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
Медленный сайт — это не про эстетику, а про деньги. Пользователь уходит до того, как увидел ваш оффер, а рекламный бюджет уже потрачен на этот клик.
Разбираем, что тормозит и что чинить в первую очередь.
1. Начните с замера, а не с догадок
Прогоните сайт через PageSpeed Insights или Lighthouse. Смотрите на три метрики Core Web Vitals: LCP (за сколько появляется главный элемент), INP (насколько отзывчив интерфейс), CLS (не «прыгает» ли вёрстка). Оптимизировать без замера — это чинить наугад.
2. Картинки — причина №1
В большинстве случаев тормозит не код, а изображения. Что даёт эффект сразу: современные форматы (WebP/AVIF), сжатие, правильные размеры под контейнер, loading="lazy" для всего, что ниже первого экрана. Одна фотография на 4 МБ в шапке способна перечеркнуть всю остальную оптимизацию.
3. Шрифты блокируют отрисовку
Подключайте только нужные начертания, используйте font-display: swap, а не грузите десять весов «на всякий случай». Иначе пользователь секунду смотрит в пустой экран.
4. Сторонние скрипты
Пиксели, чаты, аналитика, виджеты — каждый добавляет вес и запросы. Ревизия раз в квартал: что реально используется, а что осталось с прошлой кампании. Всё несрочное — асинхронно и после загрузки основного контента.
5. Мобильный — это основной сценарий
Большая часть трафика приходит с телефона и не с идеального Wi-Fi. Тестируйте на мобильном профиле с замедленной сетью, а не на своём ноутбуке с оптоволокном.
6. Кэш и CDN
Статику — в кэш браузера, раздачу — через CDN ближе к пользователю. Для аудитории в Казахстане это особенно заметно, если сервер стоит далеко.
Как понять, что оптимизация окупилась: смотрите не только на баллы PageSpeed, а на отказы и конверсию из рекламы. Балл — инструмент, деньги — результат.
💬 Что у вас тормозило сайт сильнее всего? Поделитесь в комментариях 👇
Share
