Ведущий Data Architect в Tesla — о карьере в Киеве, переезде и работе в Кремниевой долине

Киевлянин Алексей Ильяшов — ведущий Data Architect в Tesla Inc., еще в конце 80-х занимался научными разработками для космической отрасли, работал в Министерстве обороны и Министерстве иностранных дел Украины, а в начале 2000-х переехал в США. О перипетиях его судьбы на сломе эпох и работе в Tesla мы поговорили после конференции IBM Chief Data Officer Strategy Summit, которая проходила в марте в Сан-Франциско.

Учеба и наука

По первой специальности я инженер-электрик авиационного оборудования: автопилоты, системы управления, бортовые вычислительные машины, системы жизнеобеспечения, системы разведки — все это по моей части.

В 1983 году окончив училище, я попал в новосозданный вычислительный центр при кафедре автоматики. Там была очень сильная научная школа, на нашем факультете из ста преподавателей только пару человек были без степеней. Выпускники получали хорошую подготовку, ехали служить в Звездный городок, в Академию ВВС Жуковского в Москве, многие продолжали научную деятельность. Потом я перешел работать в научно-исследовательскую лабораторию, которая занималась космосом. Там мы работали над серьезными проектами совместно с заводом «Арсенал», Антонова, заводом им. Артема, с Академией наук.

Например, немногие знают, что Ан-225 «Мрия» был создан как первая ступень авиационно-космического комплекса, поэтому его хвостовое оперение очень сильно разнесено в стороны, чтобы реактивная струя орбитальной ступени не снесла хвост самолета-носителя. А как транспортный самолет он стал использоваться только потому, что космический проект не состоялся.

Я защитил кандидатскую диссертацию, подкрепленную десятком изобретений, статистически исследовал алгоритмы автономного управления орбитальным самолетом на атмосферных участках полета. К тому времени Советский Союз развалился, и наши разработки перестали быть востребованы. Само училище закрыли, а научная школа перестала существовать.

Министерство обороны

В начале 90-х меня пригласили заниматься информатизацией вооруженных сил в Центр оперативно-стратегических исследований Генерального Штаба МО Украины. Мы делали какие-то проекты, придумывали концепции информатизации вооруженных сил, писали доктрины, но все оставалось на бумаге, так как большого энтузиазма со стороны руководства не было. Армия — очень консервативный механизм. Никто реально не собирался что-то внедрять и менять. Не было понимания необходимости структурного изменения. Довольствовались советскими наработками, такими как системы защищенной связи, эти технологии всех устраивали, инновационная часть начисто отсутствовала, а компьютеры использовались в основном как пишущие машинки.

Был такой курьезный случай. Американцы подарили нашему министру обороны ноутбук Apple, а нам поставили задачу разобраться и написать инструкцию, но не больше двух страниц. Мы предложили за несколько часов обучить, как им пользоваться, но нам сказали, что человек слишком занятой для такого баловства.

Тогда же мы с сослуживцем, как хобби, писали и внедряли программное обеспечение для больниц, позволяющее автоматизировать ведение историй болезней. Это была своего рода когнитивная система, реализованная по принципу machine learning.

Министерство иностранных дел

Когда я собрался увольняться из армии, знакомый попросил меня сходить в МИД, помочь настроить компьютеры. Они готовили документы, а на принтерах не было украинского языка. Надо сказать, что в 1993 году министерство было совсем небольшой структурой, занимало маленький особняк на Шелковичной, а дипломаты сидели за столами по двое, как ученики за партами. Я настроил драйвера, даже сделал герб в векторной графике для бланков, все были счастливы. И я получил предложение перейти работать к ним, в Национальный комитет по контролю за разоружением. Моим первым начальником стал Константин Иванович Грищенко (впоследствии министр иностранных дел). Я занимался де-факто компьютеризацией всего МИДа — от установки текстовых процессоров до электронного делопроизводства и настройки электронной почты в посольствах.

Гигафабрика Tesla, Невада

Учеба в США

В Штаты я попал в 1996 году благодаря программе International Military Education Training. По ней несколько человек в год из перспективных военнослужащих и госаппарата из стран бывшего Варшавского блока приглашали на обучение в США. Кстати, выпускник моего училища, Гриценко — бывший министр обороны Украины, тоже прошел обучение по этой программе.

Фактически, как я понимаю, это была подготовка агентов влияния — людей, которые, вернувшись в свои структуры, смогут говорить с американцами на одном языке и уже не будут воспринимать их как абстрактных врагов.

Программа предусматривала два этапа. Сначала изучение английского на базе Lackland Air Force Base в Техасе, а потом знакомство с принципами демократии. Но наш МИД обычно отзывал сотрудников после успешного завершения первого этапа, и я тоже планировал возвращаться, но тут американцы завозмущались, все-таки они нас приглашали не на языковые курсы. Пришлось ехать в Монтерей, где находится Naval Postgraduate School. Прошло пару недель учебы, и я с ужасом понял, что если заменить в лекциях слово «демократия» на слово «партия», то все это я уже много раз слышал и никакого энтузиазма по этому поводу не испытываю. Я осмотрелся по сторонам и обнаружил, что в школе есть масса интересных факультетов: компьютерные науки, аэрокосмический факультет, даже факультет информационной войны. Я приложил некоторые усилия и поменял специализацию на IT-менеджмент. По этому профилю я получил магистерскую степень, написав тезис «Development of the Information Infrastructure for the Ministry of Foreign Affairs of Ukraine».

Переезд, первые годы

Еще находясь в Штатах, я понял, что особого желания возвращаться в Украину нет. Карьерная перспектива там у меня была довольно ограниченная: я технарь, работаю в МИД, стал начальником управления информатизации, и это был потолок. Военным побыл, ученым побыл, дипломатом и менеджером поработал. Я разослал резюме в американские компании, и мне сразу предложили работу, это был 1999 год, бум доткомов, и брали всех, кто хоть что-то умел. Пока мне делали рабочую визу, я еще год работал в МИДе, потом уволился из армии в звании подполковника и переехал в Калифорнию.

Первая фирма, где я работал, находилась в Сан-Хосе, в центре Кремниевой Долины. В начале это, конечно, было для меня понижение статуса, я был обычным девелопером, но через несколько лет мой товарищ, кстати, тоже выпускник нашего Авиационного училища, пригласил меня в Nanosolar, где я прошел путь от разработчика программ и баз данных до IT-директора. Это был стартап, который занимался солнечной энергетикой и планировал делать дешевые солнечные батареи на алюминиевой фольге. К сожалению, из-за менеджерских ошибок компания обанкротилась, а я перешел в Maxim Integrated, крупную фирму, которая выпускает микросхемы и чипы.

Рыбалка на Monterey Bay

Tesla Inc.

В 2014 году мой бывший начальник из Nanosolar позвал меня в Tesla, где он к тому времени работал. Моя должность в Maxim меня более чем устраивала, а Tesla тогда воспринималась как какая-то мутная компания, выпускающая всего 12 тысяч автомобилей в год. Я поспрашивал своих опытных местных приятелей, все отзывались довольно скептически — мол, проект «не взлетит». Тем не менее, я прошел собеседования и получил оффер за подписью Илона Маска с условиями лучше, чем у меня были на тот момент. Пришел с этим оффером к начальству, и на следующий день мне предложили новую должность и зарплату точно такую же, как в Tesla. Смысла менять проверенное на неизвестное не было, поэтому я решил остаться. Через две недели мне перезвонили из Tesla и сказали: «Мы тут подумали, предлагаем вам выше должность и больше денег». Я собрал «увольнительную» коробочку и перешел в Tesla.

Особенности работы

Моя должность называется Principal Data Architect, по сути, это технический директор. У меня есть менеджер, но, наверное, он по иерархии ниже меня. Он не вмешивается в техническую часть моей работы, доверяет моим решениям, при этом мы, конечно, делаем ревью тех или иных решений как внутри команды, так и между командами, но часто это не формализовано. Компания, по сути, является большим стартапом и развивается очень динамично. С одной стороны, это здорово, но есть, безусловно, и негативные стороны. Когда нужно «на вчера» и не успевают протестировать, то иногда страдает качество. Из-за того, что компания очень flat, то есть с горизонтальной структурой, много неформальных коммуникаций, может пройти какая-то инициатива и из нее родиться проект, а начальство даже не будет изначально в курсе. Но при этом приходится постоянно балансировать, принимать решения, расставляя приоритеты и не согласовывая с руководством детали.

Когда ко мне приходят со срочными запросами, где-то на бегу, в кафе, я всегда прошу написать в двух абзацах, что именно нужно, и это отсекает половину дел. Ресурсы загружены разными проектами и нужно также динамически уметь их распределять.

Хочу также обратить внимание на то, что приходится постоянно заниматься самообразованием и это критически важно для успешной карьеры. Тесла бесплатно предоставляет всем сотрудникам доступ к таким обучающим ресурсам как Lynda.com и Udemy.

В Tesla используется очень много различных технологий, а еще больше тестируется и изучается. Нет такого, что по всей фирме мы пользуемся только Microsoft-стеком или Java, или если речь о big data, то исключительно R. Есть свобода команд использовать тот инструментарий, который наиболее оптимален под конкретные задачи. Также мы отдаем предпочтения опенсорс-продуктам, потому что классические вещи, типа SAP или Oracle — очень затратные модели, ты им только палец дай, они руку откусят. А есть другие решения, бесплатные, например, Hadoop, MySQL или Red Hat.

Big data

Tesla радикально отличается от других автомобильных компаний, где есть небольшое ядро инженеров-дизайнеров, а основные человеческие ресурсы заняты на производстве. У нас же огромный коллектив софтвер-девелоперов, которые работают и над самим автомобилем, и над автопилотом, и над производством солнечных панелей, и заняты в проектах Solar Roof и Powerwall.

Моя команда занимается обработкой больших массивов данных и интеграцией всех этих систем, включая производство автомобилей на конвейере, контроль качества и так далее. Плюс машина сама репортит очень много данных, которые записываются и передаются на центральные серверы, а потом начинаются всякие интересные вариации, что делать с этими данными. Например, мы можем обработать массив телеметрии с машин, где обнаружились дефекты водяных помп, и можем построить модель позволяющую предсказывать неполадки с помпами до того, как они случатся в реальности. В этом случае мы пришлем человеку уведомление, что ему нужно заехать в автосервис, и ему даже не обязательно знать, что именно там будут делать. А если не нужно машину поднимать, то часто Tesla присылает специалиста или домой, или на работу, и владельцу не нужно никуда ехать и терять личное время. Со временем, автономные машины будут сами посещать сервисные центры в то время, когда они не нужны хозяину. Таким образом, наша модель machine learning помогает предсказать, что при определенной комбинации факторов произойдет определенное событие или отказ. Подобных систем нет ни у одного производителя автомобилей в мире.

Когда мы сохраняем логи, всю автомобильную телеметрию — это не потому, что мы хотим следить, кто куда ездит, это никому не нужно. Доступ к данным очень ограничен, если они обрабатываются, то они не персонифицированы, это абстрактные потоки, которые соединяются с персональными данными аккаунта только в экстраординарных случаях и по специальному разрешению. Работа с big data дает неожиданные положительные эффекты.

Возвращаясь к тем же насосам, анализируя данные, мы можем выявить недоброкачественного производителя комплектующих, определить, какие еще машины в группе риска и обратить на них внимание. Можем на основе этого поменять поставщика или модель насосов. У любого дефекта могут быть разные причины: плохие материалы или, может, люди делают что-то не так, может быть, процесс неправильный или конструкция. Точно зная первопричину, легче устранить неисправность.

В Tesla трепетно относятся к качеству, много усилий тратится на то, чтобы машина была идеальная, не ломалась. Компания дает гарантию на батарею и мотор 8 лет без ограничения пробега, поэтому ресурсы должны быть большие. Автономное управление строится на базе deep learning, и даже если вы не активировали эту функцию в своей машине, то телеметрия все равно собирается и накладывается на данные о том, как вы ехали. И чем больше информации про освещение, состояние дороги, погоду, чем больше машины проехали, тем более умной будет становиться модель. Каждая машина делает свой вклад в совершенствование системы автопилота. Илон Маск обещает, что к концу года автомобиль на автопилоте проедет от Лос Анджелеса до Нью-Йорка. Такой прогресс стал возможен, в том числе, благодаря самообучающейся модели.

Tesla имеет уникальное преимущество перед всеми остальными автопроизводителями: каждая машина, выпущенная после 15 октября 2016 года, имеет полный набор для автономного вождения: 8 камер, радар, 12 ультразвуковых датчиков и суперкомпьютер, который собирает все данные по распознаванию образов, и чем больше информации, тем лучше. А если взять, например, Google, то у них всего несколько машинок, которые ездят по Пало-Альто, и то, что они наездили за все время по количеству данных, Tesla наезжает за день. Их массив информации для обучения не сравним с нашим.

Вертикальная интеграция

Когда мы делали первую версию автопилота с Mobileye, израильской фирмой, которую сейчас купил за 15 млрд Intel, Tesla им разрешала пользоваться всеми собранными данными. После того как мы прекратили с ними сотрудничать и все делаем сами, у Mobileye уже нет этих данных, с помощью которых можно обучать свою нейронную сеть. А у Tesla практически все in-house, и есть полный контроль, в отличие от других автокомпаний, которые теперь будут сотрудничать с Intel и зависеть от него.

Или, например, Мерседес заявляет, что тоже сделает электромобиль, но ведь батарейки они не делают, а это основная цена. И если на них будет большой спрос, то производитель батареек скажет: «Ребята, цена удваивается». А Tesla делает сама батарейки, объемы большие, цена падает. Поэтому in-house и плотная вертикальная интеграция проектов внутри компании — очень правильная бизнес-стратегия.

Конечно, есть компоненты, которые нет необходимости делать самим, например, водяной насос или тормоза, потому что их миллион, в них нет никакого ноу-хау. А вот электромотор, батарейка, софт, автопилот — это все свое.

На презентации Tesla Model X

Как попасть в Tesla

У нас очень мало контракторов, нет офиса в Индии, все девелоперы — локальный офис. Это позволяет более продуктивно и динамично работать, что важно для стремительно растущей компании. Когда я пришел, в Tesla работало 5 тыс. человек, сейчас около 30 тыс. В прошлом году нам прислали что-то около полутора миллионов резюме, так что, сами понимаете, конкуренция среди аппликантов огромная. Компания делает визы, но только для людей с экстраординарными способностями или уникальным опытом. Например, были претензии к дизайну салона внутри, и Tesla перевезла человека, который занимал должность вице-президента по дизайну Volvo.

В компании очень широкий спектр специальностей, и софт — это не главный бизнес. Нам не нужны специалисты в каком-то колоссальном объеме, нет такого, что под какой-то проект надо набрать 200 программистов. Зато есть необходимость в ярких личностях, которые смогут научить команду чему-то, чего нет у местных спецов. Мы стараемся брать людей уровня senior, которые сразу могут включиться в работу и не будут тормозить коллектив. При этом уровень определяется классом задач, которые человек может решать, степенью его ответственности. Девелопер должен понимать, что за качество отвечает он, а не QA. Довольно часто для кандидатов, претендующих на более высокие, не рядовые позиции, есть требование сделать презентацию, рассказать о проблеме, с которой столкнулся в работе, как ее решил, почему именно так, а не иначе. Кстати, абсолютно все, кто устраивается в Tesla, должны сдать анализы на наркотики.

В Bay Area, на самом деле, есть сложность не в том, чтобы найти девелопера, а в том, чтобы нанять квалифицированных людей, которые будут работать на конвейере, вот в этих профи действительно есть дефицит. Конкретно в моей команде сейчас открыта вакансия девелопера для Master Data Management System. Прочитайте внимательно на сайте требования, подготовьте релевантное резюме и дерзайте! Следуйте моему любимому тезису — «упущенные возможности никогда не возвращаются!»