С того момента, как нейросети начали превращаться из технологического новшества в актуальный и необходимый бизнес-инструмент, компании оказались перед выбором: внедрять решения на основе ИИ сейчас или подождать, пока они будут совершенствоваться. Сегодня этот вопрос уже не стоит, ему на смену пришел другой: внедрять готовую ИИ-модель или разрабатывать собственную? И здесь ответ уже не так очевиден, поскольку у каждого варианта есть свои сильные и слабые стороны. Какие именно, рассказывает Михаил Красильников, кандидат физико-математических наук, директор департамента разработки и внедрения систем искусственного интеллекта ИТ-компании BIA Technologies.

Решения от внешних вендоров: плюсы и ограничения

Когда у компании нет собственной команды разработчиков, естественный шаг — воспользоваться готовым внешним решением. И, действительно, у такого подхода есть свои плюсы. Сразу стоит оговориться, что эти преимущества в большинстве своем ситуативны и могут перекрываться рядом существенных ограничений.

Среди сильных сторон готовых ИИ-инструментов есть такие, которые справедливы для любых программных решений, а есть те, которые можно назвать специфичными и касающимися только нейросетевых продуктов.

Скорость поставки. Если внедряемая система не влияет на значительное количество процессов бизнеса, автоматизирует относительно локальные операции, не требует множества интеграций в ИТ-ландшафт, то она может быть достаточно быстро встроена в контур организации. Однако, это преимущество не относится к готовым решениям, требующим сложного подключения. Здесь уже понадобятся не только внешние специалисты для настройки системы, но и привлечение сотрудников компании, чтобы обеспечить слияние с внутренними источниками данных, а значит их придется отвлечь от основной деятельности.

Широта экспертизы. Если рассматриваемое готовое решение имеет большое количество внедрений, то естественным образом у поставщика должен быть богатый опыт. По моему мнению, говорить о экспертизе можно, когда компания-разработчик произвела не менее трех внедрений систем с одной и той же функциональностью в различных фирмах.

Простота развертывания системы. Часто коробочные решения легковесны с точки зрения вычислительных требований, поскольку избегают сложных CI/CD процессов. При этом цена дополнительных серверных ресурсов и необходимость введения в штат новых сотрудников противоречат самой идее готового продукта, которая заключается в доступности широкому кругу заказчиков. Поэтому при разработке такого ПО акцент делается на простоте поставки. В качестве альтернативы многие вендоры предлагают функциональность в формате SaaS-решений. Однако, крупные организации часто видят значительные риски в использовании внешних сервисов из-за вопросов безопасности, надежности и контроля над данными.

Стоимость. Можно выделить простую закономерность: чем компактнее бизнес, тем меньше ему требуется функциональности и аналитических инструментов. Напротив, чем больше и сложнее бизнес, тем выше требования к разработке, что, как следствие, делает проект дороже. Поэтому "коробочные" решения обычно соотносятся с запросами и бюджетами небольших компаний.

Инфраструктура и данные. Значимым плюсом готовых ИИ-решений является наличие у вендора обширного набора данных для обучения модели, которых нет у самого заказчика. Эти данные часто собираются и обрабатываются на протяжении длительного времени, что позволяет создавать более точные и эффективные модели. Кроме того, ИТ-компании могут использовать разнообразные источники сведений, что способствует улучшению качества обучения и повышению общей производительности решений. Еще одним важным аспектом является наличие у вендоров инфраструктуры для обучения на данных компании-заказчика. Например, для создания одной из самых известных языковых моделей, по оценкам экспертов, потребовалось около тысячи GPU NVIDIA A100, что могло обойтись компании в сумму порядка $5 млн.

Стандарты внедрения и гарантия соблюдение законодательных норм. Еще одним преимуществом готового ИИ-решения является наличие у компании-разработчика выработанных стандартов в вопросах развертывания ПО, что значительно повышает качество реализации продукта. Как правило, это уже проверенные методологии, лучшие практики и четкие протоколы, которые помогают минимизировать риски и ускорить процесс.

Кроме того, приобретая готовое решение, заказчик может быть уверен в соответствии продукта действующим правовым нормам. Также в дальнейшем вендор отслеживает изменения и централизовано доводит их до заказчика, конечно, при условии своевременных обновлений продукта.

Собственная разработка: преимущества и минусы

Чем крупнее компания, тем масштабнее ее задачи и тем больше у нее ресурсов на собственную разработку. Поэтому корпорации чаще идут именно по этому пути. У такого решения есть также свои плюсы и недостатки.

Решение может стать ключевой компетенцией и стратегическим активом. В качестве примера можно привести алгоритм рекомендаций известного стримингового сервиса, который приносит компании огромную прибыль. Этот ресурс, разработанный внутренней командой, стал серьезным конкурентным преимуществом. Разумеется, чтобы получить действительно выдающиеся решение необходимы существенные вложения для проведения научно-исследовательских работ (RND).

Удобство интеграции. Если в организации много кастомизаций, внешнему поставщику сложнее научится работать с данными заказчика. Когда вендор создает коробку, он ориентируется на типовые ситуации и запросы предприятий и не учитывает контур конкретной компании. Наоборот, внутренние разработчики ориентируются на собственный ИТ-ландшафт и создают решение исходя из понимания его ограничений.

Независимость. Решение приобретается у поставщика на определенных условиях, но впоследствии сама модель или стоимость сопровождения и доступа к ней может измениться. Допустим, фирма в течение года пользуется ИИ-сервисом для создания презентаций, а через год разработчик приложения повышает плату в десять раз. К тому времени процессы организации и сотрудники ориентированы именно на этот сервис, и отказ от него потребует перестройки и переобучения. Таким образом, компания окажется перед необходимым выбором. Не стоит забывать, что вендор вообще может неожиданно уйти с рынка ввиду внешних обстоятельств.

Пункты перечисленные выше невыполнимы без сильной собственной ИТ-команды. В большинстве случаев это специалисты с экспертизой, соответствующей квалификационным критериям задачи, а также 3-5 годами работы в компании. Это позволяет лучше понять особенности внедрения и работы с данными этого бизнеса. Если специалисты уже есть в компании, это сразу дает весомое преимущество, а формирование новой команды даже при наличии ресурсов – сложная задача, кроме того, нужно 1-2 года для их адаптации.

Что выбрать?

Есть случаи, когда все достаточно очевидно, при отсутствии бюджета и квалифицированной команды разработчиков, вряд ли будет альтернатива внешнему решению. И наоборот, в крупной компании со специфической инфраструктурой и нетривиальными задачами останется только один вариант — собственная разработка. Но бывают пограничные ситуации, когда есть аргументы в пользу обоих подходов. Тогда необходимо иметь в виду следующие моменты.

Все, что касается экономической составляющей, ценообразования, систем безопасности – желательно разрабатывать внутри организации. В противном случае фирма потеряет конкурентное преимущество, поскольку третья сторона будет осведомлена о разработке и сможет быстрее создать аналогичное решение. По крайней мере, сохраняя конфиденциальность, бизнес выиграет время, так как другая команда все равно сможет воспроизвести продукт, но позже. А пока конкурент будет занят разработкой, компания уже сможет получить прибыль.

Если в компании есть уникальные, будь то финансовые, коммерческие, юридические или другие конфиденциальные данные, которые нежелательно отдавать для обучения сторонних моделей — это также повод выбрать собственную разработку. Поскольку обфусирование или, другими словами, "обезличивание" сведений очень сложный процесс и может быть даже нелегче, чем разработка решения.

Стоит помнить и о риске смещения модели. К примеру, вендор обучал алгоритм на одних сведениях, и на тестовых показах она отлично работала, но в компании используются другие данные, и модель просто не актуальна для них.

Если принято решение о разработке ИИ-модели, соответствующей потребностям компании (собственными силами или с привлечением сторонних специалистов), важно обратить внимание на ядро технологии. Возможно, целесообразно начать с использования доступных недорогих моделей на рынке или оперативно разработать прототип самостоятельно. Такой подход позволит быстро получить практический опыт взаимодействия с технологией и сформировать первоначальное представление по ее применению. По мере работы накопится интуитивное понимание, которое впоследствии позволит сформулировать более точные и обоснованные требования и запросы для дальнейшей доработки или выбора оптимального решения.