Михаил Крупник:
– Сооснователь и CMO в Metamentor
– Metamentor – стартап №1 в AI по версии Russian Business
– Привлекли 108 млн. по оценке 432 млн
В подкасте обсудили:
– Как студенты создали компанию и начали внедрять ИИ в Газпроме
– Реализованные кейсы Эксмо, OMI, Атом Сервис и мн. др.
– Как привлекли инвестиции имея только идею

Мысли гостя (Михаил Крупник, компания Metamentor)
История компании началась с победы 22-летних студентов МФТИ на хакатоне, после которой их заметил менеджер Газпрома и предложил контракт.

Изначально Metamentor создавалась как студия кастомной AI-разработки и всего за год выросла с 6 до почти 50 сотрудников.

В B2B-сегменте классический маркетинг и реклама работают слабо; ключевую роль играют прямые технические коммуникации, нетворкинг и репутация от прошлых кейсов.

Работа над десятками заказных проектов выявила глобальную боль рынка: корпоративные данные хранятся хаотично, в разных форматах и разных местах.

Эта проблема натолкнула команду на создание собственного продукта (Metabase) — умной универсальной базы знаний, адаптированной под разные отрасли.

Компании удалось привлечь 108 млн рублей за 25% доли (при оценке в 432 млн рублей) исключительно на этапе проработанной идеи, без готового MVP.

Подготовка к фандрайзингу заняла около полугода: команда детально прописывала концепцию, финансовую модель и план эволюции продукта.

Валидация идеи происходила через «холодные» и «теплые» контакты: концепт обсуждали с техническими директорами других компаний, собирая их фидбек.

Лид-инвестор был найден благодаря сильному нетворку: один из технических экспертов проникся идеей и вывел команду на пул бизнес-ангелов.

Инвесторы поверили в проект на стадии идеи, потому что команда смогла кристально ясно описать проблему и предложить реалистичный, понятный путь ее решения.

Стратегия продукта заключается не в создании нового облака, куда все должны перенести файлы, а в том, чтобы сделать уже существующие хаотичные хранилища компаний «умными».

В отличие от гигантов вроде Сбера, которые делают базы знаний для себя, Metamentor создает решение, доступное для среднего и малого бизнеса.

Для издательства «Эксмо» была разработана ИИ-модель, которая автоматически вычитывает новые рукописи на предмет запрещенной или нежелательной информации.

ИИ сократил время проверки одной книги с нескольких дней или недель до пары минут.

При работе с госкомпаниями и крупным B2B часто приходится с нуля дообучать open-source модели и разворачивать их в контуре заказчика (on-premise), чтобы избежать утечек данных.

Средний проект по внедрению ИИ (как в случае с «Эксмо») занимает 2-3 месяца, требует команды из 2-4 человек и стоит от 1 до 4 миллионов рублей.

Для исследовательской компании OMI внедрили ИИ для кластеризации и обработки огромных массивов текстовых ответов респондентов.

Автоматизация позволила OMI снизить стоимость обработки данных в 50 раз, ускорить работу в 10 раз и достичь точности кластеризации в 96%.

Ускорение обработки данных позволяет бизнесу брать в работу больше контрактов без необходимости нанимать новых людей или заставлять текущих перерабатывать.

Для компании AtomService создали ИИ-парсер, который с точностью более 90% отбирает на различных площадках релевантные тендеры на поставку медоборудования.

У компании есть готовый продукт CallMentor — сервис речевой аналитики, который транскрибирует звонки из CRM и оценивает работу менеджеров по продажам или поддержке (используется в SkyEng).

Права на заказную AI-разработку чаще всего остаются у клиента, но главная ценность для студии — это наработанная техническая экспертиза.

Для создания сложного ИИ-продукта (MVP) не нужен штат из 30 человек; достаточно компактной группы из 3-7 топовых, высокомотивированных специалистов.

Выпуск MVP нового продукта (Metabase) запланирован на конец 2025 — начало 2026 года.

Географическая стратегия развития продукта: сначала захват рынка РФ, затем выход на страны СНГ и Восток.

Рынки США и Китая пока не рассматриваются для экспансии из-за колоссальной конкуренции и сложной местной специфики.

Привлеченные венчурные инвестиции строго изолированы и тратятся исключительно на разработку нового продукта (Metabase).

Направление заказной разработки остается полностью финансово независимым и самоокупаемым бизнесом.

Мысли ведущего (Ярослав Филиппов)
История Metamentor — вдохновляющий пример того, как можно построить компанию с оценкой почти в полмиллиарда рублей, будучи 22-летним студентом.

Участие в хакатонах — это один из лучших социальных лифтов для молодых IT-специалистов, позволяющий напрямую выйти на контракты с корпорациями вроде Газпрома.

Фундаментальная проблема любой интеллектуализации бизнеса заключается в том, что перед внедрением ИИ компаниям необходимо навести порядок в своих базах данных.

Несмотря на то что ИИ забирает на себя 99% рутины (как при модерации книг), юридическую и финальную ответственность за результат всё равно несет живой человек (редактор).

Запрос на конфиденциальность сейчас огромен: бизнес хочет пользоваться нейросетями, но панически боится утечки коммерческой тайны во внешние облака.

Многие узкоспециализированные B2B-решения (например, ИИ-поиск тендеров) имеют огромный потенциал для масштабирования в массовые SaaS-продукты.

Успешный фандрайзинг невозможен без предварительного общения с рынком: идею нужно постоянно тестировать, «обтачивая» ее о критику реальных технических директоров.

Получить инвестиции на этапе идеи крайне сложно, но это реально, если вы приходите не с абстрактной фантазией, а с глубоким пониманием болей рынка.

Разделение финансового учета между стабильно зарабатывающей студией заказной разработки и рискованным венчурным продуктом — это признак зрелого менеджмента.

Честный разбор реальных ИИ-кейсов помогает традиционному бизнесу избавиться от иллюзий и понять, как именно нейросети могут экономить деньги прямо сейчас.

00:00 О чем подкаст
00:47 История Михаила и компании Metamentor
05:48 За что отвечает Михаил
07:02 Кейс: ИИ решение для Эксмо (издательство)
15:49 Кейс: ИИ решение для OMI (маркетинговые исследования)
21:59 Кейс: ИИ решение для Атом Сервис (тендеры и медицинское оборудование)
26:04 Кейс: ИИ решение Callmentor для SevenSky (подходит отделам продаж и службам поддержки)
28:50 Как пришли к созданию MetaBase
32:38 Как привлекли 108 млн инвестиций
40:25 Во что поверили инвесторы
42:04 Планы компании
45:16 Как устроена компания Metamentor
46:42 Финальное слово

Ярослав Филиппов: Добро пожаловать в «Импакт Медиа», где мы говорим о бизнесе и технологиях. На подкасте Михаил Крупник, сооснователь компании Metamentor, которая привлекла 108 млн рублей. И сейчас оценка компании 432 млн рублей. По версии Russian Business ребята заняли первое место среди ИИ-стартапов, и при этом они очень молодые — им всего лишь по 22 года.

Сегодня будем говорить об ИИ-трансформации: что, как и куда парни внедряли, какие результаты бизнеса от внедрения искусственного интеллекта получили. Будем говорить о том, как они создали успешную компанию, ещё будучи студентами, как они дошли до создания своего продукта и почему умудрились получить ещё на этапе идеи так много инвестиций. Все ссылки на ребят в моём Telegram-канале и в описании к видео. Михаил, привет! Пожалуйста, представь себя и компанию.

Михаил Крупник: Ярослав, привет! Спасибо большое, что пригласил. Я закончил физмат-лицей в Санкт-Петербурге и в 18 лет переехал в Москву. С Матвеем мы знакомы ещё со школы. Матвей Пак — это CEO компании, основатель компании и мой партнёр. Матвей с двумя друзьями поучаствовали в хакатоне: взяли на себя задачу найти решение с помощью генеративного ИИ под какую-то задачу. Я не помню точно, что это была за задача, но они выступили невероятно хорошо, заняли призовое место. После выступления их заметил менеджер из Газпрома и предложил реализовать общий проект. Он был совершенно небольшой, но это уже было большой победой.

Нужно было для участия в этой коллаборации сделать юрлицо. Так, собственно, и появился Metamentor. Изначально в нём было трое ребят: Матвей и его двое друзей из МФТИ. Далее, через небольшой промежуток времени, остался только Матвей, потому что один из ребят уехал за границу, а второй пошёл заниматься своим стартапом.

Изначально Metamentor задумывался как компания для некой заказной разработки. И после успешного кейса с Газпромом пошли другие компании, которые находились в основном путём холодных связей. В прошлом августе (мы сейчас записываем это 19 августа) нас было шесть человек. Я присоединился к компании как раз ровно год назад. Сейчас нас почти 50! В прошлом августе у нас был один проект и один продукт, который мы развивали, про который я расскажу далее. За это время мы успели поработать с многими компаниями: Газпром, Skyeng, «Эксмо», OMI (маркетплейс маркетинговых исследований), Startap и так далее. Много имён, честно говоря, но многие из них, к сожалению, под NDA, и разглашать их нельзя, так же как и решения, которые мы для них реализовали.

С течением времени, работая со многими компаниями в разных отраслях и набивая руку, мы заметили одну глобальную проблему. Задачи были разные, но решение всегда подразумевало то, что нам дают некий набор данных (или мы его запрашиваем) и из него компонуем модель, которая решает задачу. Проблема заключалась в качестве этих данных, в их объёме и в том, как они хранились. Все хранят по-разному, дают по-разному и в разных объемах.

Из этого вылезла новая идея: создание некой универсальной базы знаний для каждой отрасли, где компания могла бы удобно для себя хранить и использовать эти данные. Эта идея пришла нам в голову где-то в декабре-январе. Полгода мы её прорабатывали, создалась чёткая картина. Всё, что нужно было — это найти деньги под её реализацию. С этим мы начали ходить по рынку. Так как уже много с кем поработали, наработали большой пул знакомств, нашли людей, которые поверили в нас и поняли боль, которую решает наша задача. И вот, совсем недавно официально мы привлекли раунд, отдав 25% компании за 108 млн.

Сейчас у нас есть много задач, много контрактов и большое желание реализовать большой продукт, который поможет рынку, и с которым мы надеемся в будущем выйти даже за пределы РФ.

Ярослав Филиппов: Супер. И какая у тебя сейчас получается должность? Ты соучредитель и за что ты отвечаешь?

Михаил Крупник: За маркетинг и продажи. Я бы сказал, что сейчас в компании я в качестве сейлза, то есть веду коммуникацию с клиентами, как текущими, так и будущими. Маркетинг мы пока оставили в стороне, так как наша основная аудитория — это B2B, и там взаимодействие строится скорее на техническом уровне: вы напрямую заходите в компанию и рассказываете о себе, какие проблемы вы можете решить или берёте уже готовые проблемы. Там не нужна реклама в привычном смысле. Нужна реклама коммуникабельная: например, мы для какой-то компании реализовали хорошее решение, другая компания заметила его и уточнила, кто эти ребята. И это напрямую ведёт к нам. Такого плана реклама нам очень нужна, и мы стараемся со всеми продолжать сотрудничать.

Ярослав Филиппов: Супер, Михаил, спасибо за подробное представление. Давай тогда сейчас обсудим, какие проекты вы реализовали, что куда внедряли, какие результаты получили. Через рассказ об этих кейсах мы увидим, что везде есть проблемы с данными, и потом ты расскажешь про ваш продукт и про то, как вы привлекали инвестиции. Для парней, которые сейчас ищут деньги, тоже интересно понять, к кому обращаться и с какими документами. Давай начнём с кейсов. Расскажи про какой-нибудь первый кейс.

Михаил Крупник: Да, могу начать с кейса с компанией «Эксмо». Это крупнейшее в России и Европе книжное издательство. Задача, с которой они к нам обратились, заключалась в следующем: когда они получают новую книгу, которую планируют издать, им требуется её полный анализ на ряд запрещённых моментов и осмысление. Как это работало раньше? Буквально человек читал её и выделял все моменты, которые требуется удалить или переписать, чтобы книга подходила по критериям законодательства или их внутренним критериям. Это занимало порядочно времени. Прочитать книгу — одно, а выделить в ней всё, что нужно для издания — совсем другая, более сложная задача.

Мы сделали модель, в которую "вкачали" все пункты, которые не должны присутствовать в книге. Далее книга загружается в модель, она полностью её анализирует и выделяет нежелательные моменты. Сервис постоянно дорабатывается, мы привносим изменения, точность растёт. «Эксмо» очень довольны, потому что скорость возросла в разы, а качество не страдает. Это начальный кейс, где данные очень простые и понятные: книга и запрещённые в ней моменты.

Ярослав Филиппов: А теперь сотрудники, которые раньше за это отвечали, они книгу всё равно перечитывают? К чему вы пришли в итоге?

Михаил Крупник: Точно ответить не могу, потому что я не веду этот проект. Наверняка ведётся какое-то не такое качественное, но повторное прочтение книги и выделение материалов. Более чем уверен, что проверка со стороны человека присутствует, потому что компания ответственна за то, что она выпускает.

Ярослав Филиппов: А у вас есть какие-то метрики из этого кейса? Например, стали ли сотрудники тратить на 80% или 70% меньше времени?

Михаил Крупник: Могу сказать, что если на прочтение книги требовались дни или неделя, то анализ книги от ИИ требует несколько минут. То есть это уменьшение времени в сотни раз.

Ярослав Филиппов: Окей, это 100% да. Но возникает вопрос: кто теперь отвечает за то, что в книге всё хорошо? Если ИИ пропустил запрещённую информацию из-за тонкости нюанса, а «товарищ майор» это заметил. Кто отвечает?

Михаил Крупник: Законодательно ЛЛМку нельзя посадить в тюрьму, поэтому, вероятно, это редакторы.

Ярослав Филиппов: Вы взяли какую-то готовую модель с рынка и зафайнтьюнили (дообучили) её, или провели какую-то другую работу?

Михаил Крупник: Мы часто берём OpenSource-модели и переделываем их под задачу заказчика. Конечно, это не всегда желательно делать, особенно с госкомпаниями, где запрещены решения иностранного происхождения. Иногда приходится практически с нуля всё делать, чтобы этот фактор нивелировать.

Ярослав Филиппов: Жалко, что ты не можешь рассказать технические детали. Но для зрителей поясню: есть решения, которые работают в облаке, а есть те, что на стороне заказчика; есть иностранные OpenSource-модели, а есть российские. И в зависимости от параметров решения могут быть абсолютно разными. Бывает, клиенты говорят: «Мне, пожалуйста, ИИ, но чтобы мои данные никуда не сливались». Это уже надо делать по-другому.

Михаил Крупник: Чаще всего, когда речь касается B2B-клиентов, решение приходится переносить в их контур (on-premise), так что очевидных моделей OpenSource иностранного происхождения приходится избегать.

Ярослав Филиппов: Скажи, как вы прогоняете книгу через модель? У вас много параметров для проверки. Это происходит через один промпт (запрос), или разные промпты для разных частей (юридические вопросы, и т.д.)?

Михаил Крупник: Решение выдаёт сразу все нежелательные моменты. Не приходится прогонять её несколько раз на разные области.

Ярослав Филиппов: Если кто-то из зрителей захочет такой же проект, сколько это будет стоить и как долго делать?

Михаил Крупник: Это довольно простой проект, для него не требуется большой команды (2-4 человека). Он был реализован в районе 2-3 месяцев. По стоимости: такой проект можно сделать в рендже от 1 до 4 млн рублей. Это именно срок разработки MVP, без учета дальнейшего ввода в контур заказчика и согласований.

Ярослав Филиппов: Классный кейс. Поехали дальше!

Михаил Крупник: Еще из недавних кейсов — компания OMI. Они занимаются маркетинговыми опросными исследованиями. К ним поступает огромное количество ответов на ту или иную тему. Они должны скомпоновать ответы, выделить наиболее актуальные и сделать выводы. В таких компаниях ценятся две вещи: количество данных и их качество.

Проблема: фасовка и распределение ответов. Самый простой пример — спросили «Какой ваш любимый цвет?» и получили миллион ответов. Нужно расписать от самого популярного до наименее популярного. Раньше человек читал каждый ответ. Сейчас это делает модель за очень короткий срок и практически со стопроцентной точностью.

Ярослав Филиппов: Я правильно понимаю, что эти решения (для «Эксмо» и OMI) у вас лежат готовые, и я могу прийти и купить их? Или права принадлежат тем компаниям, а для меня разработка пойдет с нуля?

Михаил Крупник: Чаще всего права на разработку остаются у заказчика, но у нас есть парочка случаев, где удалось оставить права за собой. Дело в том, что кейсы обычно уникальные и подходят под решение конкретной компании. Сложно взять решение и засунуть в другую компанию, сильно не видоизменив. Поэтому оставлять за собой права — не столь важная задача. Задача — качественное решение для клиента.

Ярослав Филиппов: На сайте у вас написано, что для OMI вы сократили стоимость обработки данных в 50 раз, время работы в 10 раз, а точность кластеризации выросла до 96%. Очень круто! А что изменилось в самой компании OMI? Они уволили людей или просто перестали нанимать новых?

Михаил Крупник: Точно сказать не могу. Но подозреваю, что работа стала быстрее и качественнее. Возможно, за счет этого они смогли расшириться и брать больше исследований, потому что время на обработку сильно сократилось.

Ярослав Филиппов: Окей. Поехали к третьему кейсу.

Михаил Крупник: Это компания Atom Service. Они предоставляют услуги по тендерной документации: выделяют наиболее актуальные тендеры по закупке медицинского оборудования. Сервис позволяет на разных агрегаторах тендеров выделять то, что нужно компании. Полезность очевидна: не нужно лазить по сайтам, читать кучу документов и понимать, что подходит, а что нет. Модель сама сверяет тендер с регламентом.

Ярослав Филиппов: Представим, нас смотрит кто-то, кто занимается тендерами. Как бы ты объяснил, что ему это подойдет?

Михаил Крупник: Например, человек хочет поставлять исключительно деревянные стулья с определенной спинкой. Чтобы найти тендеры, ему нужно зайти на все площадки, настроить параметры и всё прочитать. Мы предлагаем ему единоразово заполнить свои параметры, и модель сама пройдется по всем сайтам и предоставит сжатый список релевантных тендеров. Точность модели выше 90%.

Ярослав Филиппов: Выглядит так, будто из этого можно сделать массовый SaaS-продукт для всех, кто участвует в тендерах.

Михаил Крупник: Наверное, какие-то площадки предоставляют нечто подобное. Но этот кейс был сделан для конкретной компании под узкую специальность (медоборудование). Тот пример про стулья, который я привел, может подойти много кому.

Ярослав Филиппов: Поехали дальше.

Михаил Крупник: Продукт называется CallMentor. Это сервис речевой аналитики. Довольно популярный сегодня на рынке инструмент. Почти у каждой компании есть отдел продаж, который звонит клиентам. Сервис подключается к CRM и IP-телефонии, транскрибирует звонок, выделяет важные параметры: удачный/неудачный, длительность. Можно выявлять качество работы сотрудника, его ошибки. Сервис подходит почти любой компании.

Ярослав Филиппов: Это только для продаж или саппорту (службе поддержки) тоже подходит?

Михаил Крупник: Внедряют сейлзы (продажи) и отделы, которые ведут коммуникацию с клиентом. Например, мы долго делали проект с мобильным оператором SkyLink. Они звонят клиентам, уточняют, что нравится/не нравится, продают доп-пакеты или помогают. Сервис анализирует каждый звонок и выделяет всё, что нужно менеджерам для контроля качества.

Ярослав Филиппов: А если я хочу себе внедрить CallMentor — я просто захожу на сайт и нажимаю «подключить», или вы его внедряете и настраиваете?

Михаил Крупник: Это довольно индивидуальный процесс. Можно внедрить как SaaS, так и пошагово с согласованием под компанию.

Ярослав Филиппов: Ты рассказал про проекты с книгами, исследованиями, тендерами и речевой аналитикой. Как вы пришли к тому, что нужно строить свой продукт — базу данных? Как вы его назвали?

Михаил Крупник: Эфемерное название — MetaBase (отсылка к названию компании Metamentor). Те кейсы, которые я рассказал, не являются сложными с точки зрения данных (данные четко структурированы). Речь идет о больших данных внутри самой компании: о сотрудниках, юридических, бухгалтерских. Любая компания состоит из пула отделов, в каждом накоплена информация (как качественная, так и мусорная). И всем хочется в ней ориентироваться! А она хранится в разных местах: на Google Диске, Яндекс Диске, на компах, на бумаге, на флешке. Не хочется её структурировать в одном месте, хочется просто выявлять нужную информацию в конкретный момент.

В этом идея продукта. Это тяжело реализовать, но в компаниях, где данные уже хранятся более-менее хорошо, это сделать проще. Мы не собираемся сразу делать облачное решение для всех. Мы берем компанию, у которой уже есть хранилище, и делаем его «умным».

Ярослав Филиппов: Хочется понять, как вы привлекали деньги. Это острый вопрос для многих. Люди не знают, как сформулировать мысль для инвестора, где его взять, какую долю отдавать. Расскажи, как вы сидели в январе и решили: «Делаем этот продукт!», кого вы питчили, что показывали?

Михаил Крупник: После обнаружения проблемы мы сели с нашим техническим директором и командой думать, как преподнести идею, чтобы инвесторы и рынок её поняли. Надо было описать идею, подготовить финансовую модель и план развития решения. Это длилось пару месяцев (до апреля). Потом стали ходить по рынку, обсуждать с экспертами, дополнять решение. И добрались до первых инвесторов. Идея не новая, база знаний — не что-то невероятное. Основная сложность была в том, чтобы понять, как это быстрее реализовывать, и найти правильных людей.

Ярослав Филиппов: Что значит «ходить по рынку»? Вы пошли к своим текущим клиентам и сделали с ними проблемное интервью? Или пошли в стартап-акселераторы? И что вы такого сказали инвесторам, что они дали деньги на не новую идею?

Михаил Крупник: Наш технический специалист постоянно коммуницирует с коллегами из других компаний. Он говорил: «Мы собираемся делать вот это, что думаешь?». Собирал фидбек, суммировал мнения. Так мы сформировали ядро продукта.

Нашелся человек, который настолько проникся идеей, что привел нас к одному из главных инвесторов (бизнес-ангелу-мастодонту). От него уже подтянулся пул других инвесторов. Сумма немаленькая (108 млн руб.), трудно было распределить ее на малое количество людей.

Деньги мы получили на этапе идеи (без готового прототипа или MVP). Они идут исключительно на разработку с нуля.

Почему в нас поверили? Я надеюсь, что по сравнению с другими мы наиболее качественно поняли суть проблемы и нарисовали решение в голове и на бумаге так, как оно будет выглядеть. Базы знаний есть у Сбера и иностранных компаний, но мы хотим сделать решение, которое смогут позволить себе компании поменьше.

Ярослав Филиппов: Сбер сделает для себя и оставит в своем контуре, а вы будете делать облачный сервис для всех. Понятно. Какая у вас команда этим занимается? Это всё молодые парни, победители хакатонов, или появился CTO с бородой? И какой у вас roadmap, когда ждать продукт?

Михаил Крупник: Мы выделили команду из трех лучших разработчиков исключительно для создания MVP. Вообще команда будет состоять из 6-7 человек (Research, ML, Backend, Frontend, Sales). Для разработки такого продукта не нужна огромная структура из 30 человек, нужно лишь желание реализовать всё качественно и быстро.

Рассчитываем на выпуск MVP к середине зимы (конец 2025 – начало 2026 года). Но, как всегда в разработке, это может случиться раньше или позже.

Ярослав Филиппов: Какие планы по рынкам? Россия, СНГ, США, Китай?

Михаил Крупник: В первую очередь — покорить рынок СНГ. США сильно впереди, а у Китая вообще свое понимание и рынок. Посмотрим на нашу стадию развития в будущем, но пока фокус исключительно на России и СНГ.

Ярослав Филиппов: Давай подведем итог. Матвей с друзьями выиграли хакатон, получили первый контракт. Так появилась компания Metamentor (заказная разработка и внедрение ИИ). Сделали много кейсов. Сейчас делаете свой продукт MetaBase. Заказная разработка продолжает жить? Инвестиции получил MetaBase или Metamentor в целом?

Михаил Крупник: Инвестиционный пул идет исключительно в продукт (MetaBase). Заказная разработка живет сама собой, сама себя обеспечивает и развивает. Мы сильно разделяем эти два направления по бухгалтерии и процессам.

Ярослав Филиппов: Миша, спасибо, что пришел! Для тебя это первый опыт (съемок), уверен, было стрессово. Будем болеть за вас и ваш продукт! Надеюсь, вы придете к нам на подкаст еще раз, расскажете про технические вопросы или про новый раунд инвестиций.

Михаил Крупник: Ярослав, спасибо, что пригласил! Было очень приятно поприсутствовать на канале. Будем взаимодействовать!

Ярослав Филиппов: Дорогие зрители, спасибо! Пишите в комментариях, что думаете о компании Metamentor. Какие у вас есть вопросы? В следующий раз мы зададим их ребятам. Всем пока!