«О, вы работаете в Ай..? Такой-то тоже работает в IT».
Люди, менее знакомые с наукой о данных, часто думают, что искусственный интеллект ничем не отличается от любого другого проекта по разработке программного обеспечения. Если вы принимаете бизнес-решения, специалист по инновациям, специалист по данным или специалист по информационным технологиям, вы, вероятно, знакомы с приведенным ниже подходом, который выглядит примерно так:
А потом вы сидите, расслабляетесь и наблюдаете, как разворачивается волшебство.
К сожалению, эти команды часто на горьком опыте обнаруживают, что ИИ — это не ИТ. И что проекты ИИ требуют совершенно другого подхода, чем тот, к которому вы привыкли.
Ниже я объясню 4 наиболее важных отличия. Понимание этих различий поможет вашему проекту ИИ пройти гладко и повысит его шансы на успех.
1. Способ работы: изолированный или междисциплинарный
ИТ-проекты, как правило, довольно разрозненны. Даже когда задействовано несколько ролей, технические специалисты будут работать независимо, как только руководство предоставит четкое задание с требуемыми функциями. Затем проект может развиваться более или менее последовательно.
Проекты ИИ, с другой стороны, носят вероятностный характер и зависят от беспорядочных данных реального мира. Каким бы хорошо спланированным он ни был, ему присущ определенный уровень экспериментов, проб и ошибок. Поэтому многие аспекты проекта искусственного интеллекта (например, уровень производительности, критерии приемлемости, принятие конечным пользователем, влияние на KPI и т. д.) часто неизвестны или недостаточно известны с самого начала.
Эта неопределенность требует гораздо более интенсивного, итеративного и междисциплинарного сотрудничества между технологиями, бизнесом и руководством, чтобы поддерживать согласованность действий заинтересованных сторон.
Работайте итеративно и создавайте междисциплинарную команду для постепенного увеличения ценности.
2. Результаты: детерминированные и вероятностные
В большинстве ИТ-проектов верно следующее:
✔ Программное обеспечение будет вести себя так, как ожидается, в (почти) 100% всех случаев (не считая случайных ошибок).
✔ Большая часть или вся информация, необходимая техническим специалистам для выполнения своей работы, доступна с самого начала.
✔ Функциональные возможности и бизнес-правила жестко закодированы, а общая производительность предсказуема.
С AI производительность программного обеспечения является вероятностной и динамичной. В каждом конкретном случае вы не можете заранее знать, что предскажет модель ИИ. Вы можете только знать, какую производительность ожидать на основе полного набора данных. И даже в этом случае реальные данные могут немного отличаться от обучающей выборки.
Кроме того, специалисты по данным редко имеют всю необходимую им информацию с самого начала, и им необходимо принимать решения на постоянной основе на протяжении всего проекта по мере того, как становится доступно все больше и больше информации.
Это означает, что вам нужно иметь другое мышление при работе над проектом ИИ. Примите неопределенность на определенных этапах проекта. Будьте готовы разработать модель искусственного интеллекта, не зная точно, какова будет ее производительность.
Конечно, это не означает, что вы должны просто бессистемно пробовать ИИ и браться за проекты практически вслепую. Создавайте свое решение для искусственного интеллекта постепенно увеличивая шаги, например:
Оценка осуществимости → Проверка концепции → MVP → Развертывание
Но убедитесь, что у вас есть четкие критерии того, следует ли продолжать каждый этап. Результаты каждого этапа должны предоставить достаточно доказательств и уверенности, чтобы инвестировать в них и перейти к следующему этапу.
Примите вероятностный характер искусственного интеллекта и будьте готовы соответствующим образом адаптировать свое мышление.
3. Право собственности на проект: под руководством ИТ или под руководством бизнеса
Это может показаться противоречащим первому пункту, но даже в междисциплинарных командах кто-то должен взять на себя инициативу и обеспечить бесперебойную работу проекта.
В традиционных проектах программного обеспечения этим кем-то обычно является технический специалист, который берет на себя ответственность за проект. Руководители проектов могут иметь контролирующую роль с точки зрения бюджета и планирования, но общее содержание проекта находится под руководством технической группы.
Хотя это отличный подход, когда требования в значительной степени фиксированы в начале, для проектов AI это приведет к провалу. Как я упоминал выше, в процессе обнаружения, моделирования и развертывания необходимо принять сотни технических решений. Эти решения должны основываться на бизнес-целях и стратегии, а также на потенциальных конечных пользователях (если применимо).
Это означает, что руководителем проекта должен быть тот, кто имеет полное представление о проекте по всем дисциплинам и может вести подробные обсуждения со всеми заинтересованными сторонами.
Понимание всех технических, деловых и операционных аспектов проекта гарантирует, что вы получите законченное решение для искусственного интеллекта, а не модель на ноутбуке.
Точно так же есть несколько ключевых моментов, когда бизнесу или руководству необходимо принимать коммерческие решения. Точно так же эти решения не могут быть приняты без минимального технического понимания. Кто-то, кто играет роль связующего звена или служит «переводчиком» между обеими сторонами, идеально подходит для того, чтобы взять на себя роль руководителя проекта.
Более традиционному менеджеру проекта иногда не хватает глубокого технического понимания искусственного интеллекта, необходимого для правильного сотрудничества с учеными и инженерами данных. Это приводит к разрыву отношений между техническими и бизнес-командами и взаимному разочарованию.
Итак, какие роли подходят для руководителя проекта?
Консультант по решениям, бизнес-переводчик, бизнес-консультант по искусственному интеллекту, технический руководитель проекта или, на самом деле, любая должность, которую они имеют, хороша, если они действительно могут служить мостом между всеми заинтересованными сторонами. Прежде всего, любой проект искусственного интеллекта должен руководствоваться четкой бизнес-потребностью, и для того, чтобы руководить проектом искусственного интеллекта, нужен бизнес-ориентированный человек с глубоким техническим пониманием.
4. Возможности: внутренние или сторонние
Для большинства ИТ-проектов внутренних возможностей достаточно для выполнения требований. Конечно, вам может понадобиться временно или постоянно увеличить ИТ-команду, но в целом поиск и найм необходимых талантов не будут мешать вам спать по ночам. И если вы не покупаете крупную новую систему, третьи стороны редко привлекаются.
Возможности в области ИТ также (очень) вообще говоря, весьма однородны. Несмотря на множество специализаций, вы, по крайней мере, знаете, какие конкретные навыки вам нужны, и вы можете ожидать, что большинство людей с этими навыками смогут достичь цели проекта.
У Ай все по-другому.
Прежде всего, спрос на таланты ИИ чрезвычайно высок, что затрудняет поиск и найм специалистов по ИИ. И даже если у вас есть специальная команда ИИ, в ИИ так много специализаций (например, НЛП, компьютерное зрение, робототехника, нейронные сети, эволюционные вычисления, глубокое обучение), что для любого конкретного проекта вам нужно убедиться, что вы не только иметь опыт работы с искусственным интеллектом, но также иметь правильный опыт работы с искусственным интеллектом.
Во-вторых, наука о данных — очень творческая область, и индивидуальный уровень навыков специалиста по данным будет иметь огромное влияние на общий успех проекта.
Наличие подходящего специалиста по данным для данного проекта может иметь решающее значение.
Если 5 специалистов по данным с одинаковым опытом и опытом попытаются построить модель, только 1 или 2 могут получить модель с высокой ценностью, которая соответствует KPI. Опять же, это во многом связано с принятием технических решений на каждом этапе пути. Вот несколько примеров того, откуда берутся эти различия:
Чтобы завернуть…
Таким образом, проекты ИИ требуют нового способа работы с другим мышлением и новым набором ожиданий. Вы должны принять неопределенность AI на ранних этапах проекта, чтобы пожинать плоды в конце. Начните с малого и пройдите путь до развернутого решения искусственного интеллекта итеративным, междисциплинарным способом. И, когда дело доходит до ИИ, возможно, пришло время отказаться от классического менеджера проектов.
Итак, если вы думаете об использовании ИИ в своей организации или уже применяете его, убедитесь, что все заинтересованные стороны знают об этом с самого начала. В противном случае это приведет к разочарованию руководства, разочарованию технических команд и уменьшению веры в потенциал ИИ, что может быть или не быть оправданным.
Первоначально опубликовано на https://www.aidaleeconsulting.com 4 октября 2022 г.
