на связь такие же, как если купить местную симку», — говорят в Drimsim. Пиар в стиле «сарафанное радио» в 2017 году сработал очень эффективно, что говорило о довольно высоком качестве самого продукта. «Сейчас мы ежегодно растем кратно по всем показателям за исключением штата сотрудников, масштабирование без кратных увеличений размера команды изначально заложено в архитектуру компании. Нынешнее количество абонентов — коммерческая тайна. Но число пользователей измеряется сотнями тысяч», — говорит господин Редьков.

По словам предпринимателя, Drimsim еще не привлекал инвестиции, компания развивалась на его личные и заемные средства. «Было ли это сложно? С моральной точки зрения, безусловно. Деньги — как заемные, так и инвестиционные — фактически всегда дают людям, а не проектам или компаниям, потому что верят сначала в людей и только потом в презентации и цифры», — рассуждает Сергей Редьков. По его мнению, если запускать что-то с главным намерением «Деньги», то очень быстро упрешься в потолок как в развитии продукта, так и в мотивации команды и самого себя. «Если же тот, к кому вы пришли за деньгами и инвестициями, видит и чувствует ваши намерения и энергию созидания, это и есть главенствующий фактор. Даже если ты ошибся по дороге, ты исправишься, потому что обладаешь неисчерпаемым источником энергии. А если ты нарисовал красивые таблички, а энергии нет, первые же серьезные проблемы могут закрыть проект». В 2019 году Drimsim начал тестирование eSIM, виртуальной электронной сим-карты для iPhone.

В качестве примера другого успешного российского телекоммуникационного стартапа можно привести Hot WiFi — это система для управления WiFi-сетями и маркетинговая платформа для работы с клиентами. Стартап помогает бизнесу привлекать и удерживать клиентов с помощью анализа больших данных о пользователях. Таким образом бизнес узнает, как часто клиенты пользуются их услугами, получает обратную связь в разных онлайн-формах, негативные отзывы автоматически отправляются через смс менеджерам. Hot WiFi помогает запускать Telegram-каналы, проводить свои опросы и продвигать мобильные приложения. Проект работает с 3 тыс. компаний, среди них — Центральный детский магазин, «Додо Пицца», Burger King. За год команда запустила продажи в Канаде, США и Испании.

Идея пришла основателю Дмитрию Степаненко в 2012 году, когда он шел по улице мимо ресторана: «Что, если превратить подключение к WiFi в возможность для продвижения заведения? Тогда WiFi будет приносить пользу не только для посетителей кафе и ресторанов, но и для бизнеса. Предприниматели получат возможность узнать своих гостей и их контакты и рассказать о заведении друзьям гостя в социальной сети». Дмитрий зашел в ресторан и рассказал о своей идее владельцу, который заинтересовался идеей, взял у него первые деньги и только после этого вместе с Вадимом Виноградовым (сейчас технический директор компании) разработал сам продукт.

В 2014 году стартап попал в акселератор Фонда развития интернет-инициатив (ФРИИ). В компанию вложили 1,4 млн руб. за 7% на стадии pre-seed, месячная выручка выросла в 4 раза до 400 тыс. руб., а число подключенных заведений — в 3 раза: с 50 до 150. После акселерации ФРИИ вложил в компанию seed-раунд, а затем и раунд, А, общая сумма инвестиций достигла 40 млн руб. К 2015 году уже было подключено более 1 тыс. точек в 6 странах, куда стартап выходил через партнеров.

«Для Hot WiFi сложности в привлечении инвестиций не было, поскольку компания показывала понятный traction (т. е. то, насколько хорошо и успешно стартапу удается претворить в жизнь свою бизнес-модель, мера успешности и массовости восприятия бизнес-модели целевой аудиторией проекта. — „Ъ“) и рост в точках и выручке год от года, этого было достаточно для инвестора», — объясняет маркетинговый директор Hot-WiFi Мария Любимцева. В 2017 году компания выпустила на рынок новый продукт: WiFi-радар — сбор аудитории по геолокации для рекламы в соцсетях и поисковиках. Это открыло для компании новый рынок — юрлиц в России в целом, ведь у первого продукта основным клиентским сегментом для стартапа была HoReCa и другие бизнесы, где актуальны гостевые WiFi-сети. «Сейчас по первому продукту у нас подключено более 4,8 тыс. точек, а по WiFi-радару — более 800 активных клиентов. Выручка за 2018 год достигла 100 млн руб., в то время как в 2017 году было 38 млн руб. Что касается акселератора, то ФРИИ, помимо инвестиций, помог нам на старте с точки зрения компетенций в продажах, росте и бизнес-модели. Помощь от них мы получаем и сейчас. Это контакты стратегов и корпораций — потенциальных клиентов, приглашения на мероприятия и встречи, PR-поддержка», — заключает госпожа Любимцева.

Генеральный директор Mail.ru Group Борис Добродеев :

Самое главное, что мы оцениваем в стартапе на ранних этапах, — основатель и сильная команда. Мы ожидаем увидеть профессионалов, которые полностью сосредоточены на своём проекте и имеют опыт работы на рынке. Важно также, какое уникальное предложение стартап несет для потребителя, не должно быть много компаний, которые оказывают такую же услугу. Что касается конкретных показателей, здесь мы в первую очередь смотрим на размер рынка, который хочет атаковать стартап, и темпы роста основных KPI.

Пока российским стартапам в целом не хватает базовых для развития бизнеса навыков: опыта продаж, навыков самопрезентации и амбициозности, считает директор акселератора ФРИИ Дмитрий Калаев. «Но если опыт продаж можно приобрести, а самопрезентации — научиться, то с амбициозностью дело обстоит сложнее, — констатирует он. — Далеко не все готовы рисковать, принципиально менять подход или продукт, чтобы завоевать весь рынок и стать лидером». Однако, по его мнению, за последние десять лет культура предпринимательства «качественно изменилась, и, пожалуй, в лучшую сторону». «Все больше заметны основатели, создающие международные проекты, которые видят своими клиентами не только российского потребителя. Таких предпринимателей будет появляться все больше», — убежден господин Калаев.

Биометрическая система


Во время Чемпионата мира по футболу в России было задержано 180 футбольных хулиганов. И все это благодаря системе распознавания лиц FindFace Security, созданной российским стартапом NtechLab. Такие системы становятся все более популярными: их охотно готовы использовать, например, службы правопорядка, банки и производители мобильных устройств и приложений для них. Так, по данным группы «М.Видео-Эльдорадо», 60% приобретенных в 2018 году смартфонов, то есть около 18 млн штук, имеют возможность биометрической аутентификации. А полученный во время чемпионата мира по футболу опыт так понравился властям Москвы, что они решили развернуть подобную систему отслеживания граждан по всему городу уже в 2019 году.

Разработки в этой области ведутся уже около 40 лет. Например, для того чтобы научить машину распознавать лица на фотографии, используются нейросети и большой массив данных — обучающая подборка фото. Разработчики задают параметры, по которым искусственный интеллект должен определять, кто или что изображено на фотографии. Каждый нейрон сети выставляет собственную оценку того, насколько обрабатываемый им кусочек фото соответствует выполняемому заданию. После этого система суммирует оценки нейронов и выдает догадку о том, что может быть изображено на фотографии. При этом вариантов ответа у нейросети может быть несколько, а выдаваться будет наиболее вероятный.

Но найти человека на фото — лишь верхушка айсберга. Куда сложнее научить систему различать людей между собой, определять, что на фотографии или перед камерой устройства находится конкретный человек. Для этого нейросети предоставляется база данных лиц, с которой она будет потом сверяться. А количество параметров, которые будут оценивать нейроны, значительно увеличивается. В случае с распознаванием лиц из базы данных преступников, система, например, будет отслеживать определенные черты лица, которые с возрастом у людей не меняются. Это позволит ей находить не только сходство человека и свежей фотографии, но и со снимками, сделанными много лет назад.

Старший партнер и управляющий директор, председатель «BCG Россия» Владислав Бутенко:

Последние несколько лет мы наблюдаем устойчивый интерес инвесторов к сферам мобильных технологий, решений в сфере хранения данных и продвинутой аналитики: из 20 тысяч венчурных сделок, которые мы проанализировали, 15 тысяч относятся к одной из этих сфер. Интересно, что сейчас фокус технологических стартапов смещается с конечных пользователей в сторону применения своих разработок в крупных корпорациях. Так, из 1,5 тысяч проанализированных сделок в сфере интернета вещей больше половины разработок относятся к отраслям энергосбережения, бережливого производства, умных городов и предиктивного обслуживания и ремонтов. А из 1,2 тысяч сделок в сфере искусственного интеллекта больше 20% относятся к автоматизации внутренних процессов.

В сфере консьюмерских стартапов было негласное правило: сначала создай клиентскую базу, затем монетизируй ее. При этом мы все наблюдали, как множество консьюмерских стартапов злоупотребляли рекламой как единственным источником дохода. В стартапах, которые решают задачи крупных корпораций, модель монетизации становится понятной гораздо раньше: главное найти индустриального игрока для запуска пилота. Как только концепция доказала свою эффективность, становится понятна модель монетизации.

Сам по себе рынок распознавания лиц пока не так велик, его объем оценивается различными исследовательскими компаниями в $3,8–4 млрд. При этом, согласно прогнозам аналитиков, в ближайшие годы он будет увеличиваться примерно по 15% ежегодно. Российские корпорации все чаще не просто изучают возможное применение технологии, но и вкладываются в сами стартапы. Так, уже упомянутый выше NtechLab привлек в мае 2017 года $1,5 млн от фонда Impulse, а весной 2018-го долю в стартапе приобрела дочерняя компания «Ростеха». Еще один российский проект, VisionLabs, сначала привлек 350 млн руб. инвестиций от АФК «Система», а затем 25% долю в стартапе приобрел «Сбербанк».

Возможности технологий по распознаванию лиц не ограничиваются помощью правоохранительным органам в том, чтобы поддерживать безопасность в обществе, обращают внимание в «Ростехе». «Перспективный сегмент, где она может применяться, — сфера корпоративной безопасности, в том числе системы доступа в офисы или на предприятия. Распознавание лиц востребовано и в сфере ритейла — с его помощью можно вести подсчет уникальных посетителей, определять их демографический состав, отслеживать перемещения по торговым площадям, выбор тех или иных товаров, — указывают в корпорации. — А благодаря распознаванию эмоций можно, например, отслеживать реакцию клиентов на показываемую рекламу. В США активно развивается оплата по лицу. Ожидаемым является скорое распространение этого тренда и в других странах».

Уже сейчас лучшие мировые алгоритмы распознавания лиц, среди которых и FindFace от NtechLab, могут за доли секунды искать соответствия изображению лица по огромным базам изображений (за 0,3 секунды при использовании базы в 250 млн лиц), достигая точности выше 95%. «Если говорить о некой системе машинного зрения, близкой к идеальной, она должна определять человека по такому же набору признаков, как и человеческий мозг, то есть не только по лицу и голосу, но и по силуэту, походке, в том числе со спины, — считают в „Ростехе“. — В этом направлении и движется развитие технологии NtechLab — к примеру, прошлой осенью компания заняла третье место на международном соревновании по распознаванию силуэтов пешеходов WIDER Pedestrian Challenge».

Но еще сложнее обучить машину распознавать человеческий голос. А эта технология становится все более востребованной. Она может использоваться для голосового набора команд в ситуациях, при которых говорить намного проще, чем печатать, или при болезни человека. Например, знаменитый британский писатель Терри Пратчетт утратил способность печатать самостоятельно к 2012 году, но продолжал сочинять еще в течение трех лет, надиктовывая романы своему помощнику или пользуясь устройствами распознавания речи. Распознавание речи применяется в системах интерактивного речевого самообслуживания, когда, например, на телефонные звонки в компании отвечает робот. Правда, пока такие системы довольно ограничены в своем функционале и способны работать лишь с определенным набором заранее заученных команд. Наконец, все чаще появляются системы с голосовым управлением любой техникой, например, умный дом, или автомобилем.

Рекомендуем

наглядно

Профиль пользователя