Почему ML-команды тормозят продукты — и как построить процесс, который работает
Программный комитет ещё не принял решения по этому докладу
Целевая аудитория
Тезисы
Во многих компаниях внедрение искусственного интеллекта начинается одинаково: появляется сильная ML-команда, проводятся исследования, создаются модели с хорошими техническими метриками.
Но продукт от этого не становится лучше.
Модель может показывать отличные результаты на бенчмарках, но при попытке внедрения выясняется, что:
• непонятно, как она влияет на пользовательский сценарий,
• разработка не готова интегрировать её в продукт,
• бизнес не понимает, как измерять результат.
В итоге ИИ-фича откладывается, сроки срываются, а ML-команда получает репутацию “тормоза продукта”.
В докладе будут разобраны реальные решения и организационные практики, которые позволили:
• сократить цикл внедрения ML-фич;
• снизить конфликт между бизнесом и ML-командой;
• превратить исследовательские разработки в реальные продуктовые возможности.
После доклада участники смогут:
1. Перестать измерять успех ML-фич только техническими метриками.
2. Перейти от “идеальной модели” к продуктовым MVP.
3. Встроить ML-разработчиков в продуктовую команду.
4. Управлять ожиданиями бизнеса.
5. Планировать ML-разработку как часть продуктового roadmap.
10 лет в ИТ. Прошел путь от web-разработчика до руководителя проектов.
Что делал:
- Был руководителем проектов в геймстудии
- Внедрял WFM системы в продуктовый ритейл.
В настоящее время руководитель команды разработки в Контуре.
Работаю в Центре Искусственного Интелекта, внедряем ИИ технологии в продукт Толк.
Видео
Другие доклады секции
Оптимизируй свою команду
