هوش مصنوعی: سرویس آماده بخریم یا خودمان بسازیم؟
این سؤال معمولاً بهشکل یک انتخاب دوگزینهای مطرح میشود و همانجا بد قاب میشود. یک پروژهٔ هوش مصنوعی سه لایه دارد و جواب برای هر لایه فرق میکند — تقریباً هیچکس هر سه را نمیسازد و هیچکس هم هر سه را نمیخرد.
سه لایه
مدل. موتوری که متن یا تصویر را پردازش میکند.
داده و دانش. اسناد شما، قواعد کسبوکارتان، تاریخچهای که فقط شما دارید.
سامانه. آنچه این دو را به یک محصول قابل استفاده تبدیل میکند: بازیابی، سطح دسترسی، رابط، اتصال به بقیهٔ سیستمها.
جواب کوتاه، که بقیهٔ مقاله بازش میکند: مدل را بخرید، دانش مال خودتان است و جایی نمیرود، و سامانه بستگی دارد.
لایهٔ مدل: تقریباً همیشه بخرید
آموزش مدل زبانی از صفر برای هیچ سازمانی جز چند شرکت در دنیا توجیه ندارد. هزینه و داده و تخصصش در ابعاد دیگری است.
پس انتخاب واقعی بین «ساخت» و «خرید» نیست، بین سرویس بیرونی و مدل باز روی زیرساخت خودتان است. و در ایران این انتخاب را معمولاً محرمانگی داده یا محدودیت دسترسی از قبل کرده — تفصیلش در استقرار مدل داخل سازمان و محرمانگی داده.
فاینتیون هم در همین لایه مینشیند و برای دانش انتخاب بدی است؛ چراییاش در RAG یا فاینتیون.
لایهٔ دانش: مال شماست و قابل خرید نیست
این تنها لایهای است که تصمیم ندارد. اسناد شما، قواعد شما، تاریخچهٔ تیکتهای شما — هیچ فروشندهای این را ندارد و همین است که مزیت رقابتی میسازد.
نکتهای که در قرارداد باید روشن باشد: داده و هر چیزی که از آن ساخته میشود باید مال شما بماند. نمایهٔ برداری، مجموعهٔ آزمون، فهرست مترادفهای داخلی. اگر اینها نزد پیمانکار بماند، تعویض پیمانکار یعنی شروع از صفر.
لایهٔ سامانه: اینجا تصمیم واقعی است
سرویس آماده بخرید اگر نیازتان همان چیزی است که آنها میدهند. برای یک چتبات پشتیبانی روی مستندات عمومی محصول، بدون سطح دسترسی پیچیده و بدون اتصال، این سریعترین و ارزانترین راه است. چند هفتهای بالا میآید.
سه جایی که به دیوار میخورید: سطح دسترسی باید در لایهٔ بازیابی اعمال شود و سرویس آماده معمولاً فقط پاسخ را فیلتر میکند؛ باید به سامانهای وصل شوید که پشتیبانی نمیشود؛ یا داده نباید بیرون برود.
بسازید اگر یکی از آن سه را دارید، یا اگر این قابلیت قرار است بخشی از محصولی باشد که میفروشید.
و راه سوم که اغلب درستترین است: اجزای عمومی را بردارید و فقط لایهٔ اختصاصی را بسازید. پایگاه دادهٔ برداری، کتابخانهٔ بازیابی و مدل، همه آمادهاند و ساختنشان از صفر هدررفت است. آنچه میسازید منطق دسترسی، نرمالسازی فارسی، اتصالها و رابط است — یعنی همان چیزهایی که مخصوص شماست.
چیزی که در محاسبهٔ خرید جا میماند
اگر سرویس آماده را با هزینهٔ ساخت مقایسه میکنید، اینها را هم به سمت خرید اضافه کنید:
آمادهسازی اسناد، که در هر دو حالت با شماست و معمولاً بزرگترین قلم است.
نگهداری نمایه وقتی اسناد عوض میشوند.
هزینهٔ خروج، اگر داده و نمایه در اختیارتان نباشد.
و هزینهٔ رشد: بیشتر سرویسها بر مبنای مصرف قیمت میگیرند و اگر جواب داد و استفاده بالا رفت، عدد سال دوم چیز دیگری است.
روش محاسبهشان در هزینهٔ پروژهٔ هوش مصنوعی هست.
یک قاعدهٔ ساده
اگر قابلیتی که میخواهید، چیزی است که رقبایتان هم دارند یا بهراحتی میتوانند داشته باشند — بخرید. اگر چیزی است که فقط شما میتوانید بسازید چون به داده یا فرایند خاص شما وابسته است — بسازید.
بیشتر سازمانها عکس این عمل میکنند: زیرساخت عمومی را با زحمت از نو میسازند و لایهٔ اختصاصی را به یک ابزار آماده میسپارند که فقط هشتاد درصدش را پوشش میدهد.
و یک پیشنهاد عملی
تصمیم را برای کل پروژه نگیرید. برای اولین کاربرد، ارزانترین مسیر ممکن را انتخاب کنید — حتی اگر میدانید در بلندمدت جواب نمیدهد — و با همان بسنجید که اصلاً ارزشش را دارد یا نه.
بیشتر پروژههایی که دیدهایم و متوقف شدهاند، بر سر انتخاب اشتباه بین خرید و ساخت متوقف نشدهاند. متوقف شدهاند چون ماهها صرف این تصمیم شد و چیزی به دست کاربر نرسید که بشود دربارهٔ آن قضاوت کرد. الگویش را در از نمونهٔ اولیه تا محصول نوشتهایم.