Готовые решения vs кастомная разработка ИИ. Что выбрать?

от автора

Кому-то нейросети нужны, чтобы быть в тренде. Кому-то — для оптимизации процессов, повышения эффективности и качества обслуживания клиентов. А кому-то — все и сразу. И пусть тема внедрения ИИ не так нова, как пару лет назад, предлагаю вам свой скромный опыт выбора решения. 

Меня зовут Анна Богданова, я руководитель отдела поддержки Kokoc Group. Мы с коллегами из Департамента IT в октябре попробовали внедрить ИИ на внутренней кухне — службе поддержки пользователей (кого мы так нежно любим и кто не поскупится на обратную связь). Как и любую команду, нас ждал нелегкий выбор — взять готовое решение или сделать свое. В этой статье делюсь нашими муками выбора и принятым решением. 

Готовый GPT-чат или аналог от «Яндекса»

В случае с готовым решением важно учитывать, что нейросеть следует сначала «обучить», то есть написать для нее промты. Эта работа ляжет на плечи внедряющих. В нашем случае — на команду поддержки.

Плюсы готового решения:

  • Скорость и простота внедрения без затрат времени на реализацию. Бери готовый движок и внедряй.

  • Стоимость. Такое решение дешевле, чем кастомная разработка. Для маленьких проектов этот фактор может быть критичным. 

  • Поддержка и отслеживание новых технологий. Те же «Яндекс» и GPT обеспечивают техническую поддержку и регулярные обновления. Пользователи не вкладываются в развитие и всегда остаются в тренде. 

  • Надежность. GPT прошел тестирование в различных условиях, в отличие от новых кастомных разработок.

Минусы готового решения:

  • Отсутствие индивидуального подхода. Готовые решения могут не удовлетворять всем специфическим потребностям бизнеса. Чтобы их удовлетворить, придется доучивать системы через написание промтов. Либо берем готовое и не гибкое, либо пишем промты, что затратно. В нашем случае особую осторожность пришлось проявить из-за персональных данных пользователей – не стоит ими делиться с готовыми внешними решениями.

  • Зависимость от поставщика. Так, GPT соблюдает санкции, а «Яндекс» со временем может менять условия.

  • Интеграция с существующими системами. Просто из коробки ИИ использовать не получится. Необходимо допилить свою интеграцию. При этом делать ее с внешней системой может быть затратно.

Кастомная разработка

Тут несколько вариантов:

  1. Обратиться в компанию. Такие на рынке есть. Большинство, правда, работает не так давно.

  2. Самим написать ML-модель и сделать MVP.

Плюсы кастомной разработки:

  1. Индивидуальные решения. Кастомная разработка позволяет создать систему, соответствующую специфическим потребностям бизнеса. Это повышает эффективность и улучшает результаты.

  2. Контроль над процессом. И если делаете сами, и в случае найма подрядчика можно вносить изменения по мере необходимости.

  3. Интеграция. Кастомные решения могут быть разработаны с учетом существующих процессов и систем, что облегчает интеграцию.

Минусы кастомной разработки:

  1. Высокая стоимость. Требует значительных инвестиций в разработку, тестирование и поддержку. Может оказаться непосильным для малых и средних компаний. Так, кастомная разработка внешним подрядчиком под наши запросы внутренней поддержки составила бы несколько миллионов в год. Разработка внутри компании оказалась дешевле. При этом растить экспертизу мы будем у себя в команде, а не у подрядчика.

  2. Долгий срок разработки. Внешний подрядчик запросил по срокам от трех месяцев. Внутренняя разработка ML заняла примерно столько же времени.

  3. Риски. Возможные ошибки в коде, неудачные архитектурные решения. При внедрении решения подрядчика следует учитывать, что его нужно будет поддерживать и обновлять. А это не бесплатно.

Барабанная дробь… Что же выбрать?

Любое решение должно в первую очередь приносить пользу бизнесу. Поэтому нужно отталкиваться от размеров компании, бюджета, специфических потребностей (или их отсутствия) и сроков внедрения.

  • Для малых и средних компаний, которые хотят быстро начать использовать ИИ без значительных вложений, готовые решения могут быть более подходящими.

  • Для крупных компаний с уникальными потребностями и ресурсами кастомная разработка может быть удобнее из-за гибкости и контроля.

Рекомендую оценить изначальную стоимость проекта и только после этого приступать к любому варианту реализации. Выбор между готовыми решениями и кастомной разработкой ИИ — это вопрос баланса между затратами, временем и потребностями бизнеса. Важно тщательно оценить все аспекты и выбрать тот путь, который наилучшим образом соответствует вашим целям, а главное – ресурсам. 

В нашем случае, первоначальная оценка потенциальной выгоды/затрат была выполнена не совсем верно, и поэтому проект внедрения собственной ИИ пришлось немного отложить. Из плюсов ситуации – мы смогли найти точку окупаемости, когда потенциальная выгода станет выше потенциальных затрат на внедрение.


ссылка на оригинал статьи https://habr.com/ru/articles/873760/


Комментарии

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *