A Plataforma Não é um Fim em Si Mesma: Quando Unificar o Desenvolvimento de ML e Quando Parar, Discutido no 'IT Picnic'

Sergey Kuznetsov, da MWS (parte da MTS), discutiu a evolução do desenvolvimento de ML, observando que, à medida que as equipes crescem, elas acumulam práticas que podem ser transformadas em bibliotecas e, depois, em plataformas. Ele apresentou três casos: primeiro, a unificação de cerca de dez sistemas de recomendação em uma única plataforma, que padronizou formatos de dados, experimentos e pipelines; segundo, o uso de uma plataforma para modelos de pontuação para automatizar a preparação de dados e o treinamento, que acumulou milhares de características verificadas ao longo do tempo; terceiro, uma tentativa fracassada de criar uma plataforma universal de preços dinâmicos, considerada cara demais em comparação com o desenvolvimento de uma solução personalizada para um grande cliente. Ele enfatizou que a plataformização traz riscos e custos, e só vale a pena quando o mesmo processo se repete com frequência. Os ativos mais valiosos não são modelos específicos, que mudam rapidamente, mas a infraestrutura, as ferramentas e as interfaces que persistem.