Погружение в давление при использовании искусственного интеллекта

Когда крупные организации тратят миллиарды долларов на исследование и разработку революционной технологии, наступает момент, когда технология готова для широкого использования. Гиганты технологической индустрии прилагают максимум усилий, чтобы обеспечить широкомасштабное глобальное принятие технологии. Это захватывающее время для любого энтузиаста технологий, и естественно появляется желание присоединиться к волне и не чувствовать себя исключенным.

Сотрудники организации на различных уровнях испытывают давление использовать решения на основе ИИ для решения любых бизнес-проблем. Как справиться с этим давлением и принять правильные решения по своим бизнес-проблемам? Давайте разберемся в проблеме и развеем сомнения, чтобы получить четкое представление о том, когда использовать ИИ, а когда нет.

Основные вопросы для ответа

Прежде чем углубляться в разработку решений для конкретных бизнес-проблем и сценариев использования, есть несколько очень фундаментальных вопросов, на которые вы можете ответить сами, что даст вам очень ясные подсказки о том, нужно ли вам вкладывать время и энергию в создание решений на основе ИИ.

• Поможет ли инвестирование в решение на основе ИИ нарушить устоявшееся положение дел в нашей отрасли?
• Поможет ли это нам сделать скачок от отстающего участника отрасли к лидеру отрасли для любого из наших продуктов или особенностей продукта?
• Можем ли мы использовать ИИ для любого из наших процессов разработки продукта или операций с продуктом? Существенно ли это снижает стоимость операций в долгосрочной перспективе для нашего продукта?

В то время как такие вопросы часто обсуждаются и решаются на заседаниях на уровне исполнительного руководства, в хороших компаниях с сильной продуктовой культурой принятие решений демократизировано, и отдельные команды получают полномочия принимать ключевые решения относительно дорожной карты продукта и его функций. 

Поэтому важно, чтобы технические менеджеры продукта и их команды мыслили как генеральные директора и обдумывали эти фундаментальные вопросы при принятии решения об использовании решений на основе искусственного интеллекта для решения задач, предоставленных заказчиками и руководителями.

Разглашение слоев

Теперь давайте рассмотрим процесс постановки вопросов и анализа уровня ниже фундаментальных вопросов и используем каркас, который поможет вам решить, следует ли использовать искусственный интеллект в дизайне вашего решения.

Предсказательный искусственный интеллект

Хотя в общественном доступе есть много материалов о разнице между предсказательным искусственным интеллектом и генеративным искусственным интеллектом, я всё равно хочу подчеркнуть разницу между ними. Генеративный искусственный интеллект (GenAI) привлек столько внимания за последние несколько месяцев, что люди часто пренебрегают силой других типов искусственного интеллекта, и инвестиции и инновации в эти технологии замедлились во многих организациях.

Важно, чтобы команды разработки останавливались и думали о креативных решениях для проблемы пользователя/заказчика, стоящей перед ними.

Вы пытаетесь решить проблему, связанную с сбором исторических данных о прошлых событиях, нахождением в них закономерностей для того, чтобы предсказать результаты будущих событий? Для таких проблем решением является прогностическое искусственное интеллект

. Если вы думаете о Gen AI для таких проблем, вы идете в ложном направлении. Некоторые общие примеры проблем, которые можно решить с помощью прогностического искусственного интеллекта, включают финансовые прогнозы, оптимальное использование инфраструктуры, обнаружение мошенничества и т. д.

Как только вы понимаете, что проблему, которую вы решаете, потребуется решение на основе прогностического искусственного интеллекта, следующим логичным шагом в разработке решения должен стать выбор алгоритма машинного обучения, который решит вашу проблему.

• Классификация. Назначение точек данных заранее определенным классам – это задача классификации. Например, пометка любого контента на платформе социальных медиа как неприемлемого, чтобы машинное знание о подходящем и неподходящем контенте постоянно уточнялось, является задачей классификации.
• Регрессия. Когда цель – определить корреляцию между признаками и вашей целевой переменной для прогнозирования будущих проблем, возникает задача регрессии. Например, прогнозирование будущего трафика на вашем сервисе, чтобы решить, когда увеличить количество подов.
• Кластеризация. Группировка данных в различные категории с целью определения правильных категорий, которые помогут вам принимать решения, представляет собой задачу кластеризации. Например, анализ поведения и использования клиентов, чтобы помочь вашей организации определить правильные сегменты клиентов, является задачей кластеризации.

Не удивительно, что в области предиктивного искусственного интеллекта можно добиться столько инноваций и креативности, не так ли? В этой статье мы пока не затрагиваем область генеративного искусственного интеллекта, который в последнее время вызвал такой резонанс.

Генеративный искусственный интеллект

В отличие от этого, если проблема, которую вы пытаетесь решить, включает в себя обучение модели искусственного интеллекта на необработанных данных вашей организации, делая ее учиться на примерах, чтобы она могла принимать подсказки от пользователя и генерировать новые результаты, тогда в игру вступает ГенИИ. Проблема может иметь различные варианты пользовательских запросов и сгенерированных результатов. Пользовательские запросы могут быть речью, текстом или неструктурированными данными, а сгенерированные результаты могут быть текстом естественного языка, речью, изображениями или видео.

Общие примеры проблем, которые можно решить с помощью ГенИИ, включают в себя поддержку клиентов, генерацию кода для снижения затрат на разработку продукта, синтез данных для исследований и тестирования, создание контента для маркетинга по требованию и т. д.

Когда речь идет о решениях на основе ГенИИ, после того как вы поняли, что ваша проблема требует решения на основе ГенИИ, будут приняты дополнительные важные решения по проектированию решения, которые помогут вам создать наиболее значимое решение.

• Какую базовую модель LLM мне следует использовать?
• Какие последние архитектурные фреймворки и шаблоны проектирования мне следует использовать? Подумайте о RAG, RLHF, мультиагентном реагенте с использованием langflow и т. д.?
• Как обеспечить правильные меры безопасности и конфиденциальности данных?

Заключение

При отсутствии модернизации технологий бизнес-модель компании может устареть, поэтому важно убедиться, что вы используете инвестиции организации в искусственный интеллект для решения правильных проблем в правильных местах. Принуждение решений на основе ИИ для проблем, которые этого не требуют, может повести ваш продукт в неправильном направлении. Сохраняйте спокойствие и используйте инвестиции в ИИ разумно.