ALDA: Майкл о разработке AI-приложения на заказ

Почему Фора Софт делится этим разговором

Большинство кейсов от агентств — это PR. Этот ближе к честному дневнику основателя о том, что на самом деле происходит, когда вы заказываете разработку AI-продукта на заказ для требовательной, регулируемой области. Майкл Фельдштейн руководит компанией E-literate и выпускал образовательные технологии для миллионов студентов; он работал в третьем по величине издательстве учебников в США и был сооснователем edtech-стартапов. Он выбрал Фора Софт для ALDA — инструмента для разработки учебных программ с AI для американских колледжей — после того как пообщался с крупной местной компанией и несколькими командами среднего размера, сопоставимыми с нашей.

Мы опубликовали это интервью по трём причинам. Во-первых, это честный рассказ о том, как опытный покупатель edtech-решений оценивает внешнего партнёра по разработке. Во-вторых, это реальный взгляд на инженерный ритм выпуска AI-продукта в 2024–2026 годах — включая то, что произошло, когда поведение ChatGPT изменилось прямо посреди спринта. В-третьих, оно фиксирует рабочую договорённость, благодаря которой такое сотрудничество удаётся: agile, высокий уровень доверия и никаких переусложнённых требований про «фиолетовую кнопку».

Если вы создаёте AI-продукт для образования, здравоохранения или любой другой области, где поведение AI недетерминировано, а ставки реальны, разговор ниже покажется вам знакомым.

Об ALDA и проблеме, которую он решает

ALDA — это образовательное приложение с AI, созданное, чтобы помочь колледжам и университетам разрабатывать учебные программы быстрее и экономичнее. Консорциум учебных заведений, стоящий за пилотом, обслуживает примерно полмиллиона студентов, многие из которых учатся в вузе первыми в своей семье и живут в недостаточно охваченных городских сообществах, где профессиональные навыки, рынок труда и инструменты образования меняются быстрее, чем за этим успевают традиционные методические комиссии.

Программа проходит как шестимесячная серия практических воркшопов, в которых учебные заведения вместе с ALDA совместно разрабатывают учебные программы с помощью AI. Ставка в том, что AI-инструмент, сделанный правильно, способен сжать цикл разработки учебной программы с кварталов до недель, сохранив высокое качество методической проработки. Риск — и причина, по которой разработка на заказ здесь победила готовое решение, — в том, что контекст каждого заведения и потребности каждой группы студентов различаются.

Знакомьтесь: Майкл Фельдштейн, CEO ALDA

Валерия: Здравствуйте, Майкл. Спасибо, что присоединились ко мне сегодня. Прежде чем начать, не могли бы вы представиться и сказать пару слов о вашем проекте?

Майкл: С удовольствием, Валерия. Меня зовут Майкл Фельдштейн. Я руковожу компанией E-literate. Мы работаем в основном в США, главным образом с колледжами и университетами, помогая им использовать технологии для улучшения образования. У меня большой опыт в образовательных технологиях: я работал в третьем по величине издательстве учебников в стране, участвовал в разработке их флагманского обучающего ПО, которым каждый год пользуются миллионы студентов. Я также работал в Oracle и был сооснователем стартапа. Так что опыта в разработке образовательных технологий у меня достаточно.

Валерия: Ваш проект, насколько я понимаю, — это инструмент с AI, который улучшает то, как создаются вузовские учебные программы, верно?

Майкл: Да, и это очень важно. Мы работаем с группой колледжей и университетов, многие из которых учат студентов из малообеспеченных сообществ, тех, кто поступает в вуз первым в семье, и студентов из небогатых городских районов. Это набор учебных заведений, которые в сумме обучают около полумиллиона студентов. В условиях, когда меняются навыки, меняется AI и меняются профессии, очень важно создавать новые курсы, подходящие под нужды и бэкграунд этих студентов. Это очень сложно для колледжей и университетов любого размера. Мы проверяем это в рамках проекта с этими заведениями — шестимесячной серии практических воркшопов, в которой мы вместе создадим AI-приложение, чтобы выяснить, может ли искусственный интеллект помочь им разрабатывать курсы быстрее и экономичнее.

Как Майкл выбрал Фора Софт

Валерия: Не могли бы вы описать первые контакты с командой Фора Софт? Какими были ваши первые впечатления?

Майкл: Мои первые впечатления от деловых разговоров ещё до старта были очень, очень положительными. Я пообщался с несколькими компаниями: от крупной фирмы, с которой я часто работаю в США, — очень хорошей, но дорогой, — до отдельных специалистов и пары компаний примерно размера Фора Софт. С самого начала меня впечатлил профессионализм вашей организации: то, как ваш руководитель помог определить проект, объяснил ожидания, помог мне разобраться с программами, нужными для старта работы, и описал понятный профессиональный процесс.

Ожидания против реальности — как шёл прогресс

Валерия: За время нашей совместной работы — что вы думаете о прогрессе вашего проекта на данный момент?

Майкл: Я очень доволен первым релизом, который мы сейчас тестируем. Через несколько недель он будет почти готов к показу моим клиентам, и я считаю, что мы добились отличного прогресса. Мы уже параллельно начали работать над вторым релизом. Команда отлично справляется: держится близко к бюджету и графику, держит меня в курсе, корректирует планы вместе со мной по мере того, как мы узнаём новое и появляются новые идеи, и сама предлагает идеи, как сделать проект лучше.

Валерия: Вы только что назвали три верных критерия для оценки любой команды разработки. Были ли заметные расхождения между вашими ожиданиями до начала разработки и реальным ходом работ?

Майкл: Это, честно говоря, замечательно. Я бы сказал, что мои ожидания оказались довольно близки к тому, что я получил. Обычно итог разочаровывает. Если на то пошло, работа шла быстрее, чем я ожидал. Я склонен быть консервативным, потому что разработка ПО — это сложно и обычно сталкивается с проблемами, которые быстро не решить. С Фора Софт проблемы были достаточно мелкими и решались достаточно хорошо, чтобы мы не теряли на них время.

Что действительно работает в партнёрстве

Валерия: Какие три вещи вам больше всего понравились в Фора Софт на данный момент?

Майкл: Я бы сказал, что Фора Софт по-настоящему практикует agile-разработку. Многие компании говорят, что делают это, — но мало кто действительно делает. Вы хорошо понимаете, какой уровень документации нужен для нашей задачи, насколько важна коммуникация и правильный ритм встреч, и как все эти практики сочетаются друг с другом. По моему опыту, Фора Софт работает как очень зрелая команда agile-разработки — именно то, что мне было нужно.

Валерия: С вашим опытом в образовательном ПО — насколько хорошо мы доносим до клиентов технические детали и нюансы разработки?

Майкл: Важно и то, какое качество коммуникации привносит в проект сам клиент. Я должен достаточно подробно объяснять разработчикам, зачем нужна та или иная функция, чтобы они могли проявить креативность и сказать: «Так мы это сделать не можем, но если вам нужно именно это, мы сделаем лучше». В то же время мне нужно не переусердствовать с детализацией — я не должен говорить вам, что мне нужна фиолетовая кнопка, которая делает ровно вот это и ровно вот здесь. Вы профессионалы и должны привносить свои навыки. Ещё мне нужно доносить приоритеты и реагировать на предложения — что делать в первую очередь, что во вторую, что в третью и почему. По мере развития проекта наше сотрудничество улучшается. Именно это и произошло с Фора Софт.

Хитрые сложности при создании AI-продукта

Валерия: Возникали ли в ходе разработки хитрые сложности?

Майкл: О, без хитрых сложностей было бы неинтересно. AI сложен по своей природе — это софт, специально устроенный так, чтобы быть немного непредсказуемым. Он постоянно развивается, и мы не знаем точно, как он поведёт себя, когда мы делаем с ним определённые вещи. Только с момента, как мы начали разрабатывать первую итерацию, изменения происходили дважды — ChatGPT менялся так, что нам это даже помогло. Всё могло пойти и в обратную сторону, но оба раза нам повезло. Это снова к тому, почему важен agile и почему важно работать с командой, которая понимает agile. Сложности есть всегда. Если делать проект правильно, эти сложности превращаются в возможности.

Валерия: И чувствуете ли вы, что мы ведём проект правильно?

Майкл: Как я уже сказал, я очень доволен первой итерацией и очень рад нашему прогрессу ко второй. Я бы сказал, что у Фора Софт всё получается очень хорошо.

Оценки — чистая пятёрка из пяти

Валерия: По шкале от одного до пяти — как бы вы оценили нашу работу, включая профессионализм, вовлечённость и коммуникацию?

Майкл: Пять.

Что Майкл изменил бы в работе с нами

Валерия: Есть ли что-то, что вы хотели бы, чтобы Фора Софт улучшила?

Майкл: Да не особо. У каждой компании есть своя сильная сторона и подходящий тип задач. Я искал — поскольку это минимально жизнеспособный продукт (MVP) и я получал много обратной связи от клиентов — компанию, которая способна найти баланс между хорошими практиками управления проектом и тем, чтобы не быть слишком тяжеловесной и забюрократизированной. Фора Софт оказалась для этого идеальной.

Что именно мы создали для ALDA

Майкл делает акцент на процессе. Но для тех, кто оценивает похожее сотрудничество, важны и несколько технических деталей.

Форма продукта. Веб-ассистент с AI, встроенный в процесс разработки учебных программ. Методисты учебных заведений, заведующие кафедрами и преподаватели проверяют черновики, сгенерированные AI, вносят правки и экспортируют их в свою LMS. Интерфейс должен быть понятен преподавателям без технического бэкграунда, тогда как слой AI выполняет всю тяжёлую аналитическую работу за кадром.

Слой AI. Построен на базе OpenAI (с архитектурой, не привязанной к конкретному провайдеру, чтобы мы могли менять или комбинировать модели). Серьёзные вложения в проектирование промптов, системы оценки (eval harness) и регрессионные тесты — потому что поведение модели менялось дважды за первый релиз и изменится снова. У каждого промпта есть версионированный шаблон, спецификация ожидаемого результата и автоматическая проверка, которая запускалась перед любым релизом.

Ритм поставки. Двухнедельные итерации, еженедельная синхронизация с клиентом, параллельные релизные потоки после первого релиза. Лёгкая документация — достаточная, чтобы команда оставалась согласованной, но не настолько объёмная, чтобы тормозить поставку. Бюджет и сроки отслеживаются на той же доске, которую видит клиент.

В чём сложность. Учебные программы — чувствительная область: ошибочный результат не просто неловок, он ставит в невыгодное положение реальных студентов. Команда выстроила явные этапы проверки человеком (human-in-the-loop), валидацию входных данных для промптов и механизм, позволяющий преподавателям отмечать некачественные ответы AI — эти отметки возвращаются в доработку промптов.

Уроки для всех, кто заказывает AI-продукт

1. Нанимайте команду, которая серьёзно относится к недетерминированности AI. Самый дешёвый подрядчик отнесётся к вашей AI-функции как к обычной интеграции API и выдаст хрупкие промпты. Правильный партнёр с первого дня вкладывается в системы оценки и версионирование — потому что модели меняются.

2. Приносите «зачем», а не «как». Словами Майкла: не прописывайте в деталях фиолетовую кнопку — объясните, чего ваш пользователь должен с её помощью достичь. Это позволяет команде проявить креативность и предложить решения лучше тех, что навязала бы детальная спецификация.

3. Выбирайте команду подходящего размера. Крупные консалтинговые компании перегружают MVP процессами. Отдельные подрядчики, наоборот, недостаточно их выстраивают. Правильный размер — тот, что соответствует вашей стадии: для ALDA это команда среднего размера с реальной процессной дисциплиной, но без бюрократических накладных расходов.

4. Требуйте видимого прогресса. Еженедельные демо, общие доски, прозрачность бюджета. Если вы не видите динамику работ в реальном времени, неприятные сюрпризы всплывут слишком поздно.

5. Работайте с людьми, которые относятся к вам как к человеку. Самый меткий комментарий Майкла: «В мире контрактной разработки очень легко нарваться на подрядчика, для которого вы — это просто „вот код, платите деньги“». Выбирайте команду, в которой люди действительно вовлечены.

О ценностях, доверии и тех частях разработки, которые не сводятся к товару

Валерия: Есть ли что-то ещё важное для вас в проекте такого рода?

Майкл: Для меня очень важно работать с компанией, где люди, с которыми я имею дело, заботятся обо мне как о клиенте и честны со мной о том, что идёт хорошо, и о том, что идёт не так. В мире контрактной разработки очень легко нарваться на подрядчика, для которого вы — это просто «вот код, платите деньги». Я остался очень доволен каждым без исключения сотрудником Фора Софт, с которым взаимодействовал. Я чувствовал, что обо мне заботятся, меня слушают и мне отвечают, — а это редкость.

Порекомендуете ли вы Фора Софт?

Валерия: Стали бы вы сотрудничать с Фора Софт над будущими проектами? Или рекомендовать нас другим?

Майкл: Да и да.

Валерия: Хотите ли добавить что-то ещё о вашем опыте работы с Фора Софт?

Майкл: Я рекомендую эту компанию. Считаю, что вы обеспечиваете хорошие практики разработки и креативную совместную работу по хорошей цене. Так что не могу припомнить ничего негативного.

Смотрите полный разговор с Майклом на нашем YouTube-канале →

Почему в регулируемых областях AI на заказ выигрывает у готовых решений

Обёртки над ChatGPT выглядят привлекательно — пока область не становится специфичной. Для ALDA было три причины, по которым победила разработка на заказ.

Промпты под контекст. Универсальные AI-инструменты не понимают, что на самом деле значит «учебная программа по прикладной логистике для студента общественного колледжа, первого в семье». А промпты, дообученные модели и слои извлечения данных (retrieval), учитывающие специфику области, — понимают.

Оценка, которую можно отстоять. Готовые инструменты не дают вам системы оценки. Разработка на заказ позволяет сверять результаты со стандартами методического проектирования ещё до того, как что-либо дойдёт до студента.

Границы данных. Образовательные данные подпадают под обязательства FERPA. Готовые продукты часто отправляют промпты в сторонние пайплайны обучения; разработка на заказ позволяет заведению держать персональные данные (PII) внутри собственного периметра.

Плейбук покупателя, который мы применяем к AI-проектам

Выжимка из работы над ALDA и смежных AI-проектов, которые мы реализовали.

Схема принятия решения — подходит ли вам AI-разработка на заказ?

Вопрос 1. Насколько специфична ваша область? Если универсальный AI-инструмент уже закрывает 80% ваших потребностей, разработку на заказ сложно оправдать. Но если ценность кроется в последних 20% — регулируемые результаты, знание области, доверие заинтересованных сторон — побеждает разработка на заказ.

Вопрос 2. Сможете ли вы отстоять методологию оценки? Если заинтересованные стороны (клиенты, регуляторы, советы директоров) спросят «откуда вы знаете, что AI выдаёт верный результат?», вам нужна система оценки — а значит, разработка на заказ.

Вопрос 3. Настолько ли чувствительны данные, что их нельзя передавать третьей стороне? Если да — HIPAA, FERPA, PCI, данные с экспортным контролем — готовые обёртки отпадают.

Вопрос 4. Как быстро вам нужен первый релиз? Меньше 8 недель — собирайте из готового. 3–5 месяцев — оптимальный срок для разработки на заказ. Больше 9 месяцев обычно означает, что объём слишком велик для MVP — разбейте его.

Вопрос 5. Готовы ли вы оценивать подрядчиков по их дисциплине в работе с AI, а не только по портфолио? Выпустить веб-приложение может почти любая команда. Ответственно выпускать AI-продукты — мало кто. Спрашивайте каждого партнёра из шорт-листа, как он версионирует промпты, проводит оценку и справляется с дрейфом моделей.

Пять ловушек в AI-проектах на заказ

1. Относиться к промптам как к одноразовым. Промптам нужны версионирование, тесты и наборы регрессионных проверок, как и любому другому коду. Команды, которые этого не делают, не переживут первого же обновления модели.

2. Отсутствие этапов проверки человеком. AI-продуктам в регулируемых областях нужна явная проверка человеком для чувствительных результатов. Добавлять её задним числом больно — закладывайте с первого дня.

3. Выбирать модель до оценки. Разным областям подходят разные модели. Сначала сделайте систему оценки, прогоните через неё модели-кандидаты, и только потом останавливайтесь на одной.

4. Игнорировать дрейф модели. Базовые модели меняются. Фора Софт дважды наблюдала смену поведения ChatGPT за первый релиз ALDA. Стройте мониторинг, который оповещает о регрессиях в оценке.

5. Переусердствовать с детализацией интерфейса. «Мне нужна фиолетовая кнопка вот здесь» — это образцовый плохой бриф по Майклу. Описывайте результаты, а не пиксели; дайте команде проявить продуктовое мышление.

Частые вопросы

Какие AI-продукты создаёт Фора Софт?

Приложения на основе LLM в образовании, здравоохранении, медиа и видео в реальном времени, а также доменные ассистенты на основе RAG, мультимодальные AI-агенты для живых рабочих процессов, продукты компьютерного зрения и AI-функции, встроенные в SaaS на заказ. Среди недавних примеров — Scholarly и инструменты для создания учебников с AI.

Сколько времени занимает AI-MVP на заказ?

Обычно 12–16 недель от старта до клиентской беты для сфокусированного MVP плюс 2–4 недели итераций на бете перед продакшеном. Первый релиз ALDA уложился в эти рамки. Более крупные объёмы мы выпускаем в режиме параллельных релизов, чтобы бизнес начал получать ценность ещё до того, как появится второй релиз.

Что значит «правильный agile» в AI-проекте?

Короткие итерации, документация нужного объёма, демо каждые две недели, общая доска с видимыми клиенту бюджетом и сроками и готовность перепланировать, когда меняется базовая модель. Словами Майкла: «правильный уровень документации, важность коммуникации и правильный ритм встреч».

Как вы справляетесь с изменениями модели в ходе проекта?

Каждый промпт версионируется и проходит регрессионное тестирование. Когда модель провайдера меняется, набор тестов оценки ловит дрейф до того, как он дойдёт до продакшена. Если новое поведение модели помогает (как дважды случилось на ALDA), мы его принимаем; если вредит — фиксируем версию или меняем модель.

Подходит ли Фора Софт стартапам на стадии MVP?

Да. Здесь применим комментарий Майкла: мы находим баланс между хорошими практиками управления проектом и тем, чтобы не быть слишком тяжеловесными и забюрократизированными. Мы подбираем состав команды под стадию компании, а не наоборот.

Как Фора Софт работает с FERPA / HIPAA и другими проектами с чувствительными данными?

По умолчанию мы держим чувствительные данные внутри периметра клиента, не отправляем персональные данные (PII) в сторонние пайплайны обучения и используем корпоративные тарифы API с отключением хранения данных. Для клиентов из регулируемых отраслей мы прогоняем систему оценки на обезличенных тестовых данных и проводим полный аудит перед запуском в продакшен.

Что подготовить перед первым разговором?

Три вещи: бизнес-результат, который должен давать AI, пользовательский процесс, в который он встроен, и ограничения (бюджет, нормативные требования, сроки). Техническое задание не нужно. Остальное мы разберём с вами на созвоне.

Где посмотреть полное интервью с Майклом?

На нашем YouTube-канале — полный разговор здесь. Видео идёт меньше 15 минут.

Что почитать дальше

Готовы выпустить AI-продукт на заказ точно в срок?

Майкл выбрал Фора Софт, а не более крупные американские компании и частных подрядчиков, потому что формат нашего сотрудничества подходит для работы над AI-продуктами: настоящий agile, нужный объём документации, быстрый ритм встреч, дисциплина в работе с промптами и честная команда. Спустя два релиза его оценки — 5/5 за профессионализм, вовлечённость и коммуникацию, а ответ на вопрос «порекомендуете ли вы нас?» — «да и да».

Если вы планируете AI-продукт на заказ — для образования, здравоохранения, медиа или любой другой области, где результаты AI несут реальные риски, — мы разберём формат сотрудничества, выбор модели, стратегию оценки и план первого релиза за 30-минутный созвон. Без слайдов — только решения.