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
«Сделайте красиво и современно» — и вы получаете совсем не то, что представляли. Потом правки, споры и сорванные сроки. Разбираем, из чего состоит понятное техническое задание.
1. Начните с цели, а не с решения
Не «нужен слайдер на главной», а «нужно, чтобы посетитель за 5 секунд понял, что мы продаём». Исполнитель, который знает цель, часто предложит решение лучше вашего. Формулировка цели важнее списка хотелок.
2. Опишите, для кого это делается
Кто пользователь, что он делает на странице, какое действие должен совершить. Без этого исполнитель ориентируется на свой вкус, а не на вашу аудиторию.
3. Уберите оценочные слова
«Красиво», «дорого», «современно», «удобно» — у каждого своё понимание. Заменяйте примерами: «как на этом сайте — шапка и структура блоков», «вот три референса, что нравится и почему». Референс работает лучше десяти прилагательных.
4. Зафиксируйте конкретику
Объём (сколько страниц, экранов, постов), форматы и размеры, сроки по этапам, что предоставляете вы, а что делает исполнитель. Именно из-за пропусков в этом блоке потом возникают споры «это входило или нет».
5. Опишите, что НЕ входит
Отдельный абзац «вне задачи» экономит недели. Например: «наполнение контентом — на стороне заказчика», «мобильная версия — отдельный этап». Границы задачи защищают обе стороны.
6. Определите, как принимается работа
Кто согласовывает, в какой срок, сколько раундов правок включено и что считается выполненным. Без этого правки могут идти бесконечно, а проект не закроется никогда.
Проверка готового ТЗ: дайте прочитать человеку, который не в контексте. Если у него появились вопросы «а как именно?» — эти места и переделает исполнитель по-своему.
Главное: хорошее ТЗ — это не бюрократия, а способ получить нужный результат с первого раза. Час на его написание экономит недели переделок.
💬 Какая формулировка в ТЗ вас однажды подвела? Поделитесь в комментариях 👇
Share
