Елена Шишкина хотела стать психотерапевтом, проработала HR-специалистом, а потом научилась писать код по Pythontutor, изучила SQL и создала свой IT-стартап по оптимизации использования человеческих ресурсов с помощью ML — LABRA.
Основатель стартапа-участника программы Cloud Boost рассказывает, как решиться изменить карьеру и эффективно выстроить работу с подчиненными.
От линейной карьеры к своему делу
В детстве Елена хотела стать психотерапевтом. В итоге девушка решила, как будет помогать людям, и выбрала HR-сферу, которую изучала еще со средних курсов бакалавриата СПбГЭУ. На первом этапе и мыслей не было о предпринимательстве — хотелось стать хорошим высококвалифицированным специалистом в крупной компании.
Изначально казалось, что стать хорошим HR-менеджером и найти интересный проект – это то, к чему нужно стремиться так же, как программисты стремятся устроиться в Google. Однако, проработав в нескольких компаниях, даже таких крупных и внимательных к мелочам, как VALIO и UPM, Елена увидела, что иногда бизнес недостаточно заботится об эффективном использовании человеческих ресурсов.
Какой бы сфере компания не принадлежала, у нее всегда достаточно «замылен глаз», чтобы самостоятельно найти ресурсы для оптимизации использования рабочего времени. По статистике LABRA, с новыми подходами зачастую производительность труда может быть увеличена на 25-30%.
От студента с повышенной стипендией к грантополучателю
Еще во время учебы в бакалавриате Елена писала профильные статьи, в магистратуре повысила стипендию до научной. Общий опыт, как профессиональной деятельности, так и академической, позволил стать грантополучателем фонда Владимира Потанина с 2016 по 2018 год.
От HR-консалтинга к IT-стартапу
Понимание, что сейчас «без кода – никуда» приходило постепенно. Когда Елена создала свой HR-консалтинг, запросов на аналитику становилось больше, а ресурсов для сбора данных для среза было ограниченное количество. Уже тогда пришла идея отслеживать записи с камер наблюдения, составлять фотографии рабочего дня сотрудников, чтобы сэкономить время и ресурсы.
Через полтора года стартап решил использовать камеры наблюдения и ML для оптимизации собственной работы. Ушло полгода, чтобы сделать MVP и еще год, чтобы собрать нормальное коробочное решение. Некоторое время назад закончились первые пилотные запуски, и можно сказать, что команда прошла точку безубыточности и окупила свои вложения в стартап. Стартап не привлекал инвесторов. На данный момент команда насчитывает 7 человек: это те, кто отвечают за платформу и сервис (разработчики), и HR-специалисты. Елена отметила, что их подход «делай максимально сам, привлекай инвестиции там, где поддерживать необходимую скорость роста своими силами медленно и дорого».
От простоев к эффективности
Платформа занимается разработкой HR-решений для оптимизации использования человеческих ресурсов компаний-заказчиков. LABRA — первый стартап по сбору данных о качестве работы сотрудников и их загруженности с помощью ML и компьютерного зрения. Платформа собирает данные и на их основе составляет объективную фотографию рабочего дня сотрудника; это позволяет находить точки, в которых возможна оптимизация и подбирать для этого необходимые ресурсы. Они помогают увидеть, когда происходят простои по вине сотрудников или когда вопросы есть к самому работодателю и тому, как организовано рабочее пространство, например: принтер расположен так, что весь отдел тратит много времени, чтобы забрать распечатанные документы. LABRA зачастую обнаруживает не слишком очевидные проблемы.
Сами сотрудники компаний-клиентов на решение реагируют взвешенно. Те компании, в которых установлены камеры наблюдения, подписали соглашение с сотрудниками о том, что их персональные данные в виде видеозаписей создаются и хранятся в течение какого-либо установленного срока.
От технологии к полноценному облачному сервису
Когда команда стартапа увидела спрос на LABRA, было решено масштабироваться, «переселить» технологию в облако и позиционироваться как облачный сервис. Пока некоторые процессы еще тестируются и штатная работа происходит просто на арендуемых вычислительных мощностях, но в ближайших планах у команды перенести платформу полностью в облако.
В феврале стартап стал участником программы Yandex Cloud Boost и получил грант для ознакомления с сервисами Yandex.Cloud, в числе которых и недавно запущенный сервис машинного обучения – DataSphere. На сервисах удалось развернуть новую фичу — веб-сервис для обработки и разметки видео. Также стартап решил проблему с масштабируемостью. Теперь сбор данных выполняется на 75% быстрее, чем это было возможно до использования AI, а стоимость команда планирует удерживать на 15-20% ниже рыночной на аналогичные услуги.
Источник: https://vc.ru/life/140306-kak-sozdat-it-startap-esli-ty-gumanitariy
