עובדי חברת קוואק (צילום: QWAK, יח"צ)
עובדי Qwak. לדברי המייסדים, הם כולם נתקלו בבעיה בשלב זה או אחר | צילום: QWAK, יח"צ

מהפכת הביג דאטה כבר מאחורינו והצמיחה תחום חדש של Data Science, אך מתברר שמרבית הארגונים והחברות עדיים מתקשים לשלב בין המודלים שנובעים מההתפתחויות החדשות ובין המוצר עצמו. הסטארט אפ Qwak (קוואק), שהקימו בוגרים של כמה מהיוניקורנים הגדולים שיצאו מישראל בשנים האחרונות, רוצה לפתור את הבעיה הזו באמצעות למידת מכונה (ML) שתעשה אוטומציה לחלק מהתהליך.

Qwak, שהוקם לפני כשנה, גייס עד כה 15 מיליון דולר בסבב סיד ובסבב A. את הסבבים הובילו Leaders fund ו-StageOne, ולקחו בהם חלק קרן Amiti ושורת משקיעים פרטיים ובהם רני וולינגשטיין ממייסדי Intucell ותמיר כרמי ממייסדי IronSource. בחברה מועסקים יותר מ-20 עובדים, רובם הגדול במרכז הפיתוח בישראל והשאר בסן פרנסיסקו.

עם מייסדי Qwak נמנים את אלון לב (מנכ"ל), לשעבר סמנכ"ל דאטה בפיוניר; יובל פרנבך (CTO), שהוביל טכנולוגית את פלטפורמת למידת המכונה של AWS באירופה והיה בעבר המנהל הטכנולוגי של ממר"ם; ליאור פנסו (COO), ששימש בתפקידי פיתוח עסקי ומכירות ב-IronSource ו-AWS; ורן רומנו (סמנכ"ל פיתוח) שהקים והוביל את פלטפורמת ה-ML של Wix.

לב: "יש דברים שאתה יכול לעשות עם תהליכים אוטומטיים ויש דברים שלא. אנחנו גורמים לכל איש דאטה בארגון להפיק הרבה יותר אימפקט ומעלים את כמות המודלים שהוא מעלה למוצר"

"כמעט לכל חברה יש היום אנשי דאטה סיינס, אנשים שהתחרות עליהם גדול ושהמשכורות שלהם גבוהות, אבל קשה להם להשפיע על המוצרים בתוך הארגון שלהם ועל שורת הרווח של החברה" אמר ל-tech12 מנכ"ל Qwak אלון לב. לדבריו, כל צוות המייסדים בחברה נתקל בבעיה זו מזווית אחרת בקריירה שלו.

"הבנו שאין אופציה שלא יהיו אנשי דאטה סיינס, למרות האתגר הגדול", הוא ממשיך. "לפני שהקמנו את Qwak הסתכלנו על חברות שכן הצליחו לרתום את הדאטה לטובת הארגון כמו נטפליקס, אובר, פינטרסט, ו-Wix. הבנו ששימוש מוצלח בדאטה סיינס מתרגם בסוף למוצרים הרבה יותר טובים ומדויקים, כמו במקרה של מנועי המלצה בנטפליקס.

"החוויה של המוצרים האלה מדהימה כי הם מבוססים על ML מאחורי הקלעים. בחוויה העסקית מדובר באופטימיזציה לתהליכי המרקטינג, לתחזיות, להבנה איפה הפרסום עובד טוב יותר או לתהליכים של ניהול סיכונים. הסקייל ורמות הדיוק שאפשר להגיע אליהם באמצעות שימוש ב-ML הם אחרים לגמרי".

איור אינטיליגנציה מלאכותית (איור: Shutterstock)
פתרון ML (אילוסטרציה). "הבנו שאין אופציה שלא יהיו אנשי דאטה סיינס" | איור: Shutterstock

איפה שורש הבעיה? האם זה מחסור באנשי דאטה?
"יש דאטה סיינטיסטס ומה שחסר להם זה להשתלב בסביבת התוכנה של הארגון, כדי שהחבר'ה האחרים יוכלו לתקשר עם המודל שהם פיתחו. כיום, כשאיש דאטה סיינס מסיים לבנות את המודל, כדי לשלב אותו במוצא הוא נדרש לפינג פונג בלתי נגמר עם צוות המתכנתים. בדרך זה עובר בין כל מיני צוותים שונים בארגון שלכל אחד יש מטרה אחרת, והתהליך אורך חודשים. כתוצאה מכך, פעמית רבות כשמגיעים להטמעה זה כבר נהיה לא רלוונטי".

מה בעצם עושה הטכנולוגיה שלכם?
"אנחנו מכניסים את האינטראקציה הזו למוצר ומאפשרים לשני הצדדים לעשות את כל התהליך ולהגיע לפרודקשן לבד. זה בעצם חוסך את התרגום וההטמעה ההנדסית של מודלים למוצר ומקצר תהליך של שבועות לדקות".

אתה מתאר תהליך מורכב וארוך. נשמע שגם הפתרון צריך להיות כזה, ובעיקר צריך להיות מותאם לתחום שבו הלקוחות שלכם פועלים.
"המודל עצמו הוא תלוי מוצר וחברה, אבל התשתית שדרושה בשביל התמיכה במודל היא זהה. לנו לא משנה מה רץ על המערכת שלנו ויש לנו לקוחות שמריצים את כל סוגי המודלים במקביל".

"הפתרונות יכולים להתקיים במקביל לאנשי הדאטה סיינס"

ההפעלה של צוותי דאטה סיינס בארגונים מסתמנת כנקודה כאובה בתעשייה, שלא מעט סטארט אפים מנסים להציע לה פתרון. כך, בשבוע שעבר הסטארט אפ פקאן על סבב גיוס 66 מיליון דולר עבור פיתוח חלופה לאנשי דאטה סיינס בארגונים.

האם יש מקום בשוק לכל הפתרונות השונים האלה או לבסוף חלקם יהפכו מיותרים?
"הם לגמרי יכולים להתקיים במקביל. פקאן או חברות אחרות, שממש מחליפות את הדאטה סיינס, עושות את מה ש-Wix עשתה בתחומה. אבל Wix לא הפכה את מפתחי האתרים למיותרים, הם חיים במקביל. יש דברים שאתה יכול לעשות עם תהליכים אוטומטיים ויש דברים שלא. אנחנו גורמים לכל איש דאטה בארגון להפיק הרבה יותר אימפקט ומעלים את כמות המודלים שהוא מעלה למוצר".