Сегодня для компаний очевидно: внедрение ИИ-инструментов — не вопрос, а необходимость, ведь нейросети стали частью обычной жизни. Теперь неопределенность заключается лишь в выборе подхода: разрабатывать свое решение или внедрять готовую ИИ-модель. О сильных и слабых сторонах каждого пути рассказывает Михаил Красильников, кандидат физико-математических наук, директор департамента разработки и внедрения систем искусственного интеллекта ИТ-компании BIA Technologies.

Внешние поставщики: скорость, простота, доступность

Когда у компании нет собственной команды разработчиков, обратиться к сторонним подрядчикам — вполне логичное решение. Однако на этом пути есть ряд подводных камней. Одни не столь существенны, другие могут оказаться критичными. Разберем по порядку плюсы и минусы. Главные аргументы за внешние решения таковы:

Быстрое внедрение. Готовое решение в общем случае запустить быстрее, чем вести разработку. Но стоит оговориться: это правило работает, только если внедряемая система не диктует слишком специфичных требований по интеграции с существующим ИТ-контуром. Иначе говоря, если решение затрагивает критически важные бизнес-процессы или отличается масштабностью, быстро внедрить его не получится. Но если оно автоматизирует только отдельные участки, то компания получит преимущество в скорости.

Финансовая доступность. Чем меньше компания, тем скромнее ее потребности и ниже стоимость внедрения. Соответственно, готовые решения чаще всего подходят малому и среднему бизнесу. Крупным игрокам обычно требуются более глубокие доработки и расширенный функционал, что существенно увеличивает затраты.

Наличие отраслевой экспертизы. Если продукт уже был успешно внедрен в нескольких компаниях, это говорит о накопленном опыте разработчика. Принято считать, что наличие как минимум трех внедрений одной и той же функциональности в различных организациях — показатель зрелости решения и компетентности вендора.

Упрощенный запуск. Коробочные продукты, как правило, не слишком требовательны к вычислительным ресурсам, поскольку не предполагают сложных процессов развертывания наподобие CI/CD. Их главная цель — доступность для широкого круга клиентов без необходимости увеличения серверных мощностей или найма дополнительного персонала. Многие вендоры также предлагают свои решения по модели SaaS, позволяя использовать функциональность без размещения ПО на собственной инфраструктуре. Тем не менее такой подход несет риски утечки данных, сбоев в доступности и потери контроля.

Соблюдение стандартов и законодательства. Еще одно важное преимущество — наличие у поставщика отлаженных процедур внедрения, соответствующих лучшим отраслевым практикам. Это повышает надежность и снижает риски. Кроме того, готовые решения, как правило, соответствуют текущим юридическим требованиям, а обновления от вендора позволяют оперативно реагировать на изменения нормативной базы.

Доступ к обученным данным и ресурсам. Один из главных плюсов сторонних ИИ-решений — наличие у поставщика огромных массивов обучающих данных, которые формировались и обрабатывались на протяжении длительного времени. Это дает возможность создавать более точные и зрелые модели. Кроме того, вендоры располагают собственными мощностями, позволяющими обучать модели на данных заказчика. Например, обучение одной из крупнейших языковых моделей потребовало порядка тысячи графических процессоров NVIDIA A100, что оценивается в сумму около 5 миллионов долларов — неподъемные затраты для большинства компаний.

Собственная разработка: независимость, гибкость, стратегический актив

Если в сторону внешних вендоров обычно смотрят компании малого и среднего бизнеса, то крупные корпорации с их масштабными задачами и наличием ресурсов нередко выбирают собственную разработку. Для этого есть все основания, но, как и в первом случае, слабые стороны у собственной разработки тоже имеются. Рассмотрим главные плюсы, а попутно отметим и минусы.

Собственный ИИ-инструмент — конкурентное преимущество. Стоит оговориться, что так бывает не всегда, но если решение удачное и у конкурентов нет прямых аналогов, оно может приносить значительную прибыль. Достаточно вспомнить систему рекомендаций популярного стримингового сервиса, которая вносит весомый вклад в коммерческий успех компании. Но для создания решений такого уровня необходимы масштабные научно-технические исследования и серьезные капиталовложения.

Бесшовное внедрение. Решение от стороннего поставщика всегда усредненное. Оно подойдет, если и контур компании также выстроен более-менее шаблонно. Но при наличии большого числа кастомизаций возникает множество нестыковок. И в этом случае выигрывает путь с собственной разработкой, поскольку решение создается под конкретную инфраструктуру с полным пониманием ее возможностей и ограничений.

Независимость от поставщика. Покупая стороннее решение, организация фактически принимает установленные вендором условия. Но нет никакой гарантии, что со временем они не изменятся: стоимость обслуживания или доступа к системе может значительно вырасти, а параметры использования пересмотрены. В реальной практике возникали ситуации, когда стоимость тех или иных сервисов резко возрастала в десятки раз. При этом у компании не было другого выхода, кроме как продолжать им пользоваться, поскольку в противном случае пришлось бы серьезно перестраивать бизнес-процессы и переобучать персонал. Кроме того, никто не застрахован от внезапного исчезновения вендора с рынка, что сделает использование его ПО невозможным. У собственного решения нет всех этих минусов, поскольку оно на 100% находится в распоряжении компании.

Как определиться?

В ряде ситуаций выбор очевиден: нет бюджета и сильной собственной команды — перевешивает решение от внешнего поставщика. Кастомная инфраструктура, нешаблонные задачи, большой масштаб или конфиденциальные данные — сильные аргументы за собственную разработку. Но есть промежуточные случаи, когда ни та, ни другая чаша весов явно не перевешивает. Тогда стоит учитывать следующие ориентиры:

1) Если инструмент для работы связан с финансами, ценообразованием или имеет отношение к системам безопасности, стоит предпочесть внутреннюю разработку. Если передать такую задачу стороннему вендору, это чревато утечкой данных. Конкуренты могут создать аналогичное решение, а компания утратит свои преимущества на рынке. Конечно, другая команда может скопировать решение, но с большим опозданием — к тому времени компания уже успеет получить экономический результат и конкурентное преимущество.

2) Серьезный аргумент за собственную разработку — конфиденциальность данных. Подумайте: стоит ли передавать информацию третьей стороне для обучения моделей. Если ответ — «нет», то нужно предпочесть собственную разработку. 

3) Не забывайте о рисках смещения моделей. Поставщик может обучать модели на одних данных, а работать им придется на других — тех, что используются в компании. В итоге, даже при успешном тестировании, результат в реальной практике будет далек от идеала.

И в заключение стоит отметить, что при разработке собственной ИИ-модели, будь то своими силами или с привлечением внешних специалистов, необходимо учитывать ядро технологии. Возможно, будет целесообразным взять недорогие модели, доступные на рынке, или создать свой прототип. Практический опыт работы с технологией позволит быстро сформировать первоначальное представление о ее возможностях и ограничениях. По мере накопления опыта интуитивное понимание технологии будет расти, что позволит в дальнейшем формулировать более точные и обоснованные требования и запросы для доработки или выбора оптимального решения, максимально соответствующего потребностям и целям.

Фото: Freepik - drobotdean