Разработка ИИ-решений на заказ: этапы проекта и роли

Разработка ИИ-решения на заказ похожа на обычную разработку программ только частично. В обычном проекте можно заранее описать функции и проверить, что они работают. В ИИ-проекте качество результата зависит от данных, и до проверки на реальных примерах никто не может честно обещать, какая точность получится. Поэтому такие проекты строят поэтапно, с точками принятия решений.

Этап 1. Обследование

Команда разбирается в процессе: где возникает проблема, кто принимает решения, какие данные есть и в каком они состоянии, как сейчас измеряется результат. Итог этапа — постановка задачи с понятным критерием успеха и оценка, хватает ли данных. Иногда выясняется, что проблема решается без ИИ — правилом, отчётом или наведением порядка в учёте. Это тоже полезный результат.

Этап 2. Проверка гипотезы

Небольшой исследовательский проект: собрать выборку данных, построить первые модели, сравнить с базовым решением. Цель — ответить на вопрос, достижимо ли нужное качество. На этом этапе ещё не строят интерфейсы и интеграции. Если гипотеза не подтвердилась, проект останавливают или меняют постановку, потеряв немного времени и денег.

Этап 3. Пилот

Модель встраивается в реальный процесс на ограниченном участке: один отдел, один склад, часть клиентов. Пользователи работают с результатами, команда собирает обратную связь и измеряет эффект. Здесь обнаруживаются проблемы, невидимые в исследовании: данные приходят с задержкой, сотрудники не доверяют рекомендациям, интерфейс неудобен.

Этап 4. Промышленный запуск

Решение масштабируется на всю компанию. Нужны надёжные потоки данных, мониторинг, резервные сценарии, права доступа, документация, обучение пользователей. Это инженерная работа, которая часто занимает больше времени, чем создание самой модели.

На этом этапе важно договориться о границах ответственности: что делает система автоматически, что подтверждает человек, кто разбирает спорные случаи. Эти правила фиксируются в регламенте, а пользователи проходят обучение на реальных примерах из своей работы.

Этап 5. Сопровождение

Модели устаревают, данные меняются, появляются новые требования. Нужен регулярный мониторинг качества, переобучение, исправление сбоев интеграций. Без сопровождения ИИ-решение постепенно перестаёт приносить пользу.

Роли в команде

• Руководитель проекта со стороны подрядчика и владелец процесса со стороны заказчика
• Аналитик, который понимает бизнес-процесс и переводит его в задачу
• Инженер данных: выгрузки, очистка, хранилища, потоки
• Специалист по машинному обучению: модели, эксперименты, оценка качества
• Разработчик: интеграции, интерфейсы, развёртывание
• Эксперты заказчика: разметка, проверка результатов, обратная связь

В небольших проектах один человек совмещает несколько ролей, но все функции должны быть закрыты.

Что готовит заказчик

Доступ к данным и людям, которые их понимают. Время экспертов на разметку и проверку — без этого модель не научится. Решение о том, кто будет пользоваться результатом и как изменится процесс. Ответственного, который принимает решения по этапам.

Договор и оплата

Из-за неопределённости результата удобно договариваться поэтапно: отдельный договор или этап на обследование и проверку гипотезы, затем на пилот, затем на внедрение. Критерии приёмки формулируются через метрики качества на согласованной проверочной выборке. Права на код, модели и данные лучше закрепить заранее.

Типичные ошибки

• Начинать с «хотим ИИ» без конкретного процесса и показателя
• Пропускать проверку гипотезы и сразу заказывать полную систему
• Не выделять экспертов заказчика — данные остаются неразмеченными
• Считать проект законченным после демонстрации прототипа