The post has been translated automatically. Original language: Russian
Everyone is adding AI now, but half of the projects end up with an expensive toy that doesn't affect the metrics. We share our practice on how to approach this in an engineering way.
1. First the task, then the technology
Not "let's screw up the AI", but "what specific pain will it cover". AI really pays off where there is routine, volume, and text: support, application processing, content generation, and knowledge base search. If the task is solved by ordinary logic or a simple script, do not complicate it.
2. Don't train your model. Use the API
A common mistake of early teams is to try to "train a neural network." In 99% of cases, this is unnecessary and ruinous. Take ready-made LLMs through the API (Anthropic, OpenAI, Google, etc.), and use according to your specifics: industrial engineering — correctly formulated instructions close most cases; RAG (retrieval-augmented generation) — connecting your knowledge base/documents so that the model responds to your data rather than "hallucinating"; Fine-tuning — only when everything else has already been squeezed out and a stable narrow format is needed.
3. Keep the person in the loop
Especially at the start: the AI prepares a draft/response, and the human confirms it. This protects against errors in client communications and gives you the data on which the system becomes more accurate.
4. Consider the cost and speed from the first day
Two parameters that kill AI features in the product: the price per request and the latency. Practice: cache duplicate answers, choose a model for the task (don't take the top one where the easy one is enough), set limits. The same feature on a "cheap" and "expensive" model may differ significantly in cost with the same result.
5. Set limiters (guardrails)
AI in a product without a framework = risk. Minimum: filtering of unwanted input/output, clear boundaries of "what the assistant doesn't talk about", folback on a live person, logging for error analysis.
6. A quick start in a week, not a quarter
A working approach: take one narrow scenario (for example, AI answers to the 20 most frequent customer questions), assemble a prototype on the API in a few days, test it on real requests, measure the effect, and only then scale. A small working case is more useful than a large "AI-platform" plan in a presentation.
A short checklist before implementation: ✅ there is a specific task with a measurable metric The API + prompt/RAG path has been chosen, rather than learning from scratch , the cost of the request and latency are calculated , there is a man in contour and guardrails You start with one narrow scenario
A/B-тесты должны убирать догадки из решений, но чаще добавляют ложной уверенности. Тест показал «вариант B лучше», вы всё поменяли — а продажи не выросли. Разбираем ошибки, из-за которых тестам нельзя верить.
1. Остановили тест слишком рано
Увидели, что B вырвался вперёд на второй день, и выключили. Но ранний отрыв почти всегда случайность — цифры ещё «прыгают». Тест доводят до заранее заданного объёма данных, а не до момента, когда захотелось.
2. Слишком маленькая выборка
На 40 посетителях «разница в 20%» ничего не значит — это шум. Прежде чем запускать, прикиньте, сколько наблюдений нужно, чтобы разница была видна. Мало трафика — тест либо не запускают, либо ведут дольше.
3. Тестируете всё сразу
Поменяли одновременно заголовок, картинку и кнопку — B победил. А что именно сработало? Непонятно, повторить нельзя. Один тест — одно изменение, иначе результат неинтерпретируем.
4. Игнорируете статистическую значимость
«B лучше на 3%» — это победа или случайность? Без проверки значимости вы принимаете шум за результат. Смотрите не только на разницу, но и на то, достаточно ли данных, чтобы ей верить.
5. Не учли сезонность и внешние факторы
Вариант A крутился в будни, B — в выходные; или на середину теста пришлась акция. Тогда вы сравниваете не варианты, а периоды. Оба варианта должны работать одновременно и в равных условиях.
Проверка перед запуском: одно ли изменение вы тестируете, хватит ли трафика, и как вы поймёте, что разница не случайна. Нет ответа хотя бы на один вопрос — тест даст красивую, но обманчивую цифру.
Главное: плохой A/B-тест хуже его отсутствия — он даёт ложную уверенность и толкает к неверным решениям. Верить можно только чистому тесту.
💬 Какой тест вас удивил результатом? Поделитесь в комментариях 👇
Share
