Как мы в 2,5 раза увеличили количество клиентских проектов, создав ИИ для дизайна интерьера
Привет! Меня зовут Павел Бондарь, я генеральный директор FlyFlat, компания специализируется на дизайне интерьеров. В этой статье расскажу, как мы создали сервис на основе ИИ, с помощью которого любой человек может создать дизайн квартиры или дома.
FlyFlat создает дизайн и находит в магазинах нужные предметы интерьера
FlyFlat разрабатывает дизайн интерьеров, для этого у нас есть целый штат сотрудников. Разработка вручную занимала много времени — по нашей оценке, сроками были недовольны 63% клиентов.
Мне хотелось снизить нагрузку на дизайнеров и сократить сроки разработки проектов. Появилась идея создать сервис на основе ИИ — его могли бы использовать и наши дизайнеры при работе над клиентскими проектами, и все желающие.
Так появился сервис FlyFlat, вот что он умеет:
- Генерировать варианты дизайна интерьера на основе текстового описания.
- Создавать модель квартиры по фотографиям и подбирать мебель.
- Распознавать предметы интерьера на фото и находить магазины, где их можно купить.
В основе сервиса — нейросети, технологии виртуальной и дополненной реальности. С их помощью можно накладывать сгенерированные дизайны на фотографии реальных квартир.
Разработали MVP на собственном оборудовании, а затем решили переехать в облако
Мы разработали MVP и провели первые тесты на собственной инфраструктуре. Но ресурсы наших серверов ограничены, и для продакшена локальное развертывание не подходило.
- На этапе MVP мы не готовы закупать оборудование впрок, особенно с учетом дефицита «железа».
- Не хотелось нагружать штатных ИТ-специалистов еще и администрированием инфраструктуры.
- На собственном оборудовании сложнее масштабироваться. Ресурсов может не хватить, если завтра количество пользователей резко вырастет.
Поэтому решили размещать FlyFlat в облаке. Для сервиса требовались:
- Высокопроизводительные процессоры для стабильной работы и обработки запросов;
- GPU для быстрого обучения ML-моделей;
- Хранилище для датасетов, ML-моделей, стандартных каталогов жилья, элементов интерьера и других данных.
Стали искать провайдера, который предоставит нам все необходимые ресурсы.
Прошли отбор в программу поддержки стартапов облачного провайдера и экономим на инфраструктуре
Пока выбирали провайдера, посмотрели всех крупных российских поставщиков. Нам были важны следующие критерии.
- Ресурсы. Искали провайдера, который предоставит достаточно мощностей и позволит масштабировать инфраструктуру под нагрузку.
- Компетенции. Важно, чтобы у сотрудников провайдера был опыт в Machine Learning и построении систем для работы с данными. В общем, чтобы нас могли проконсультировать по архитектуре.
- Прогнозируемость. Важно, чтобы облачные сервисы стабильно работали, а новые фичи появлялись регулярно — это позволило бы нам планировать развитие продукта.
- Клиентоориентированность. Мы хотели попробовать разные сценарии и подходы к работе в облаке. Было важно, чтобы провайдер позволял провести нужные тесты и делился опытом.
- Стоимость. На этапе MPV мы не были готовы к большим инвестициям, поэтому искали провайдера, который предлагает стартапам специальные условия.
В итоге, подали заявку на участие в программе поддержки стартапов VK Cloud. Прошли отбор и сейчас пользуемся скидками, что дополнительно снижает наши расходы на ИТ.
Сейчас в облаке VK Cloud используем несколько сервисов:
- Виртуальные машины для работы ИИ-алгоритмов и запуска нашей базы данных.
- S3-хранилище для горячего хранения данных. В нем разместили как фотографии, каталоги готовых интерьеров, мебели и других объектов.
- GPU NVIDIA Tesla A100, его используют нейросети для дообучения на пользовательских данных и выдачи готовых результатов.
- GPU NVIDIA Tesla V100 — нужна, чтобы распознавать объекты на изображениях.
Результаты
- Сейчас идет бета-тестирования сервиса FlyFlat, им пользуются 300 дизайнеров и 600 частных пользователей.
- Сократилось время разработки одного интерьера, вместе с ИИ наши дизайнеры ежемесячно разрабатывают в 2,5 раза проектов.
- Виджет FlyFlat интегрирован на сайты застройщиков — люди могут подобрать интерьер для квартиры, которую смотрят. Это позволило увеличить конверсию в звонок на 17%.
- После завершения бета-тестирования планируем публичный релиз сервиса.