Стартапам важно быстро тестировать гипотезы. При этом для запуска MVP требуются инфраструктура и инструменты для разработки.

 
Можно запускаться на собственной инфраструктуре, но часто командам не хватает вычислительных мощностей, и они выбирают облако. Облачные инструменты для разработки и работы с данными позволяют быстро проектировать архитектуру решения и разворачивать его на базе облака, а при росте проекта добавлять вычислительные мощности без закупок оборудования.

В этой статье рассказываем, как облако помогает решить 3 основные задачи, с которыми сталкиваются стартапы при создании и масштабировании продукта.

Задача 1. Быстро создать и протестировать MVP 

Проблема. Чтобы создать успешный проект, команда тестирует гипотезы, создает прототипы решений, апробирует их и выбирает лучший вариант. Стартапу важна скорость: быстрый запуск позволяет оценить потенциал идеи и скорректировать дальнейшие планы. 

Решение. В облаке есть набор инструментов для разработки, с их помощью можно быстро спроектировать и протестировать прототип. Если MVP-версия успешна, то в облаке можно развернуть полноценное решение. Идея не сработала — можно пересобрать прототип или приостановить проект, отключив мощности. 

Реальный кейс. На платформе VK Cloud ученые создали нейросеть, которая помогает мониторить колонии краснокнижных пеликанов. Подсчет птиц вручную — трудоемкий процесс, поэтому его автоматизировали при помощи модели на основе компьютерного зрения. Нейросеть анализирует снимки с квадрокоптера и за 30 миллисекунд определяет количество птиц в популяции, вручную на это требовалось 7 дней. 

Чтобы быстро и дешево протестировать идею и разработать MVP, использовали сервис Cloud ML Platform. Сейчас команда завершила тестирование нейросети и планирует перейти к разработке полноценного решения.

Задача 2. Быстро получить доступ к набору инструментов для создания продукта

Проблема. Когда команда работает на собственной ИТ-инфраструктуре, приходится покупать ПО или использовать Open-Source-решения. Это требует дополнительных затрат на софт, его развертывание и администрирование.

Решение. На облачной платформе инструменты уже настроены и интегрированы. Например, в VK Cloud доступны более 30 сервисов для разработки и работы с данными, которые можно развернуть за пару минут. 

Есть базы данных в виде готового сервиса и управляемый Kubernetes с функцией автомасштабирования — при росте нагрузки он автоматически добавляет новые ноды. Еще доступна Cloud ML Platform — преднастроенное решение для работы с ML-моделями (сервис построен на базе JupyterHub и MLflow). Команде не придется ждать: достаточно выбрать инструменты и необходимую конфигурацию и можно сразу приступать к разработке. 

Реальный кейс. В агентстве лидогенерации Likwid создали сервис для автоматизации поиска клиентов для B2B-компаний. Продукт использует NLP для анализа семантического ядра и с помощью алгоритмов ищет сайты компаний, подходящих под портрет целевой аудитории заказчика. 

В основе сервиса обучающиеся нейросети, так что на поддержку и развитие уходит много ресурсов. Для быстрой обработки данных на платформе VK Cloud используют Kubernetes и облачные СУБД: PostgreSQL и MongoDB. Систему развернули в облаке всего за полторы недели.

Задача 3. Сохранять рост и масштабировать успешный проект

Проблема. Когда проект быстро развивается, вычислительных ресурсов начинает не хватать. Если при этом он работает на собственной ИТ-инфраструктуре, то приходится докупать оборудование, а при нехватке денег — искусственно тормозить рост проекта, то есть терять выручку. 

Решение. В облаке можно масштабировать вычислительные мощности в пару кликов. 
При этом вы платите по модели Pay-as-you-go — только за фактически использованные ресурсы. Например, вы проводите маркетинговую акцию и на сайте стало больше посетителей. Чтобы он не упал под нагрузкой, можно на время подключить дополнительные вычислительные мощности. После завершения акции ненужные ресурсы отключаете, и плата сокращается. 

Реальный кейс. Стартап MedTech AI работает над проектами, связанными с обработкой медицинских изображений и документов. Компания использует в работе языковые модели семейства GPT (1–3), для их работы нужны большие вычислительные мощности. Поэтому искали решение, которое справлялось бы с высокими нагрузками, обеспечивало стабильную производительность и возможность масштабирования в случае запуска новых проектов.

На платформе VK Cloud в MedTech AI используют графические ускорители (GPU) для распознавания снимков. Благодаря этому удалось увеличить скорость обучения ML-моделей — с двух с половиной недель до нескольких дней.

Как VK Cloud поможет стартапам реализовать проект на этапе разработки и масштабирования 

Чтобы сэкономить ресурсы на старте проекта, можно воспользоваться программой поддержки технологических стартапов от VK Cloud. Поддержку могут могут получить стартапы как с проектом на этапе MVP, так и команды, которые уже вышли на рынок.

На время действия программы команды 4 месяца смогут пользоваться облачными сервисами со скидкой 50% или 2 месяца бесплатно. Также стартапы смогут бесплатно подключить тариф VK WorkSpace для совместной работы и получат поддержку от VK Рекламы — расширенный бюджет на продвижение продукта.

Прочитать подробные условия, отправить заявку и получить помощь для стартапа можно на сайте.