Подготовьте свой бизнес к следующей промышленной революции

ИИ, такой как машинное обучение, — это комплексная технология — вы уже это знаете.

Но развертывание любой технологии, особенно новой, может быть сложной задачей для любой компании любого размера. Существует так много движущихся частей, поэтому управление проектом занимает больше времени, и чем больше становится компания, тем больше бизнес-подразделений задействовано.

Каким бы невозможным это ни казалось, компании каждый день выясняют, как это сделать. Вот краткий план из шести шагов, который поможет вашей компании перейти к внедрению ИИ-решений.

Для начала, я думаю, вы должны договориться о процессе очень высокого уровня. В HIVERY, например, у нас есть подход Discovery → Experiment → Deployment. Благодаря такому подходу мы постоянно удовлетворяем новые потребности клиентов и разрабатываем приложения ИИ, которые со временем обучаются для достижения ключевых бизнес-целей. Это требует от нас постоянного совместного проектирования и совместных экспериментов с нашими клиентами, что приводит к более быстрой конверсии продаж при создании простых и удобных в развертывании приложений искусственного интеллекта.

Имея это в виду, давайте рассмотрим шесть шагов для запуска вашего проекта ИИ:

1. Сосредоточьтесь на проблеме, процессах, наборе данных и бизнес-правилах

Определение бизнес-проблем означает понимание того, что вы пытаетесь решить. Вам нужно время, чтобы определить, что вы хотите, чтобы модель (или алгоритм) ИИ делала. ИИ отлично справляется с достижением целей.

Помните фильм Я, робот и ИИ по имени ВИКИ? Его цель состояла в том, чтобы защитить человечество; однако вскоре ВИКИ поняла, что самое большое удовольствие для людей — это другие люди! ВИКИ пришел к выводу, что самую большую угрозу человечеству представляет само человечество, и единственный способ защитить человечество — взять его под контроль, а не защищать.

Важно определить цель модели ИИ. ИИ хорош в достижении цели. Посмотрите это видео Google Deepmind об обучении и достижении целей. Алгоритм ИИ ничего не знал об элементах управления. Ему были переданы необработанные пиксельные данные, и он должен был принять решение о следующем действии. Он понятия не имел ни о принципе мяча, ни о самой игре. Единственная цель состояла в том, чтобы максимизировать счет.

Определение проблемы также означает понимание наборов данных, связанных с процессом, систем, в которых хранятся эти наборы данных, и того, как вы можете автоматизировать это в будущем, когда вы загружаете свою модель ИИ новыми данными.

Количество и качество (или «целостность») наборов данных также важны. Например, если вы хотите, чтобы ваша модель ИИ рекомендовала идеальный ассортимент товаров для торговой точки, такой как торговый автомат, вам потребуются данные о продажах как минимум за 12 месяцев, чтобы обучить вашу модель всего парка торговых автоматов.

Здесь также важно качество данных. Например, если ваша серверная система говорит, что столбец А в конкретном торговом автомате — это кока-кола, а столбец Б — это Fanta, ваши ERP-системы должны говорить то же самое.

Этот шаг также связан с пониманием «бизнес-правил» или ограничений. Бизнес-правила касаются обеспечения согласованности, контроля качества и рыночного исполнения. Ваша модель ИИ должна знать это, чтобы давать реалистичные и действенные рекомендации.

2. Сделайте свой язык правильным

Прежде чем начать, важно, чтобы у вас был четкий набор общей терминологии. Звучит просто, но часто у проектных команд и руководства возникают недопонимания и несоответствия. Такие термины, как средняя абсолютная ошибка (MAE) или средняя абсолютная процентная ошибка (MAPE), среднеквадратическая ошибка (RMSE) или среднеквадратичное отклонение (RMSD), ошибка прогнозирования (PE) часто используются как взаимозаменяемые. Даже такие термины, как «эксперимент», «пилот», «прототип» и «доказательство концепции» перепутаны. Получение правильных условий среди ваших заинтересованных сторон помогает формировать ожидания, включая руководство. Мы часто договариваемся об этом заранее и создаем простой словарь проекта, который часто повторно используется в презентациях и технических заданиях.

3. Сместите свое мышление в сторону экспериментов

Экспериментирование позволяет быстро получать результаты и думать наперед. Важно мыслить бережливо. Начните с небольшой команды и спланируйте свой «дизайн эксперимента», чтобы ваш эксперимент был пуленепробиваемым, когда вы представляете результаты. Вы не хотите, чтобы кто-либо из ваших заинтересованных сторон «выискивал в нем дыры» и разрушал этим доверие к вам и к инициативе ИИ.

Экспериментирование связано с тестированием, обучением и проверенной ценностью. Итак, определите, выровняйте и согласуйте свои ключевые показатели эффективности. Цель здесь состоит в том, чтобы учиться, быстро получать результаты и подтверждать ценность.

4. Обеспечьте поддержку высшего руководства

Единственный способ гарантировать, что директивы проникнут в корпоративную культуру, — это поддержать их со стороны высшего руководства. Все обращаются к высшему руководству за указаниями, поэтому сохраняйте спокойствие и приведите всех в порядок, прежде чем объявить о предлагаемых изменениях остальной части компании.

Правильная терминология, формулирование проблемы, которую вы собираетесь решить, и то, как вы спланировали свой эксперимент объективным и прозрачным образом, имеют решающее значение для получения поддержки со стороны руководства.

5. Переподготовьте своих людей

Изменения пугают всех, и принятие решения о внедрении ИИ — это совсем другая задача, чем его фактическое развертывание. Ваша команда должна быть гибкой и готова вносить иногда незначительные, а иногда и радикальные изменения в свои повседневные процессы.

Поощряйте культуру обучения в своей организации, и искусственный интеллект станет еще одним новым «персонажем» процессора. Организуйте учебные занятия, предоставьте учебные материалы и рабочие пособия, получите информацию и вовлеките всех сотрудников компании в это новое изменение, чтобы обеспечить бесперебойную работу на протяжении всего перехода.

6. Подготовьтесь к работе

Как только вы получите всеобщее одобрение, пришло время подготовиться. Такое мероприятие, как чемпионат мира или Олимпийские игры, требует надлежащего планирования и подготовки, чтобы провести его, когда придет время. Ваш бизнес ничем не отличается — настройка тестовых сред, подготовка ИТ-инфраструктуры к массовым установкам и обновлениям, а также корректировка всех параметров гарантируют, что переход пройдет гладко после запуска.

Если на бумаге все выглядит хорошо и ваша команда готова, пришло время начать процесс развертывания поэтапно, чтобы не потерять текущую производительность.

Это когда ваши команды по управлению проектами и управлению изменениями вступают во владение и берут на себя ответственность. Речь идет об операционализации и масштабировании.

Следуя этим шагам, ваша компания не только будет готова к использованию ИИ, но и будет готова к любым технологиям, которые появятся в будущем.