ML до сих пор часто считается дорогой игрушкой, чем-то нужным только для техноPR и дающим курьёзные результаты. И когда 10% гипотез, связанных с ML, даёт пользу - это хорошо, а продакт в таких проектах только мешает по-настоящему умным людям. Я расскажу, как мы научились применять его для повышения эффективности продуктов и улучшения опыта пользователей hh.ru, и сделать, что пользу приносит почти 50% гипотез. Что для этого нужно делать и знать продакту. Про подходы "стратегические цели + текущие вызовы = OKR", "OKR - закономерность - baseline - данные - метрика - модель", "в ширину, в глубину, в комбинацию" и "свои идеи проверяются быстрее и качественнее". А также какие проблемы пользователей получается решать какими практиками и направлениями ML и как от продакта зависит скорость и стабильность процесса проверки гипотез и их запуска на всех.