مهندس في OpenAI ساران جوبتا يساعد الشركات على البحث عن العملاء وزيادة المبيعات

Карьера Саранга Гупты хорошо показывает, как меняется роль инженера в эпоху генеративного ИИ: сегодня сильный технический специалист нужен не только в исследовательской команде, но и там, где компания объясняет ценность продукта рынку, считает эффективность каналов и помогает клиентам быстрее получать результат. В OpenAI Гупта работает на стыке данных, маркетинга и продаж, создавая модели, которые помогают бизнесу привлекать покупателей и лучше понимать, что именно двигает рост. Интерес к таким задачам у него появился задолго до OpenAI.

В детстве в Индии он любил разбирать и чинить бытовые вещи, а уже к 11 годам переключился на софт. Он изучал Basic и Logo, писал простые программы и даже сделал решение для локального ресторана, чтобы автоматизировать онлайн-заказы и выставление счетов. Дальше этот практический взгляд только усилился: в школе он выбрал физику, химию и математику, но саму инженерию всегда воспринимал не как абстрактную науку, а как инструмент, который должен работать в реальной жизни.

Поэтому после выпуска в 2012 году он поступил в Hong Kong University of Science and Technology на двойную программу, где совмещались промышленная инженерия и бизнес-менеджмент. Эта связка техники и коммерции заметна и в его ранних проектах. Во время учебы Гупта сделал мобильное приложение, которое помогало студентам загружать расписание и находить однокурсников для обеда.

Проект не взлетел, но дал ему опыт продуктовой разработки. Параллельно он запустил небольшой бизнес Pulp Ads: печатал рекламу студенческих организаций на салфетках и бумажных носителях для кампусных кафе. После университета в 2016 году он пошел в Goldman Sachs, где занимался операционными процессами по сделкам с ценными бумагами.

Там его задачей было находить узкие места в рабочих потоках и устранять их. Один из заметных кейсов - автоматизация сверки торговых операций: вместо ручной проверки таблиц и разных систем он сделал внутренние инструменты, которые сами подтягивали данные, проводили валидацию и подсвечивали только проблемные случаи. По сути, это был ранний пример того, как правильная работа с данными освобождает людей от рутины и позволяет сосредоточиться на сложных решениях.

Именно этот опыт подтолкнул его глубже уйти в data science и AI. В 2019 году Гупта поступил в магистратуру по data science в Columbia University, где сделал ставку на прикладное машинное обучение, deep learning и нейросети. Среди самых важных проектов он выделяет работу с Brown Institute и редакцией The Philadelphia Inquirer.

Команда создала инструменты, которые извлекали из новостных текстов географические упоминания - улицы, районы, округа - и визуализировали покрытие издания на карте. Это помогало находить так называемые news deserts, то есть сообщества, которым редакция уделяла слишком мало внимания. Для новостной индустрии это был не просто аналитический эксперимент, а способ перераспределять репортерские ресурсы более осмысленно.

Такой кейс хорошо объясняет стиль самого Гупты: его привлекают не модели сами по себе, а ситуации, где они меняют процессы и дают измеримый эффект. После магистратуры в 2020 году он переехал в Сан-Франциско и присоединился к Asana как product data scientist. Сначала он отвечал за A/B-тесты новых функций, а затем возглавил запуск Asana Intelligence - внутреннего направления, которое должно было за полгода встроить AI-возможности в продукт.

Команда успела выпустить несколько функций, включая автоматические сводки по проектам, подсказки о рисках и задержках, рекомендации следующих шагов и инструмент Smart Status, который сам готовил статус-апдейты на основе задач, сроков и активности в проекте. Важен не только сам запуск, но и то, что команда потом оформила наработки в переиспользуемые фреймворки и документацию, чтобы AI-функции внутри компании можно было запускать быстрее. Когда на рынок вышел ChatGPT, фокус его работы сместился от разработки собственных моделей к оценке и внедрению больших языковых моделей.

А в сентябре 2025 года он перешел в OpenAI. В OpenAI Гупта работает в data science-команде вместе с go-to-market-направлением. Его зона ответственности - модели, которые помогают понять эффективность маркетинговых каналов, определить, что именно дает наибольший вклад в результат, и как компании лучше доносить ценность ChatGPT и других продуктов до клиентов.

Это не самая заметная часть AI-индустрии, но одна из самых прикладных: без такой аналитики даже сильный продукт сложнее масштабировать. История Гупты важна потому, что она показывает сдвиг внутри самой AI-отрасли. Большая ценность создается не только там, где обучают новые модели, но и там, где их превращают в понятный бизнес-инструмент, измеряют отдачу и доводят до массового использования.

Для OpenAI такие специалисты становятся мостом между технологией и рынком, а для остальных компаний - напоминанием, что внедрение AI начинается не с модного интерфейса, а с ясной задачи, хороших данных и дисциплины в процессах.