Строить или покупать? Масштабирование конвейера корпоративного ИИ в 2025 году

Масштабирование внедрения генеративных инструментов всегда было проблемой баланса между амбициями и практичностью, и в 2025 году ставки высоки как никогда. Предприятия, стремящиеся внедрить крупные языковые модели (LLM), сталкиваются с новой реальностью: масштабирование — это не просто развертывание более крупных моделей или инвестирование в передовые инструменты — это интеграция ИИ способами, которые трансформируют операции, расширяют возможности команд и оптимизируют затраты. Успех зависит не только от технологий; он требует культурного и операционного сдвига, который согласует возможности ИИ с целями бизнеса.

Навигация по нормативам ИИ в телекоммуникациях — AI Impact Tour 2024 Навигация по нормативам ИИ в телекоммуникациях — AI Impact Tour 2024

Императив масштабирования: чем отличается 2025 год

Поскольку генеративный ИИ развивается от экспериментов до развертываний в масштабах предприятия, компании сталкиваются с переломным моментом. Волнение от раннего внедрения уступило место практическим задачам поддержания эффективности, управления затратами и обеспечения релевантности на конкурентных рынках. Масштабирование ИИ в 2025 году — это поиск ответов на сложные вопросы: как компании могут сделать генеративные инструменты эффективными для всех отделов? Какая инфраструктура будет поддерживать рост ИИ без ограничения ресурсов? И, возможно, самое главное, как команды адаптируются к рабочим процессам на основе ИИ?

Успех зависит от трех важнейших принципов: определение четких, высокоценных вариантов использования; поддержание технологической гибкости; и создание рабочей силы, способной адаптироваться. Предприятия, которые преуспевают, не просто внедряют генеративный ИИ — они разрабатывают стратегии, которые согласуют технологию с потребностями бизнеса, постоянно переоценивая затраты, производительность и культурные сдвиги, необходимые для устойчивого воздействия. Этот подход заключается не только в развертывании передовых инструментов; он заключается в создании операционной устойчивости и масштабируемости в среде, где технологии и рынки развиваются с головокружительной скоростью.

Такие компании, как Wayfair и Expedia, воплощают эти уроки, демонстрируя, как гибридные подходы к внедрению LLM могут трансформировать операции. Сочетая внешние платформы с индивидуальными решениями, эти компании иллюстрируют силу баланса гибкости и точности, устанавливая пример для других.

Сочетание настройки с гибкостью

Решение о создании или покупке инструментов искусственного интеллекта часто представляется как бинарное, но Wayfair и Expedia иллюстрируют преимущества детальной стратегии. Фиона Тан, технический директор Wayfair, подчеркивает ценность баланса между гибкостью и специфичностью. Wayfair использует Vertex AI от Google для общих приложений, одновременно разрабатывая собственные инструменты для нишевых требований. Тан поделился итеративным подходом компании, рассказав о том, как более мелкие и экономичные модели часто превосходят более крупные и дорогие варианты в маркировке атрибутов продукта, таких как цвета ткани и мебели.

Аналогичным образом Expedia использует многопоставочный прокси-слой LLM, который обеспечивает бесшовную интеграцию различных моделей. Раджеш Найду, старший вице-президент Expedia, описывает их стратегию как способ оставаться гибкими и при этом оптимизировать затраты. «Мы всегда ищем возможности, рассматривая лучшие в своем классе [модели], где это имеет смысл, но мы также готовы разрабатывать для нашей собственной области», — объясняет Найду. Такая гибкость гарантирует, что команда может адаптироваться к меняющимся бизнес-потребностям, не привязываясь к одному поставщику.

Такие гибридные подходы напоминают эволюцию планирования ресурсов предприятия (ERP) 1990-х годов, когда предприятиям приходилось выбирать между принятием жестких, готовых решений и серьезной настройкой систем в соответствии со своими рабочими процессами. Тогда, как и сейчас, компании, которые добились успеха, осознали ценность сочетания внешних инструментов с индивидуальными разработками для решения конкретных операционных задач.

Операционная эффективность для основных бизнес-функций

И Wayfair, и Expedia демонстрируют, что настоящая сила LLM заключается в целевых приложениях, которые обеспечивают измеримое влияние. Wayfair использует генеративный ИИ для обогащения своего каталога продуктов, улучшая метаданные с автономной точностью. Это не только оптимизирует рабочие процессы, но и улучшает поиск и рекомендации клиентам. Тан выделяет еще одно преобразующее применение: использование LLM для анализа устаревших структур баз данных. Поскольку оригинальные разработчики систем больше не доступны, генеративный ИИ позволяет Wayfair смягчить технический долг и открыть новые возможности эффективности в устаревших системах.

Expedia добилась успеха, интегрировав ИИ-генератор в рабочие процессы обслуживания клиентов и разработчиков. Найду рассказывает, что специальный инструмент ИИ-генератора, разработанный для суммирования вызовов, гарантирует, что «90% путешественников смогут связаться с агентом в течение 30 секунд», что способствует значительному повышению удовлетворенности клиентов. Кроме того, GitHub Copilot был развернут по всему предприятию, ускорив генерацию кода и отладку. Эти операционные преимущества подчеркивают важность согласования возможностей ИИ-генератора с четкими, высокоценными бизнес-кейсами использования.