כאשר ארגונים גדולים מוציאים מיליארדים על מחקר ופיתוח של טכנולוגיה מהפכנית, מגיע הזמן שבו הטכנולוגיה מוכנה למופע המרכזי. הענקיות הטכנולוגיות מציבות את רגלן הטובה ביותר קדימה כדי להבטיח אימוץ גלובלי רחב היקף של הטכנולוגיה. אלו הם זמנים מרגשים עבור כל חובב טכנולוגיה, וטבעי להרגיש את הדחף להיות חלק מהגל ולא להרגיש מנותק.
אנשים ברחבי הדרגות השונות של הארגון חשים את הלחץ להשתמש בפתרונות מבוססי AI עבור כל בעיה עסקית. איך אתה סופג את הלחץ ומקבל החלטות נכונות לבעיות העסק שלך? בואו נפרק את הבעיה ונחזיר את התמונה הברורה על מתי כדאי להשתמש ב-AI ומתי לא.
שאלות בסיסיות שצריך לענות עליהן
לפני שאתם נכנסים יותר מדי לעומק בתכנון פתרונות לבעיות עסקיות ספציפיות ומקרי שימוש, ישנן כמה שאלות בסיסיות מאוד שאתם יכולים לשאול את עצמכם שיתנו לכם רמזים חזקים אם אתם צריכים להשקיע זמן ואנרגיה בבניית פתרונות AI.
- האם השקעה בפתרון מבוסס AI תעזור לנו להפר את הסטטוס קוו של התעשייה שלנו?
- האם זה יעזור לנו לקפוץ ממצב של חסרי יכולת בתעשייה למובילים בתעשייה עבור כל אחד מהמוצרים או תכונות המוצר שלנו?
- האם נוכל להשתמש ב-AI עבור כל אחד מתהליכי פיתוח המוצר או תפעול המוצר שלנו? האם זה מפחית באופן משמעותי את עלות התפעול בטווח הארוך עבור המוצר שלנו?
בעוד ששאלות מסוג זה מועלות לעיתים קרובות ומקבלות תשובות בחדרי ישיבות ברמה ההנהלתית, בחברות טובות עם תרבות מוצר חזקה, קבלת ההחלטות היא דמוקרטית, וצוותים individuais מקבלים סמכות לקבל החלטות מפתח עבור מפת הדרכים של המוצר ותכונות המוצר שלהם.
לכן, חשוב שמנהלי מוצר טכניים וצוותיהם יחשבו כמו מנכ"לים וישקלו את השאלות הבסיסיות הללו כאשר הם מחליטים על שימוש בפתרונות מבוססי בינה מלאכותית לבעיות המוצגות על ידי לקוחות ומנהלים.
חשיפת השכבות
עכשיו, בואו ניקח את תהליך השאלות והניתוח של שכבה מתחת לשאלות הבסיסיות ונשתמש במסגרת שתעזור לכם להחליט אם להשתמש בבינה מלאכותית בעיצוב הפתרון שלכם.
בינה מלאכותית חיזויית
בעוד שיש הרבה תוכן בתחום הציבורי על ההבדל בין בינה מלאכותית חיזויית לבינה מלאכותית גנרטיבית, אני עדיין רוצה להדגיש את ההבדל בין השניים. בינה מלאכותית גנרטיבית (GenAI) זכתה להרבה תשומת לב בחודשים האחרונים כך שאנשים לעיתים קרובות מתעלמים מכוחם של סוגים אחרים של בינה מלאכותית, וההשקעה והחדשנות בטכנולוגיות אלו האטו בהרבה ארגונים.
חשוב שצוותי הפיתוח יעצרו ויחשבו על פתרונות יצירתיים לבעיה של המשתמש/לקוח הנוכחית.
האם הבעיה שאתה מנסה לפתור קשורה לאיסוף נתונים היסטוריים של אירועים בעבר, מציאת תבניות בהן כדי שתוכל לחזות את תוצאת אירועים בעתיד? לבעיות מהסוג הזה, המודל החיזוי הוא הכיוון שלך לפתרון.
אם אתה חושב על Gen AI עבור בעיות כאלה, אתה מטפח ציפורן לא נכונה. דוגמאות נפוצות לבעיות שניתן לפתור באמצעות פתרונות AI חזויים כוללות תחזיות פיננסיות, תוחלת תשתיות אופטימלי, זיהוי שחיתות, וכו'
פעם שיש ברורות שהבעיה שאתה מפתיר תצריך פתרון מבוסס AI חזוי, איזה אלגוריתם למידת מכונה יפתור את הבעיה שלך צריך להיות הצעד הלוגי הבא בעיצוב הפתרון.
- סיווג. הקצאת נקודות נתונים למחלקות מוגדרות מראש היא בעיה של סיווג. לדוגמה, סימון תוכן בכל פלטפורמת רשת חברתית כלא הולם כדי שידע המכונה על תוכן הולם נגד תוכן לא הולם יירפה באופן מתמיד היא בעיה של סיווג.
- רגרסיה. כאשר המטרה היא להגדיר את הקורלציה בין תכונות והמשתנה המטרה שלך לצורך חיזוי בעיות בעתיד היא בעיה של רגרסיה. לדוגמה, חיזוי תנועת התעבורה בעתיד בשירות שלך כדי להחליט מתי להגדיל את מספר הקיימים.
- קיבוץ. קיבוץ נתונים למגוון קופסאות שעם המטרה להגדיר את הקופסאות הנכונות שיעזרו לך לקבל החלטות היא בעיה של קיבוץ. לדוגמה, ניתוח התנהגות הלקוח ותרחישי השימוש כדי לעזור לארגון שלך להגדיר את קבוצות הלקוח הנכונות היא בעיה של קיבוץ.
האם זה לא די מדהים שיש כל כך הרבה חדשנות ויצירתיות שניתן להניע בתחום ה-AI החזוי? עד כה, במאמר זה, לא נכנסנו לתחום ה-AI הגנרטיבי, שיצר כל כך הרבה רעש לאחרונה.
AI גנרטיבי
בניגוד לכך, אם הבעיה שאתה מנסה לפתור כוללת אימון מודל AI על נתוני הגלם של הארגון שלך, כך שהוא ילמד על פי דוגמה כדי שיוכל לקבל פניות ממשתמש וליצור פלטים חדשניים, זו הנקודה שבה נכנס GenAI לתמונה. הבעיה עשויה לכלול פרמוטציות ושילובים שונים של פניות משתמש ופלטים שנוצרו. פניות המשתמש עשויות להיות דיבור, טקסט או נתונים לא מובנים, והפלטים שנוצרים עשויים להיות טקסט בשפה טבעית, דיבור, תמונות או סרטונים.
דוגמאות נפוצות לבעיות שניתן לפתור באמצעות GenAI כוללות תמיכה בלקוחות, יצירת קוד להפחתת עלויות פיתוח מוצרים, סינתזה של נתונים עבור מחקר ובדיקות, יצירת תוכן שיווקי לפי דרישה, וכו'.
כשמדובר בפתרונות המונעים על ידי GenAI, ברגע שאתה ברור שהבעיה שלך דורשת פתרון מבוסס GenAI, יהיו החלטות עיצוב פתרון נוספות שחשובות שיסייעו לך לבנות את הפתרון המשפיע ביותר.
- איזה מודל בסיס LLM עלי להשתמש?
- מהן המסגרות הארכיטקטוניות ודפוסי העיצוב העדכניים שעלי לנצל? תחשוב על RAG, RLHF, סוכן רב-סוכנים המשתמש ב-langflow, וכו'?
- איך אני מבטיח את מחסומי האבטחה והפרטיות הנכונים?
סיכום
בעוד שחוסר במודרניזציה טכנולוגית יכול להפוך את מודל העסק של חברה למיושן בשלב מסוים, חשוב לוודא שאתה משתמש בהשקעות ה-AI של הארגון שלך לבעיות הנכונות ובמקומות הנכונים. כפיית פתרונות מבוססי AI לבעיות שאינן זקוקות להם יכולה לקחת את המוצר שלך בכיוון הלא נכון. שמור על שלווה והשתמש בהשקעות ה-AI בחכמה.
Source:
https://dzone.com/articles/soaking-in-the-pressure-of-using-ai