Интересный кейс масштабирования ML в больших экосистемах. Команда AI VK за год построила Discovery-платформу — инфраструктурную базу для рекомендаций, поиска и рекламы в десятках продуктов с многомиллионной аудиторией. Какие результаты: • цикл «гипотеза → эксперимент → вывод» ускорился в 5 раз • запуск новой рекомендательной системы в продукте ~1 месяц • лучшие ML-подходы перестали быть локальными В итоге выигрывают все: • инженеры — меньше рутины, рост ключевых метрик • пользователи — более релевантный контент • авторы — быстрее находят аудиторию Подробный разбор архитектуры и компонентов платформы — в большом материале от AI VK на Хабре.