Цена сверхинжиниринга

Сейчас работаю над кейсом ИИ-менеджера клиентов для сети эстетической гимнастики «СКАЗКА».

Бизнес выстроен крепко.
У ребят 13 филиалов и сотни детей, которые растут в спорте под их крылом.

Изначально запрос был достаточно простой - принимать заявки на пробное занятие через ИИ-менеджера.
Выглядело просто:
- филиал
- удобное время
- контакт

Постепенно мы начали докручивать возможности и смотреть на что способны нейросети.
В итоге наш ИИ-менеджер:
- определял опыт
- адаптировался под расписание
- фильтровал группы из 180 вариантов
- работал как живой сотрудник по регламенту
- подбирал идеальный вариант записи, не выходя за рамки компетенций

Круто да?
Технически мощно. Красиво. Полностью на ИИ.
Всё как сейчас любят.
На самом деле - Нет 😌

В процессе тестирования в живой среде мы выяснили вот что - большинство людей просто не доходят до записи, отваливаясь на вопросах и уточнениях идеального варианта записи.
При этом каждая новая “умная” функция рождала ещё 3 новых сценария, которые нужно было учитывать.
Параллельно:
- росла стоимость токенов
- усложнялась поддержка
- система становилась все более хрупкой и менее масштабируемой
- любое изменение било по всей логике

Что мы сделали?
Мы вернулись к самому началу и снова задали себе вопрос:
“Какое целевое действие должен сделать пользователь?”

Не подобрать идеальную группу.
Не пройти умную ИИ-воронку.
А быстро и удобно оставить заявку.
Мы сократили воронку до 3 пунктов:
- филиал
- возраст
- контакт
И погнали.

Честно скажу - откатываться обратно было морально непросто после всего сделанного, но я всегда стараюсь помнить - главное это результат для бизнеса.

Эпоха ИИ создаёт опасную иллюзию: если сложное теперь делать легче, значит сложность стала безопасной.
Но проблема в том, что сложность ради сложности всё ещё остаётся плохой идеей.

Очень многое в разработке сейчас упирается не в способность собрать сложную систему.
А в способность твердо ответить на вопрос
“Зачем?”

Есть простой принцип, который мне очень нравится:

Делай просто, проверяй часто.

Про быстрые итерации и почему это один из главных принципов современной ИИ-разработки я ещё напишу постец позже.

Но уже сейчас хочется донести простую мысль:
Самое простое решение, которое можно быстро выкатить и проверить в живой среде, чаще всего оказывается полезнее идеально продуманной сложной системы.

Сложность не гарантирует хороший результат.
Наоборот - она увеличивает шанс не уложиться в сроки, утонуть в поддержке, потерять гибкость, начать решать не проблему бизнеса, а инженерную головоломку для самого себя.
Особенно сейчас.
Когда ИИ позволяет очень быстро строить большие и “умные” конструкции.

Я всё чаще прихожу к тому, что главные принципы хорошего ИИ-решения:
- простота,
- прозрачность,
- быстрая проверка в реальности
И только потом масштабирование.

Потому что в конце дня бизнесу нужен не самый умный продукт.
Бизнесу нужен продукт, который стабильно приносит результат.

Такие мысли на сегодня.

На связи ✌🏼