· AI Engineer World's Fair 2025
Как небольшая AI-команда добивается больших результатов
Small AI Teams with Huge Impact — Vik Paruchuri, Datalab
Небольшая команда инженеров-универсалов, которые ведут задачу от клиента до продакшена, по словам автора, выпускает модели и продукты быстрее больших команд со специалистами.
- Сквозная ответственность вместо передач — в такой схеме один и тот же человек ведёт и разговор с клиентом, и обучение модели; по словам автора, при передаче между командами контекст теряется, а обратная связь от клиента доходит до обучения месяцами.
- Surya OCR 3 силами двух человек — модель на 500 миллионов параметров с поддержкой 90 языков обучили от архитектуры до интеграции в API; по словам авторов, точность 99% на их внутреннем бенчмарке, а большая часть работы ушла на чистку данных.
- Модель вместо выездных инженеров — вместо того чтобы отправлять инженеров к каждому клиенту подгонять парсинг, авторы учат модель саму итеративно подстраиваться под выходы клиента; работает ли это на масштабе, авторы пока не знают.
- Найм через оплачиваемый проект — кандидат делает проект примерно на 10 часов за $1000, после чего команда решает, подходит ли он; по словам автора, из собеседованных примерно 40% в итоге наняли.
Статья по теме
Главы
Похожие доклады
Новый подход к построению команды: как стартап из 30 человек обслуживает 50 миллионов пользователей
AI Engineer World's Fair 2025
Близко по содержанию
Как выстроить современную AI-команду
AI Engineer World's Fair 2025
Близко по содержанию
Хватит покупать готовый ИИ: рецепт успеха собственной разработки
AI Engineer World's Fair 2025
Близко по содержанию
Новый Lean Startup
AI Engineer World's Fair 2025
Близко по содержанию

