Но ведь это одно и то же, не так ли?

Некоторое время назад несколько моих друзей создали изящный инструмент анализа настроений. Инструмент получает доступ к потоку твитов по определенным ключевым словам и может сказать вам тон, направление и тональность твитов, а также влияние, которое эти твиты или бури твитов оказывают. Такие системы существовали и в прошлом, но да - я взглянул на их систему и должен сказать, что она гораздо более мощная, надежная и точная в своем анализе, чем любые другие инструменты, которые я видел в прошлом. . Аккуратно, правда? Может быть. Если бы они могли ответить мне на один вопрос - Так ??

В целом, продукты мне нравятся. Продукты простые. Как и Mayfly, у них одна единственная цель, и хорошие продукты выполняют эту функцию очень хорошо.

Как и Mayfly, продукты ДОЛЖНЫ иметь действительно четко определенную и совершенно определенную функцию, которую они должны выполнять, и это должно быть первое, что вы поймете, как только посмотрите на продукт. Если в вашем продукте этого нет, вам необходимо переосмыслить модель продукта.

Возвращаясь к системе анализа настроений, которую построили мои друзья, моя проблема заключалась не в ее эффективности или точности, а в том, что я не мог понять, как она помогает мне как бизнесу?

Итак, я начал именно с этого. Я задал им этот вопрос, и они дали мне то, что я могу назвать удовлетворительным ответом. Но теперь у меня для них была новая постановка проблемы. Зачем им нужно было мне это объяснять? Разве это не должно было быть очевидным при просмотре самой системы?

Вы бы заметили, что я продолжаю называть это системой. Потому что, на мой взгляд, так оно и есть. Это система, приложение технологии, объединение науки о данных, машинного обучения и подачи контента. Это определенно НЕ ПРОДУКТ! А если у вас нет продукта, по всей вероятности, не будет и потребителей.

Продукты, как я упоминал ранее, должны быть интуитивно понятными. Продукция предназначена для создания ценности. Они предназначены для устранения узких мест. И продукты должны нести всю ценность для бизнеса, которую они могут доставить, прямо у них на рукаве. Вот что делает продукт удобным. Это то, что способствует принятию продукта. Вот что делает его популярным.

На мой взгляд, их система упустила это. Он остановился, возможно, всего в одном шаге от того, чтобы быть продуктом. Может быть, это был всего один, но, наверное, самый важный.

ПРОБЛЕМА СО ВСЕМИ ТЕХНОЛОГИЯМИ

Это - то, что я только что выделил - возможно, самая большая проблема любой технической системы, в том числе систем, основанных на искусственном интеллекте и машинном обучении. Мы должны понимать и уважать тот факт, что наличие надежных технологий, лежащих в основе наших «весьма ценных» систем, не обязательно делает их продуктом.

Посмотрите на любой из продуктов, которые вы используете для своего бизнеса - будь то Google Analytics, менеджер рекламы Facebook, Google AdWords. Что делает их такими значимыми, так это то, насколько они надежны и насколько они приносят пользу нашему бизнесу. Но что заставляет нас использовать их так широко, так это простота и удобство использования каждого из них. Вы бы использовали менеджер рекламы Facebook, если бы целевая аудитория, которую он предлагает, просто не работала? Возможно нет; и вы наверняка были бы в ярости от того, насколько сломана эта система. Но разве так много людей использовали бы инструмент сегментации аудитории, если бы он не был интуитивно понятным и достаточно простым в использовании? Точно нет!

Представление продукта в удобной и интуитивно понятной форме почти так же важно, как и то, насколько хорошо продукт выполняет то, что должен делать.

АКАДЕМИЧЕСКИЕ И БИЗНЕС-ПРИЛОЖЕНИЯ РАЗНЫЕ

Большую часть периода времени, в течение которого ИИ был в игре, он был ограничен академической сферой. Люди публиковали исследования об этом, создавались захватывающие компьютерные симуляции. Поэтому многие из них были предназначены для академической аудитории.

Теперь ИИ перешел от чисто академической деятельности к поиску приложений в деловом мире. И это полностью меняет профиль аудитории. Продукт должен быть достаточно простым и интуитивно понятным, чтобы им мог пользоваться каждый. Ценность продукта должна быть напрямую согласована с бизнес-целями. (Если вы не уверены в том, каковы бизнес-цели любого бизнеса, начните с основ - увеличение доходов, снижение затрат, уменьшение затрат на голову, снижение затрат в секунду.)

Крупные компании генерируют террабайты данных каждый час и каждый день, и необходимость более эффективно обрабатывать эти данные и представлять их в удобном для использования виде - причина этого тектонического сдвига в искусственном интеллекте и машинном обучении от академических кругов к миру бизнеса.

Понимая неизбежность роста приложений машинного обучения в бизнес-процессах, крупные технологические компании даже начали выпускать все большее количество пакетов с открытым исходным кодом, чтобы помочь стартапам и отдельным разработчикам. Теперь разработчики могут быстрее создавать продукты, основанные на глубоком обучении, без необходимости вкладывать миллионы долларов в исследования, как это делали IBM по всему миру.

Результат? Мы наблюдаем рост числа стартапов, утверждающих, что они создают продукты, основанные на глубоком обучении. Но пока они не понимают разницы между техническим продуктом и технологическим пакетом / системой, многие из этих стартапов не получат признания, которого они заслуженно заслуживают.

Что ты собираешься делать? Вы работаете над какой-то потрясающей технологией или создаете продукт, за которым будут строить очередь? Я очень надеюсь, что теперь вы понимаете разницу между ними.

На сегодня все. Увидимся завтра!

I am Abhishek. I am here... there.... Everywhere...
Medium | Twitter | Facebook | Quora | LinkedIn | E-mail