ML-платформа не панацея: три кейса, когда унификация разработки только мешает

В крупных компаниях ML-разработка часто упирается не в модели, а в инфраструктуру: одни и те же данные готовят для разных проектов, модели переобучают, эксперименты проверяют. На ИТ-Пикнике Сергей Кузнецов, руководитель разработки платформы рекомендаций и поиска MWS, разобрал три кейса, демонстрирующих границы унификации.

Первый кейс — когда платформа действительно нужна: если команды постоянно переиспользуют данные и пайплайны, централизованная платформа сокращает дублирование и ускоряет разработку. Второй — когда достаточно библиотеки: если проект уникален или требования быстро меняются, навязывание платформы только тормозит работу.

Третий кейс — компромисс: гибридный подход, где часть процессов унифицирована, а часть остаётся на усмотрение команд. Вывод: платформа — не самоцель, её внедрение должно быть обосновано реальной экономией, а не модой на централизацию.