Чему научили Expedia миллиарды AI-предсказаний: принципы для бизнеса

Шестого июля Expedia Group опубликовала набор принципов AI, выработанных на миллиардах предсказаний за годы работы. Xavi Amatriain, Chief AI and Data Officer компании, описал, как глобальный туристический сервис строит AI-системы, которые работают не один раз, а в масштабе - годами, на тысячах сценариев, для миллионов путешественников. Эти принципы полезны любой компании, которая внедряет AI всерьёз.

Ключевое различие, с которого начинается статья: «AI, который просто работает сегодня, и AI, который работает в масштабе - это разные вещи». Многие компании оптимизируют первое, не задаваясь вопросом, строят ли они второе. Скорость без дисциплины и стратегического направления - это не актив, а обязательство.

Измеряй то, что реально важно

Первый принцип Expedia: любая модель должна улучшать бизнес-показатель, а не техническую метрику. Это звучит очевидно, но именно здесь спотыкаются многие команды. Вы можете улучшить точность рекомендаций на 15%, но если это не увеличило конверсию - вы потратили ресурсы впустую.

• Бизнес-результат, а не метрика: каждый ML-проект должен привязываться к ключевому бизнес-показателю. Технические оптимизации - полезная промежуточная цель, но не финал.
• Return on Cost: ценность, которую создаёт модель, должна оправдывать затраты на разработку, обучение, мониторинг и операционную сложность.
• Сложность нужно заслужить: начинайте с сильного базового решения - существующей общей модели, простой эвристики, готового решения. Доходите до специализированных моделей только когда простые варианты действительно не справляются.
• Двойная валидация: ни одна модель не идёт в широкий продакшен только на офлайн-тестах или сразу в A/B. Нужны и те, и другие.

Системы, которые масштабируются за пределы команды

Заставить модель работать один раз - одна задача. Сделать так, чтобы её ценность распространилась за пределы одной команды и одного сценария - гораздо сложнее.

Expedia рекомендует строить на общих основаниях: разделяемые платформенные фундаменты для ключевых возможностей, представлений данных и строительных блоков моделей. Специализация должна надстраиваться над этими фундаментами, а не создавать изолированные стеки. Тогда, когда фундамент улучшается, выгода растекается по всей организации.

Данные в Expedia рассматривают как продукт первого класса. Качество модели ограничено качеством её данных. Компания поддерживает надёжные пайплайны, чистую историю происхождения данных, воспроизводимость и переиспользуемые признаки с документированной собственностью и чёткими схемами.

Ещё один важный принцип: когда два подхода показывают схожую производительность, выбирайте тот, чьи наработки, активы и паттерны работы можно переиспользовать между командами, брендами и сценариями. Expedia оптимизирует не только локальную производительность, но и скорость, с которой улучшения распространяются по компании.

Доверие: ответственность и управление в масштабе

Порог для развёртывания AI - не просто «работает ли это?», а «можем ли мы за это отвечать?». Expedia формулирует конкретные механизмы.

У каждой модели должна быть распределённая ответственность: бизнес-владелец, продуктовый владелец, AI-владелец и операционный владелец. Это не обязательно четыре человека, но обязанности должны быть явными. Кто отвечает за результаты? Кто реагирует, если модель дрейфует? Кто поднимает инцидент в 2 часа ночи? Без этого модели становятся бесхозными.

Уровень проверки и контроля должен масштабироваться с риском. Модель для клиентов, влияющая на цены миллионов путешественников, требует гораздо более высокой планки, чем внутренний инструмент для маленькой команды. Для высокорисковых и высокоавтономных систем human-in-the-loop встраивается с самого начала.

Развёртывания должны быть прогрессивными, с путями отката, запасными механизмами и автоматическими выключателями, готовыми до запуска. Возможность безопасно откатить развёртывание так же важна, как и возможность его запустить.

Что это значит для бизнеса

Expedia - компания с миллиардами предсказаний в год. Её принципы - не теория, а практика, проверенная на масштабе, который большинству компаний только предстоит достичь.

Для бизнеса во Владивостоке и на Дальнем Востоке эти принципы - готовый чеклист для внедрения искусственного интеллекта: начинайте с простого, измеряйте бизнес-результат, стройте систему ответственности. Автоматизация с помощью ии и нейросети для бизнеса приносят результат только тогда, когда за ними стоит дисциплина эксплуатации.

Хотите понять, готов ли ваш бизнес к системному внедрению AI? Начните с бесплатного AI-аудита - мы оценим ваши процессы и покажем, где ии для бизнеса даст максимальный эффект.