В зале сидел некто Сергей Г., который позже признался, что пощадил меня и не стал валить вопросом "зачем вообще нужен Loginom, когда есть вайб код". А жаль) Вопрос-то хороший на самом деле.
Любую отдельно взятую задачу по работе с данными всегда можно решить быстро, дешево и просто (и это кстати больше про Excel чем про LLM). Вопросы появляются, когда нужно не решение отдельной задачи, а инфраструктура корпоративного уровня:
- Быстрая: чтобы люди не закипали в ожидании пока отчет отработает / функция сформируется;
- Надежная: согласованность, прозрачность бизнес-логики, безопасность, простота обслуживания;
- Масштабируемая: как все будет работать, если объемы данных вырастут кратно? Или на порядки;
- Гибкая: как сделать, чтобы новые вводные, о которых сегодня ничего не известно, не потребовали переделывать все что создано до этого?
Такие факторы в промпт не запишешь. Часть из них является возможностями стека, но наиболее значительная часть - это проектный опыт. Который получается, когда возможность множество проектов разрабатывать с нуля и выработать подход, который сразу учитывает все выше перечисленное, но при этом не грузит избыточной сложностью на старте.
Свой опыт я вложил в библиотеку "Пакет монетизации данных" для Loginom, и на выходе мы получаем коробочное решение со следующими характеристиками:
1. Сверх-низкий порог входа. Базовое техническое требование к полноценной работе со стеком - компьютерная грамотность. Люди без ИТ опыта строят MVP и до водят их до инфраструктуры. Особенно актуально для людей от бизнеса, которые хотят серьезно войти в аналитику, но опыта программирования за плечами нет. LLM-ки не снижают порог входа для сложных проектов, они поднимают производительность для тех кто уже хорошо разбирается в теме.
2. Сохранение управляемости при росте сложности. В основе решения лежит методика, разложенная на компоненты-шаблоны. Следуя простой инструкции, человек без проектного опыта делает сразу работает по лучшим практикам, расставляя квадратики на экране.
3. Экономия токенов. Зачем тратить токены на вещи, которые прекрасно алгоритмизируются без LLM?
4. Независимость от доступности LLM. Любимая ЛЛМка забанила вас / стала стоить как крыло от боинга / прекратила свое существование? Ну и ладно, потому что ядро инфраструктуры от нее не зависит, как и ваши возможности понимать что в нем происходит и вносить изменения.
При этом за работу с большими объемами данных отвечает у нас отвечает Clickhouse, но разработчику не нужно в нем разбираться - все тяготы общения с ним берет на себя Пакет монетизации данных.
Так, человек без реального опыта разработки хранилищ сможет создать и поддерживать инфраструктуру, которая удовлетворит и внутренние потребности по анализу данных, так и реализацию интеграционных сценариев с использованием API, и разработку продуктов на основе данных для внешних потребителей (клиентов и партнеров). Все это - следуя простой инструкции, не выпуская ситуацию из под контроля.