Не «работает — не работает»: как принять AI/ML-проект и закрепить критерии качества в договоре

В классической разработке почти весь функционал оценивают бинарно: кнопка нажалась — значит, работает. С нейросетями так не получится: результат всегда вероятностный и зависит от огромного числа факторов. Значит, и критерии приёмки должны быть другими.

Евгений Макутин, ML-инженер «Далее», разбирает, как заранее договориться о способах измерения качества и о том, при каких условиях решение считается принятым. В статье — про метрики, пороговые значения и формулировки для договора, чтобы не спорить после сдачи проекта.

Материал будет полезен и заказчикам, и исполнителям: он помогает перевести размытые ожидания («чтобы нейросеть работала хорошо») в конкретные, проверяемые требования.