В 2017 году Даукен Сейтқали получил диплом Школы инженерии Nazarbayev University и вышел на рынок труда с чётким планом: развиваться в сфере Data Science, машинного обучения и искусственного интеллекта. Однако казахстанские реалии того времени диктовали свои условия. Вакансий в инновационных направлениях для выпускников без опыта было крайне мало, передает Tech-news.
Студенты часто болезненно воспринимают такой контраст — между тем, чему учили, и тем, что предлагает рынок. Даукен подошёл к ситуации хладнокровно: принял первый же поступивший оффер — должность на заводе LG в Алматы. Его логика была простой: крупная международная компания, можно разобраться в электронике и найти применение своим навыкам.
«Оказалось, что сервисный инженер больше занимается дефектовкой заводского брака. Мы просто ходили по складам и проверяли холодильники на наличие царапин», — вспоминает он.
Несмотря на сильную подготовку в области нейронных сетей, знания долго оставались невостребованными. Лишь во время работы в Институте информационных и вычислительных технологий Даукен впервые столкнулся с задачами, где пригодилось именно то, чему учили в NU: самостоятельно ставить исследовательскую проблему, искать решение и защищать результаты. Его первая научная работа сразу получила Best Paper Award на конференции по Data Science в Японии.
«Это был момент, когда я увидел прямую связь между университетским опытом и реальной карьерой», — отмечает Даукен.
Идея, опередившая своё время
Следующим этапом стала работа в Cerebra AI. Даукена захантили — и он осознанно выбрал медицинское направление, сфокусировавшись на диагностике инсульта. Прошёл путь от рядового ML-инженера до технического лида проекта.
Задача на первый взгляд казалась стандартной: научить алгоритм находить патологии на КТ-снимках мозга. Классический подход — обучать модель на базе снимков с разметкой от врачей, чтобы ИИ повторял их логику. Но этот метод столкнулся с жёстким сопротивлением медицинского сообщества. Врачи называли алгоритм «чёрным ящиком» — модель выдавала результат, но объяснить цепочку своих решений не могла. Для медицины это критично: если врач не понимает логику системы, доверие к такой технологии значительно снижается, а её внедрение в клиническую практику становится гораздо сложнее.
Была и ещё одна фундаментальная проблема. Мозг каждого человека уникален по своей структуре и извилинам. Сравнивать пациента с неким усредненным «эталонным» снимком из базы данных нельзя — модель начала бы принимать индивидуальные анатомические особенности за патологию.
Тогда Даукен предложил принципиально иной подход с применением генеративного искусственного интеллекта. Вместо того чтобы сравнивать снимок пациента с чужими изображениями, он решил сначала «восстановить» здоровую версию именно этого мозга, а затем искать различия между двумя сканами. Такой алгоритм стал значительно понятнее и точнее для врачей. Более того, инновационный подход не требовал ручной разметки данных — модель обучалась исключительно на здоровых снимках мозга. Никто в мире ранее такого не делал.
На тот момент идея выглядела довольно смелой: генеративные модели практически не использовались в нейрорадиологии. Поэтому команда сначала сосредоточилась на классических методах. Однако после внедрения версии со стандартным подходом Досжан Жуссупов предложил вернуться к первоначальной задумке Даукена. Именно эта концепция была по-настоящему уникальной и отличала стартап от конкурентов.
«Когда идея сработала и превзошла все ожидания, я испытал настоящую гордость за то, что мы смогли технологически опередить индустрию», — вспоминает Даукен.
Всё это происходило в 2020–2021 годах, когда генеративный AI ещё не был у всех на слуху. В итоге Cerebra AI стала одним из первых стартапов в мире, применивших подобный подход для анализа медицинских изображений. Даукену тогда было всего 26 лет.
Arlan Biotech: лекарства от рака начинаются с формулы
Опыт применения AI в медицине постепенно привёл Даукена к следующему вопросу: можно ли использовать те же подходы не только для диагностики заболеваний, но и для создания новых лекарств? Даукен поработал в канадском healthtech-стартапе Ryte, а затем запустил собственный проект AgzaThera. Как solo founder разрабатывал алгоритмы для создания новых лекарств и провёл первые продажи за рубеж — канадская биотех-компания 9Bio купила его сервис по подбору мутаций белков.
Работа в одиночку быстро показала свои границы. Даукен понимал, что инженерия и алгоритмы — его стихия. Но для масштабирования нужны глубокие знания фармацевтического рынка и умение говорить с учёными на равных.
«В стартапе недостаточно, чтобы человек был просто крутым профессором. Нужно, чтобы он был готов вкладываться в проект фулл-тайм, отложить всё остальное и быть максимально включённым в процесс».
Во время акселерационной программы QuickStart в NURIS при NU Даукен развивал собственный проект по применению AI для создания лекарств. В это же время PhD-выпускник NU Болат Султанкулов развивал Arlan Biotech как компанию, создающую диагностические тест-системы на основе нанотел. Постепенно команда пришла к выводу, что значительно больший потенциал открывает применение искусственного интеллекта для дизайна самих нанотел, и начала разворот (pivot) в сторону AI.
«Я был очень сильно удивлён. Большая удача — найти именно того, кто мне был нужен», — рассказывал потом Даукен.
Их компетенции идеально дополняли друг друга: Болат отвечал за сильную экспертизу в биологии и презентацию проекта (питчинг), а Даукен — за AI и инженерию. Более того, Болат уже чётко понимал главную «боль» рынка, для решения которой как раз пригодился опыт Даукена.
Так он присоединился к Arlan Biotech в качестве сооснователя. Общий язык нашли моментально: Болат сам умел кодить, а Даукен уже отлично разбирался в биологических процессах.
Сегодня Arlan Biotech разрабатывает генеративный AI для создания нанотел — особого класса белковых молекул, которые используются как основа для лекарств. В традиционном подходе фармацевтические компании скринируют сотни тысяч случайных молекул в лаборатории, чтобы найти одну рабочую. Это занимает месяцы и стоит очень дорого. Технология Arlan Biotech позволяет генерировать кандидатные молекулы точечно, используя 3D-структуру белка-мишени. Из десяти сгенерированных нанотел две–три уже показывают позитивный сигнал в лаборатории. Основные направления — онкология, болезнь Альцгеймера, аутоиммунные заболевания.
Компания прошла акселерацию StartX при Стэнфорде и закрыла pre-seed-раунд с оценкой в $12,5 млн. Скрининговые модели AGZArank уже находятся на первых позициях по мировым бенчмаркам в своей категории, а прямо сейчас идут пилотные проекты с фармкомпаниями из США.
Недавние лабораторные результаты подтвердили мощь технологии: платформа AGZA (от казахского «ағза» — организм) способна генерировать нанотела с высочайшей силой сцепления с целевым белком. По эффективности разработка ничем не уступает крупным конкурентам, которые оцениваются от $100 млн до миллиарда.
«Когда я проходил акселерацию в StartX, я понял, что среда, в которой я получал образование в Казахстане, очень похожа на экосистему Кремниевой долины. Это такая же концентрация талантливых людей, максимально мотивированных на успех», — отмечает Даукен.
Совет фаундерам
Главный посыл Даукена для тех, кто думает начать свой стартап, звучит парадоксально: не бойтесь рассказывать о своей идее. Многие молчат, опасаясь кражи, но, на практике, большинство слушателей просто не поверит, что ваш план сработает. Никто не пойдёт воровать чужую гипотезу, а вы, взамен, получите важнейший reality check.
«В голове всё круто. А когда идёшь в реальность — получаешь пинок. И этот пинок лучше получить как можно раньше. Сделайте презентацию. Покажите. Получите отказ. Это не конец — это начало понимания, что именно надо исправить. У меня было очень много отказов, которые стали для меня мотивацией двигаться дальше», — добавил он.
Разрыв, который оказался этапом
Nazarbayev University с первых лет строился как исследовательский центр мирового уровня с международным преподавательским составом. В каком-то смысле университет смотрел вперёд и готовил кадры для индустрий, которые в Казахстане только зарождались.
Возможностей применить эти знания сразу после выпуска в 2017 году было мало — рынок развивался медленнее, чем программа NU. Даукен прошёл этот этап. Через холодильники в LG. Через рутинный код в «Казахтелекоме». Через Академию наук и первые эксперименты в Cerebra AI. И в итоге пришёл туда, где пригодилось всё, чему его учили, — на глобальный рынок.
Индустрия, к работе в которой NU готовил своих выпускников, объективно сформировалась лишь спустя несколько лет. Эта трансформация требовала времени и, что важнее, специалистов, способных выдержать переходный период без снижения профессиональной планки.
Дариға Булат
