Longevidade como ideia de produto
Fiquei animado com a extensão da vida em 2012. Como qualquer pessoa com mais de 30-35 anos, experimentei o medo da morte. Até então, você não percebe totalmente que é mortal. E então você começa a notar exemplos de fora: Paul Allen (parceiro de Bill Gates) morreu aos 65, Steve Jobs aos 56, a mãe de Bill Gates aos 64, na verdade, a lista é longa.
Comecei a mergulhar no assunto e descobri que, segundo os cientistas, a idade máxima de uma pessoa em seu corpo é 120 anos. Comecei a experimentar novas tecnologias em mim mesmo. Depois de experimentar a tecnologia associada ao clareamento de sangue com um laser, não fiquei doente por vários anos. E se ele adoecesse, então às 18-20 horas.
E percebi que não queria que meu filho morresse aos 80-90 anos. Essa foi uma das motivações do projeto Longevity InTime. Segundo um de nossos especialistas, Vadim Gladyshev, diretor da Harvard Medical School, há duas motivações para os cientistas aderirem ao projeto. A primeira é a pesquisa básica que pode ser usada para testes de laboratório e depois passa para os testes clínicos em humanos, e a segunda é a motivação pessoal. Acho que essas duas motivações podem ser citadas não apenas em relação aos cientistas.
Montei uma equipe de cientistas que em várias ocasiões conduziu o projeto na direção certa. O acadêmico Andrey Lisitsa e o respeitado cientista da longevidade Alexey Moskalev estavam entre os primeiros a se juntar. Ele formulou para nós os principais biomarcadores que influenciam a expectativa de vida. No processo, fomos acompanhados pelo professor do Hospital da Universidade de Medicina de Tóquio Hayk Arakelyan, principal especialista na área de inteligência artificial Roman Dushkin, chefe do laboratório de FMBA Mikhail Klyuchnikov, professor Alexey Molodchenkov e físico americano, especialista na área de aprendizado de máquina Alexander Skarlat.
O resultado é um produto que investigará de forma abrangente as 20 principais doenças mortais para 400 biomarcadores e fornecerá recomendações personalizadas com base em algoritmos de aprendizado de máquina.
São bilhões de cenários para o desenvolvimento de doenças, para cada cenário há uma solicitação de busca de dados confirmados por ensaios clínicos. Nenhum recurso humano pode formular uma solicitação em tempo real e receber respostas relevantes, ou seja, buscar informações em fontes não estruturadas e marcá-las de acordo com os critérios exigidos. Todos os dias, cem mil artigos sobre diferentes tópicos são carregados em bancos de dados médicos como Pubmed e Mimic, e esses são novos pedidos. Portanto, usamos redes neurais que aprendem no processo de execução de tarefas complexas.
Digamos que desejamos calcular para uma pessoa específica com vários parâmetros físicos individuais, que efeito o nível de glicose ou colesterol tem sobre a obesidade e a probabilidade de ataque cardíaco, derrame, diabetes e alguns tipos de oncologia. Para fazer isso, medimos remotamente os níveis de glicose e colesterol do cliente. Esses são parâmetros personalizados que são influenciados por muitos fatores. Embora não haja recomendações com base no rastreamento pessoal, você precisa trabalhar com o que tem. Comece com pesquisas gerais e construa uma trajetória futura sobre elas. Se houver tal estudo, a inteligência artificial encontrará essa informação, comparará com seus parâmetros e dirá que, muito provavelmente, você tem tal e tal trajetória de vida.
Para fazer leituras de biomarcadores, estamos desenvolvendo um recipiente portátil para a coleta remota de cinco biomateriais. Nele, eles serão enviados para novas pesquisas ao espectrômetro de massas do laboratório. Em comparação, o Atomo Diagnostic, financiado pelo governo australiano, está fabricando um recipiente para coleta de sangue. Vamos levar cinco tipos de biomateriais.
Em nosso roteiro, definimos um ano para rastrear 20 doenças importantes que podem encurtar a vida em 20-30 anos. Provavelmente precisaremos de um pouco mais de tempo para fazer tantos cálculos e checá-los com os cientistas.
Rastreadores de fitness como forma de entrar no mercado de massa
O custo principal de tal produto é alto, então presumimos que seu público-alvo sejam pessoas de alta renda. Portanto, decidimos criar uma “solução alternativa” - aplicativos móveis que todos podem pagar.
Em abril, lançamos os aplicativos AntiObesidade e BMIObesidade contra obesidade precoce na App Store e no Google Play. Durante a sincronização com pulseiras de fitness, o aplicativo recebe dados para análise (frequência cardíaca, pressão arterial, etc.) e algoritmos de IA formam uma previsão da probabilidade de doenças junto com recomendações pessoais para prevenir ou minimizar as consequências de seu desenvolvimento. Esta é uma versão beta por enquanto, mas estamos nos preparando para lançar uma versão atualizada no início de agosto.
Decidimos testar se seria possível monetizar o aplicativo por meio de compras no aplicativo. Até o momento, a hipótese é a seguinte: um relatório gerado sobre os riscos de doenças fatais e recomendações para reduzir esses riscos custará 99 centavos. Grátis nas primeiras duas semanas ou se os riscos e recomendações não mudarem. Este relatório equivalerá a uma visita ao médico ou a um parecer complementar, visto que, em média, 25-30% das mortes no mundo são devidas a erros médicos. Na Rússia, uma consulta médica custa de 1.000 a 1.500 rublos, mas venderemos resultados e recomendações compreensíveis 15 vezes mais baratos. Verificaremos a reação do mercado.
Além disso, em relação à situação com o coronavírus, lançamos um teste do produto principal - o aplicativo AntiCoronaVirus. Este aplicativo é mais para o bem público, nós não tentamos ganhar dinheiro com ele e não promovemos de forma alguma. Queremos melhorá-lo primeiro.
Desenvolvimento com investimento zero e investimento
Eu dormi enquanto o dinheiro era distribuído para todas as startups em uma fileira. E dada a situação com o coronavírus, muitos investidores "entraram em hibernação" e aguardam a normalização dos mercados.
Tínhamos uma ótima ideia, algumas bases, mas não havia dinheiro. Queria formar uma boa equipe o mais rápido possível. Portanto, passamos a estimar o custo de trabalho por hora de cada membro da equipe (ou parceiro). Uma vez por mês, assinamos um ato segundo o qual convertemos a quantidade de trabalho realizado em ações da empresa. Já distribuí aos meus sócios cerca de 0,2% das ações da empresa. Para esses dois décimos de um por cento, os especialistas fizeram um produto que custaria dezenas de milhões de rublos. E não os gastei, mas já testei o comando e as hipóteses. Quando um investidor entra no projeto, ele compra uma caixa já testada.
A motivação do meu sócio-empregado é a seguinte: hoje, pelo valor atual da empresa, ele vendeu uma hora do seu trabalho condicionalmente por $ 50, e se a empresa custar 10 vezes mais, então o custo do seu trabalho será proporcionalmente aumentar. E se pagássemos em dinheiro, não importa quanto custasse a empresa, o custo de uma hora seria o mesmo. Talvez tivesse havido um bônus, mas em qualquer caso, o parceiro não teria recebido 10 vezes mais por seu trabalho. É claro que o parceiro de tal sistema de motivação corre o risco de a empresa não subir de preço, mas também há o risco de uma empresa que paga salários. Quando um funcionário trabalha por um salário, ele fica menos motivado para fazer a empresa valer 10 vezes mais. Em suma, o principal motivador para todas as partes da transação é o rápido aumento da capitalização da empresa.
A falta de dinheiro faz maravilhas. Até agora não encontramos grandes investidores, mas tivemos sucesso em outra coisa. O Google nos alocou US $ 100 mil em empréstimos para capacidade de servidor, o que será o suficiente por alguns anos. Entrou com um pedido de patente nos EUA por US $ 70 - o custo da taxa. O pedido foi preparado pelo algoritmo de inteligência artificial da empresa AI Legal do Cazaquistão, analisado por um advogado de patentes da Índia. Os domínios foram comprados por $ 0,88 cada. A empresa foi registrada por $ 300 - diretamente por nós.
Funciona agora, mas gostaríamos de acelerar. Por exemplo, encontre parceiros que ajudem a criar uma empresa de US $ 100 bilhões em 2 a 3 anos. O montante é mais um indicador da utilidade da sociedade do que um fim em si mesmo.
Time internacional
Montei uma equipe de 11 países: Rússia, Cazaquistão, Azerbaijão, Bielo-Rússia, Ucrânia, Índia, Nigéria, Indonésia e EUA. Existem consultores dos EUA, Finlândia e Reino Unido. Encontrei caras que falam russo graças ao Habr Career.
Não tínhamos a tarefa de montar uma equipe multinacional. Tudo aconteceu sozinho. Quando negociamos com alguns fundos de investimento do Reino Unido e dos EUA, eles disseram que não cooperam com empresas nas quais trabalha a maioria dos imigrantes de países de língua russa. E os russos também trabalham lá. De modo geral, eles não serão capazes de verificar a localização física real do funcionário. No entanto, escrevemos honestamente que 30% de nossa equipe trabalha na Rússia, 70% fora da Rússia.
Agora temos 50 contratos com especialistas, dos quais 30 pessoas estão trabalhando constantemente, 20 por diversos motivos pararam o projeto até agora. Mas nos despedimos bem de todos, pretendo devolver alguns funcionários quando surgir a oportunidade financeira.
Toda a equipe trabalha meio período. Isso não afeta a qualidade do trabalho, mas às vezes os prazos têm que ser alterados. Estamos em contato o tempo todo, uma vez por semana temos uma teleconferência geral. Discutimos todas as tarefas atuais no Slack, usamos o rastreador de tarefas Trello e Jira, armazenamos a base de conhecimento no Gitlab.
Anteriormente, em chats, tentávamos nos comunicar em inglês. Mas por que, se todos entendem russo? Com a chegada de colaboradores de outros países, passamos para o inglês nos chats onde há colegas estrangeiros. Mas onde não há nenhum, ainda falamos russo. Estamos testando diferentes opções de interação.
Até agora, não recebemos lucros e injeções de investidores. Temos apenas entusiastas em nossa equipe, e estamos em busca de qualquer ajuda que ajude no desenvolvimento do projeto.