Small AI Teams with Huge Impact (Рубрика AI)

Посмотрел на выходных интересное выступление Викаса Паручури, основателя и генерального директора Datalab, компании, специализирующейся на создании ИИ-моделей для анализа документов. В своем выступлении Викас делится старой истиной о том, что лучше меньше, да лучше, причем это работает с AI командами:) А если серьезно, то вот основные мысли выступления

1. Философия малых команд Паручури представил радикальную идею о том, что количество сотрудников не равно продуктивности. Он поделился опытом своей предыдущей компании Dataquest, где после двух раундов увольнений (с 30 до 15, затем до 7 человек) производительность и удовлетворённость сотрудников парадоксально выросли. 2. Проблемы больших команд Викас выделил четыре основные проблемы, возникающие при масштабировании (sad but true)

• Специализация - узкие специалисты не могут гибко решать ключевые проблемы компании
• Процессная нагрузка - удалённая работа требует множества синхронизаций и встреч
• Перегрузка встречами - особенно с появлением среднего менеджмента
• Неэффективное использование senior-сотрудников - они тратят время на управление junior-персоналом 3. Философия Джереми Ховарда Паручури поделился подходом Джереми Ховарда из Answer.AI. Суть в том, чтобы нанимать менее 15 универсальных специалистов, заполнять пробелы с помощью ИИ и внутренних инструментов, использовать простые технологии. Этот подход требует высокой культурной планки, доверия и фокуса на клиентах. 4. Практический пример: модель Surya OCR Datalab обучила модель Surya OCR с 500 миллионами параметров, поддерживающую 90 языков с точностью 99%. Весь процесс — от общения с клиентами до интеграции в продукты - выполняли всего два человека, что в крупной компании потребовало бы несколько команд. 5. Принципы работы малых команд 5.1 Найм и культура
• Нанимать senior-универсалов (зрелость важнее опыта)
• Избегать переусложнения
• Работать лично для быстрой коллаборации
• Платить зарплаты выше рынка
• Минимальное эго, фокус на результат 5.2 Архитектура и процессы
• Агрессивное переиспользование компонентов
• Простые технологии (без React, серверный HTML с HTMX)
• Модульный код, понятный для ИИ
• Минимальная бюрократия, высокое доверие

В итоге, в Datalab команда из 4 человек достигла семизначного годового дохода (ARR) с ростом в 5 раз за 2025 год. Компания недавно привлекла seed-раунд в размере $3,5 млн от основателей OpenAI, FAIR и Hugging Face. Клиентами являются AI-лаборатории первого уровня, университеты, Fortune 500 и правительства. Отдельно Викас рассказал про их процесс найма из трех этапов

• Беседа с коллегой - обсуждение реальной проблемы
• Платный проект - 10 часов работы за $1000
• Культурное соответствие (cultural fit) - оценка совместимости Интересно, что в этот процесс уже попадают кандидаты, что с высокой вероятностью подходят компании.

Если кратко, то Викас неплохо показал как собирать мобильную и перформящую команду для стартапа, где ключ к успеху — правильные люди, простые процессы и умелое использование ИИ для автоматизации рутинных задач

#AI #Leadership #Engineering #Software #Processes #Productivity