«Скорость важнее идеальности, но точность важнее красоты. Можно катить быстро — но если катите мусор, вы просто ускоряете ошибку» — Макс Тесла, CEO & Co-Founder Blask

C-lvl: Макс, вы начинали как разработчик, увлеченный автоматизацией бизнес-процессов, а сегодня руководите технологической компанией в сфере iGaming. Расскажите, как развивалась Blask — с какими трудностями вы столкнулись на старте и что помогло выстроить компанию такой, какой она является сегодня?

Макс: Blask родился из раздражения. iGaming любит слово «данные», но долго жил в режиме рыночной близорукости: информации много, она разрозненная, с лагом, и часто не отвечает на главный вопрос — что именно меняется и почему.

На старте основные трудности были структурные.

Первое — фрагментация. В офшорных гео бренды живут через зеркала, клоны и доменные цепочки. Если измерять «по доменам», вы получаете уверенную, но неверную картину. Поэтому мы изначально сделали ставку на принцип: измеряем бренд, а не домен — и собираем распределённое присутствие в единый бренд-профиль.

Второе — доверие к цифрам. Индустрия скептична не потому, что «такой характер», а потому что обжигалась: метрики часто продавали как аргумент, а не как проверяемую реальность. Мы специально строили систему так, чтобы она показывала не только результат, но и контекст, ограничения и сигналы неопределенности.

Отсюда — пайплайн контроля качества: нормализация → дедупликация бренд-идентичности → фильтрация «шума/интента» → аномалии относительно сезонности и конкурентного кластера → триаж человеком для кейсов, которые могут повлиять на выводы.

Что помогло? Очень приземленная философия: Truth in Data. Не «прикрутим AI ради хайпа», а «соберем единый, проверяемый язык сравнения рынка». AI у нас не сверху как украшение — машинное обучение внутри ДНК продукта, просто потому что когда-то это был самый дешёвый и действенный способ решать те задачи, которые индустрия ставила перед нами.

C-lvl: Какие управленческие принципы, по вашему мнению, наиболее эффективны в iGaming-проектах — особенно там, где продукт требует узкой экспертизы и быстрой адаптации?

Макс: Три вещи, которые работают почти всегда:

Скорость важнее идеальности, но точность важнее красоты. Можно катить быстро — но если катите мусор, вы просто ускоряете ошибку.
Одна реальность для всех. Внутри команды должно быть меньше «мнений» и больше единых бенчмарков и определений. Если люди спорят, «чей дашборд прав», это чаще всего не дискуссия — это отсутствие общего языка.
Дисциплина в деталях. iGaming не про «плюс-минус». Регуляторика, сезонность, каналы, платежи, локальные ограничения — любая «мелочь» способна убить стратегию.

И отдельно: культура «я не знаю». Самые дорогие ошибки обычно начинаются со слов «да тут всё понятно».

C-lvl: Сегодня технологии и искусственный интеллект влияют не только на внутренние процессы, но и на стратегию компаний. Как, на ваш взгляд, меняется iGaming под влиянием ИИ и какие тенденции определяют дальнейшее развитие этого направления?

Макс: Если честно, я больше люблю термин “машинное обучение”. А то, что вы называете ИИ, уходит из категории «фича» в категорию инфраструктуры. Валера [прим. автора — Валерий Бабушкин, автор канала @cryptovalerii и книги Machine Learning System Design: With end-to-end Examples] сказал как-то одну очень правильную мысль о том, что в русском языке очень странно термин AI переводят и локализуют в принципе, от того и смыслы меняются. В английском intelligence — это не только «интеллект» как способность думать, но и «разведка / разведданные»: то есть сведения, которые собрали, проверили, связали между собой и превратили в основу для решения. В этом смысле intelligence ближе к «сводке для действия», чем к IQ. Не случайно один из ранних текстов про Business Intelligence (ещё в 1958 году [прим. автора - https://www.ibm.com/watson/assets/pdfs/ibmrd0204H.pdf]) определял intelligence как умение видеть взаимосвязи фактов так, чтобы это “направляло действие к цели” — и говорил про “коммуникационную систему”, которая доставляет нужную информацию в нужную точку быстро и без ручной перегрузки.

А слово artificial в английском обычно означает “созданный человеком / рукотворный”, а не «ненастоящий» или «поддельный». В русском же «искусственный» легко считывается как «сделанный наподобие подлинного» или даже «неискренний» — отсюда и ложное ожидание, будто ИИ обязан «думать как человек». Если собрать это вместе, становится понятно, почему ИИ — не магическая «умная фича», а следующий виток эволюции BI: автоматизация подготовки данных, нахождения инсайтов и объяснений, встроенная прямо в платформы принятия решений.

Ценность не в том, что он «умный», а в том, что он помогает компании работать быстрее и точнее в среде, где ручная пропускная способность уже не тянет.

Что я считаю ключевыми тенденциями:

Смещение к более оперативному пониманию рынка. Индустрия слишком динамична, чтобы строить стратегию на данных с недельным/месячным лагом.
Переход от описания к объяснению. Мало знать «что выросло». Нужно понимать «почему» и «какие факторы связаны». Здесь важны не красивые графики, а причинные слои и проверяемые гипотезы.
Рост роли внешних сигналов (outside-in). Внутренние метрики показывают, что происходит внутри продукта, но плохо объясняют, куда движется внимание и спрос в отрасли в целом.
Стандартизация языка сравнения. Чем глобальнее рынок, тем важнее сопоставимые метрики, которые не зависят от внутренних систем конкретного оператора.

C-lvl: Интерес операторов к ИИ-решениям стремительно растет. Какие направления в iGaming-бизнесе, на ваш взгляд, уже невозможно развивать без применения искусственного интеллекта?

Макс: Честно? Вопрос уже не «нужен ли ИИ», а что вы готовы оставить на уровне человеческой пропускной способности — и какой ценой.

Я бы выделил пять зон:

Внешние сигналы рынка. Сезонность, спорт-календарь, регуляторные волны, платежная логистика, миграция спроса между брендами — вручную это отслеживается слишком медленно.
Управление фрагментацией брендов в офшорных ГЕО. Когда у бренда десятки зеркал и клонов, доменная логика даёт «уверенно неверные» выводы. Свести всё в единый бренд-профиль, отделить тренд от шума и поддерживать это в актуальном состоянии — это уже машинная работа.
Интерпретация, а не сбор. Цифр у индустрии достаточно. Дефицит — в объяснении и приоритезации: что действительно важно, что случайно, что повторяемо.
Контроль качества данных и защита от манипуляций. Накрутки, мотивированный трафик, искусственные всплески — нормальная система должна уметь ловить аномалии и проверять контекст.
Операционка и маркетинг в мульти-гео. Частота тестирования и пересборки стратегии в нескольких странах без автоматизации становится физически невозможной.

C-lvl: Blask объединяет OSINT, LLM и собственные алгоритмы в единую систему анализа. Как вы находите баланс между автоматизированным сбором данных и их верификацией — и в каких случаях без человеческого участия не обойтись?

Макс: Мы исходим из простого тезиса: ИИ — инструмент, а не субъект ответственности.

Автоматизация нужна, чтобы покрыть масштаб и скорость. Доверие возникает там, где система:

не прячет неопределённость,
показывает контекст,
и имеет понятный контур проверки.

У нас это выглядит так: система строит метрики и сравнения, затем отлавливает «подозрительные» случаи — резкие скачки без сезонного контекста, несоответствия структуре спроса, расхождения с конкурентным кластером — и ставит флаг. Дальше включается человеческий триаж: проверить источники, события, изменения на стороне бренда/гео, и зафиксировать решение, чтобы оно стало обучающим сигналом для системы.

Без человека не обойтись там, где цена ошибки высока: новые регуляторные режимы, нестандартные кейсы брендов, спорные классификации, и любые ситуации, где вывод влияет на стратегические решения.

C-lvl: ИИ все глубже интегрируется в процессы iGaming — от сбора и анализа данных до маркетинга и продуктовой аналитики. Какие новые направления, по вашему мнению, станут ключевыми для ИИ в ближайшие два года? Где сегодня формируется новый «золотой стандарт» его применения?

Макс: В ближайшие два года ИИ будет цениться не за то, что «умеет считать больше», а за то, что уменьшает неопределенность и повышает управляемость.

Я бы выделил несколько направлений, где сформируется стандарт:

Причинные разборы вместо отчетности. Не «что произошло», а «почему», «что связано» и «какие гипотезы проверяем дальше» — с понятной логикой и ограничениями.
Раннее обнаружение сдвигов спроса и внимания. Компании будут выигрывать не реакцией, а тем, что увидели формирование тренда раньше и смогли действовать на опережение.
Антифрод и целостность сигналов. Хороший ИИ не делает вид, что он безошибочен. Он строит контрольные протоколы: аномалии, сравнение структуры сигналов, контекстные проверки.
Закрытые циклы принятия решений. Обнаружил изменение → сформировал гипотезу → предложил действие → оценил эффект → скорректировал правила. Но «золотой стандарт» тут — не полная автономия, а грамотное разделение ролей: машине масштаб и итерации, человеку рамки, риски и ответственность.
Нормализация outside-in. Синхронизация внутреннего мира (CRM/продукт) и внешнего (рынок/спрос/репутация/дистрибуция) станет базовой практикой, а не «продвинутым уровнем».

C-lvl: В B2B-сегменте медийность часто воспринимается как второстепенный инструмент. Но сегодня она напрямую влияет на партнерства и восприятие бренда. Как, по вашему мнению, компаниям стоит выстраивать свой медиаобраз в профессиональной среде?

Макс: В B2B вы продаете в первую очередь доверие. Продукт важен, но восприятие бренда у клиентов, партнёров и рынка напрямую влияет на сделки, сроки и стоимость ошибок.

Медиаобраз лучше строить не «шумом», а точностью:

говорить тогда, когда есть что сказать по делу;
показывать метод и логику, а не только результат;
быть последовательными — один стиль коммуникации «в хорошие времена» и такой же собранный — в сложные.

И да: кризисные моменты часто показывают сущность команды ярче, чем любые пресс-релизы о росте. Считаю, что индустрии нужна “здоровая”, а не “хайповая” публичность. Например, недавно мы в подкасте Sound & Noice by Blask обсуждали последствия регуляторных изменений в Бразилии с локальным экспертом — на мой взгляд, вышло и интересно, и полезно.

C-lvl: В ваших отчетах заметно, насколько по-разному развивается iGaming в разных частях мира. Какие ГЕО вы бы назвали наиболее перспективными сегодня — и какие метрики действительно имеют значение при оценке потенциала региона?

Макс: Перспективность гео нельзя оценить одним числом. Нужна связка факторов: динамика спроса, регуляторные риски, платежная инфраструктура, доля серого сектора, конкурентная плотность, экономика и способность спроса конвертироваться в деньги.

Если говорить о динамике интереса, то в отдельных гео иногда бывают «взрывные» проценты роста (типа 300–700% год к году) — но это ещё не означает, что рынок становится золотой жилой: там может быть маленькая база, низкий средний чек и сложная монетизация.

Если смотреть на CEB (Competitive Earnings Baseline [прим. автора - почитайте моё эссе, там всё в деталях, ещё с эпохи Котлера — https://blask.com/blog/new-era-of-brand-performance/]) — это оценка baseline-потенциала, то есть «какая выручка теоретически доступна бренду в стране при данном уровне рыночного спроса и контекста» (это не отчётная выручка и не гарантия). В топе по крупным «ёмким» рынкам CEB часто измеряется миллиардами, но дальше всё упирается в реальность: регулирование, монополизация, комплаенс, и то, насколько рынок вообще «доступен» конкретному бренду.

C-lvl: Какие этапы обучения и обновления AI-моделей вы считаете критически важными, если говорить о практическом применении в бизнесе? Где компании чаще всего допускают ошибки?

Макс: Самый критичный этап — данные до модели: очистка, нормализация, контроль шума, воспроизводимость. Без этого любая «умная» модель будет уверенно ошибаться.

Дальше — контроль дрейфа. iGaming чувствителен к сезонности, спорт-событиям и регуляторным изменениям. Модель, которая не отслеживает смену контекста, начинает ошибаться системно.

Третье — контур проверки и мониторинг качества: понятные тесты, алерты на аномалии, и правило, где модель имеет право ошибаться, а где нужен человек.

Типичные ошибки компаний:

«у нас есть AI, значит мы умные» — нет, у вас просто появился инструмент;
путают внутренние метрики с внешней реальностью и делают ложные выводы;
не строят протоколы верификации и не понимают границы применимости модели.

C-lvl: Как отличаются подходы к работе с партнерами в СНГ, Европе и Азии? Какие принципы помогают формировать доверие и устойчивые отношения?

Макс: Разница в стиле коммуникации реально есть: в СНГ выше ценится скорость и гибкость, в Европе — процесс, комплаенс и точность формулировок, в Азии часто важнее контекст и долгосрочная последовательность.

Но доверие везде строится одинаково:

предсказуемость,
прозрачность методологии,
готовность признавать ограничения,
и способность отвечать за результат.

Если вы можете объяснить «как это устроено», показать основания, не прятать слабые места и действовать последовательно — отношения становятся устойчивыми вне зависимости от региона.

Благодарим за внимание!

Подписывайтесь на C-lvl, чтобы не пропустить новые интересные интервью и инсайты от лидеров индустрии.