Почему ML-модели дают кратный рост там, где ручные решения упираются в потолок В любом крупном цифровом продукте есть два подхода: 🔘 Ручная логика. Команда собирает подборки, правила, принимает решения, что и как показывать. Это даёт эффект, но в пределах человеческой скорости. График обычно растёт медленно или стоит на плато. 🔘 ML-алгоритм. Обучаются на данных, реагируют на множество паттернов. В моём кейсе (см. картинки): - Линия ручной логики почти не менялась месяцами; - Линии ML-моделей росли ступеньками после релизов; В итоге разрыв стал кратным. Почему так происходит: - ML "видит" то, что руками невозможно прописать; - Адаптируется под пользователей ежедневно; - Работает 24/7 и не зависит от субъективных мнений; - Удерживает рост без откатов. ML не всегда конкурирует с людьми ) Люди задают цель, стратегию, ограничения, правила безопасности. ML - ускоряет и масштабирует. 🔜 В следующих постах разберём #СвоиКейсы@IgorVlas0v_channel 🔜 И другие темы.