Готовые решения vs кастомная разработка ИИ. Что выбрать?. Блог компании Kokoc Group.. Блог компании Kokoc Group. искусственный интеллект.. Блог компании Kokoc Group. искусственный интеллект. служба поддержки.. Блог компании Kokoc Group. искусственный интеллект. служба поддержки. Управление разработкой.

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.

Готовые решения vs кастомная разработка ИИ. Что выбрать? - 1

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.

Автор: Bogdanna_number1

Источник

Rambler's Top100