Как не похоронить AI-проект еще до старта

Запуск ML‑решения — это не «написал код на коленке, запустил и понеслось». Это череда согласований, вечно занятые GPU, регуляторные сюрпризы и рассинхрон ожиданий с бизнесом.
Я собрал типичные проблемы, которые убивают проекты на старте, и то, как их обезвредить.

🔄 Согласования: ваша главная задержка.

На первых порах вы будете ждать:

- подписи по архитектуре,

- добро на облака или on‑prem,

- выделение людей и GPU,

- доступы к данным и сервисам.

Обычная практика: месяц согласований, неделя работы.

Быстрые и короткие коммуникации со всеми: заказчик, владелец продукта, команда, DevOps, тестировщики, фронты.

Совет: заведите общий чат/канал по проекту + еженедельный 15‑минутный синк по «стопперам».

👥 Команда: кого брать, чтобы не перегрузить MVP (по моему мнению):

- аналитик,

- тимлид + техлид (могут совпадать),

- архитектор.

Но классика выживания AI‑проекта — это плюсом:

- дата‑сайентист,

- дата‑инженер,

- MLOps (или DevOps, который не боится ML‑инфры).

🚩 Критично до старта

Документально зафиксировать реальную доступность (часов в неделю) каждого специалиста. Удаленщики, перегрузы на смежных проектах, «пропадание на два дня» - всё это будет.

Из наблюдений: перегрузы, невыход на связь, сдвиг сроков - обычное дело. Готовьтесь.

💪 Про боевой настрой

Если девизы помогают — вот годные примеры (слегка переосмысленные под IT):

> «Там, где мы, там победа!» - Морская Пехота России

> «Никто, кроме нас» - ВДВ

> «Неси волю Императора как факел, разгоняй им тени» - (Warhammer 40K)

💸 Ресурсы: что нужно зафиксировать в документах.

Обязательно пропишите в аналитике:

- количество GPU/TPU (обучение и инференс),

- лимиты облачных квот,

- требуемую оперативную память.

Отдельной заявкой — доступы к внешним сервисам и к данным проекта.

⚠ Если данных мало или они грязные — сразу отражайте это как ограничение. Модель будет хуже, это не магия.

⚠ Риски: то, что должно быть в реестре с первого дня:

🎯 Рассогласование ожиданий

Бизнес хочет «точность 99%», а с вашими данными реально 80%. Решение: стартовый воркшоп с демо‑бенчмарками. Фиксируете целевые метрики «на берегу». Это ключевой риск — обязательный к проработке.

🗓 Срыв сроков

Из‑за:

- сторонних специалистов (другие команды),

- поломки оборудования,

- нехватки мощностей,

- задержек поставок железа.

🧠 Уход единственного носителя знаний

Минимизация:

- вики, которую реально ведут,

- перекрёстное ревью,

- постоянное развитие hard‑скиллов команды.

😴 Незаинтересованность владельца продукта

Решение — постоянное вовлечение их или их представителей. И детальный сбор реальных потребностей на старте.

Учли эти моменты? Только после этого можно приступать и обязательно следите за метриками. Это, пожалуй, самое важное, что бизнес обязательно спросит у вас.

Всем удачи на пути внедрения ИИ! Мы вместе :)