Fetch сократил время разработки на 30% с Hugging Face и AWS
Анна Волкова13 августа 2026 г.5 мин чтения
Компания Fetch с помощью AWS и Hugging Face сократила время разработки AI-инструментов на 30% и повысила контроль над данными.
Кратко:
●Fetch перешёл на собственную AI-платформу с AWS и Hugging Face
●Проект завершён на 4 месяца раньше
●Эффективность обработки данных выросла на 50%
●Улучшен контроль над данными и аналитикой
Fetch, популярное приложение для сканирования чеков с более чем 18 миллионами активных пользователей в месяц, недавно провело значительную модернизацию своей AI-платформы. Компания отказалась от стороннего решения, чтобы получить более глубокую аналитику и контроль над данными.
Решение проблемы «чёрного ящика»
Ранее Fetch использовал стороннее решение для распознавания чеков, которое не позволяло предоставлять партнёрам компании детализированную аналитику. Это стало серьёзной проблемой для бизнеса, так как партнёры требовали больше данных о взаимодействиях с пользователями.
Переход на AWS и Hugging Face
Fetch выбрал платформу AWS с поддержкой от Hugging Face для разработки собственных AI-решений. Используя программу Expert Acceleration Program от Hugging Face, компания смогла освоить трансформеры с открытым исходным кодом и улучшить такие функции, как разрешение сущностей и семантический поиск.
Проект, изначально рассчитанный на 12 месяцев, был завершён всего за 8 месяцев благодаря наличию необходимых ресурсов на AWS. Это позволило сократить время разработки на 30% и снизить задержку обработки данных на 50%.
Технологическая платформа
Fetch использует Amazon SageMaker для построения, обучения и внедрения моделей, а также AWS Inferentia для ускорения инференса. Технология shadow-pipeline позволяет тестировать новые модели на полном потоке данных без прерывания основной операции.
Преимущества и результаты
С переходом на новую платформу Fetch приобрёл независимость от стороннего «чёрного ящика» и снизил бизнес-риски. По словам Sam Corzine, ведущего инженера по машинному обучению, теперь компания контролирует свою судьбу и может предоставлять более точные данные партнёрам.
Кроме того, сотрудничество с Hugging Face и использование AWS позволили повысить точность моделей в 2 раза и обеспечить масштабируемость пайплайнов на многих GPU-экземплярах.
Перспективы и дальнейшие шаги
Fetch продолжает развивать свой AI-подход, стремясь к ещё более продвинутым решениям и улучшению пользовательского опыта. Эта история успеха демонстрирует, как коучинг и технологическая поддержка могут значительно ускорить и улучшить процессы разработки.
Частые вопросы
Почему Fetch отказался от стороннего решения?
Fetch необходимо было больше контроля над данными и аналитикой, что невозможно было с предыдущим «чёрным ящиком».
Какую роль сыграл Hugging Face в проекте?
Hugging Face предоставил консультации и помог Fetch освоить трансформеры с открытым исходным кодом.
Какие технологии использует Fetch для AI-разработки?
Fetch использует Amazon SageMaker и AWS Inferentia для разработки и ускорения инференса моделей.
