Правильное использование ИИ-открытия

Руководство по формированию идей, проверке и определению приоритетов вариантов использования ИИ

Делиться

При разработке с использованием ИИ сложность возрастает: появляется больше неопределенности, больше неизвестных и больше взаимодействующих между собой компонентов, инструментов и ожиданий. Именно поэтому наличие надежного процесса разработки еще важнее, чем при разработке традиционного, детерминированного программного обеспечения.

Согласно недавним исследованиям, главная причина провала проектов ИИ заключается в том, что компании используют ИИ для решения не тех задач. Эти проблемы могут быть:

• слишком маленький, поэтому никого не волнует
• слишком просто и не стоит усилий по использованию ИИ и решению более сложных задач
• или просто изначально не подходят для ИИ

В этой статье я расскажу о нашем подходе к обнаружению продуктов на базе ИИ, разделив его на три ключевых этапа:

Для иллюстрации этого подхода я приведу пример недавнего проекта в автомобильной промышленности. Некоторые из описанных моментов будут новыми и специфичными для ИИ; другие известны из традиционных разработок, но приобретают ещё большее значение в контексте ИИ.

📚 Примечание: этот контент основан на моей новой книге «Искусство разработки продуктов на основе ИИ» . Ознакомьтесь с ней, чтобы узнать больше об исследованиях и многом другом!

Идеация: поиск подходящих возможностей для ИИ

Начнём с генерации идей — первого шага любого процесса поиска идей, в ходе которого вы пытаетесь собрать большое количество идей для своего развития. Мы рассмотрим два распространённых варианта развития событий: учебный, где вы следуете лучшим практикам управления продуктом, и распространённый сценарий из реальной жизни, где всё, как правило, немного предвзято и запутанно. Будьте уверены — оба пути могут привести к успеху.

💡 Согласно книге Джереми Атли и Перри Клебана «Поток идей», наилучшим показателем инновационного потенциала бизнеса является поток идей — количество новых идей, которые человек или группа могут сгенерировать в определенной ситуации за определенный промежуток времени.

Сценарий из учебника: сначала проблема

В идеальном мире у вас достаточно времени, чтобы изучить и структурировать пространство возможностей, то есть все выявленные вами потребности, желания и болевые точки клиентов. Источники информации могут быть разными, например:

• Интервью с клиентами и отзывы
• Обсуждения по продажам и поддержке
• Конкурентные исследования
• А иногда просто интуиция команды и опыт работы в отрасли

В качестве примера приведем отрывок из пространства возможностей для нашего клиента из автомобильной промышленности, целью которого было использование ИИ для мониторинга мирового автомобильного рынка и разработки рекомендаций по стратегическим инновациям:

Обратите внимание, что в этом примере мы рассматриваем сценарий «браунфилда». Пространство возможностей включает в себя не только идеи новых функций, но и критику существующих функций, например, «отсутствие прозрачности источников».

Определив потребности, вы рассматриваете пространство решений — все возможные способы технического решения этих проблем. Например, это могут быть:

• Аналитика на основе правил
• Улучшения UX
• Искусственный интеллект
• Добавление большего количества экспертных знаний в предметной области
• …

Важно отметить, что ИИ является частью пространства решений, но он никоим образом не является привилегированным — это всего лишь один вариант среди многих других.

Наконец, вы сопоставляете возможности с решениями, как показано на следующем рисунке:

Давайте рассмотрим некоторые из этих ссылок:

• Если несколько пользователей говорят: «Мне нужны оповещения о выпуске конкурентом новых моделей», можно рассмотреть возможность использования ИИ. Однако простая система на основе правил, которая извлекает предложения конкурентов с их сайтов, тоже могла бы решить эту проблему.
• Если проблема заключается в том, что «мне нужно быстрее создавать отчёты и презентации», ИИ становится просто великолепен. Обобщение больших объёмов данных или текста для их переосмысления и создания нового контента — именно в этом и заключается преимущество современного ИИ.
• Но если проблема в том, что «я не доверяю этим данным, потому что не вижу их источников», то ИИ, вероятно, вообще не подходит. Это проблема пользовательского опыта и прозрачности, а не машинного обучения.

В этом случае важно сохранять беспристрастность, подбирая правильное решение для каждой потребности. Даже если вы втайне с нетерпением ждёте возможности начать разработку с использованием новейших инструментов ИИ (а кто не рад?), нужно набраться терпения и дождаться подходящей возможности.

Реальный сценарий: «Давайте использовать ИИ!»

В реальности всё часто начинается совсем по-другому. Например, вы на совещании команды, и кто-то говорит: «Давайте использовать ИИ!». Или ваш генеральный директор произносит волшебную речь, которая внезапно включает ИИ в вашу повестку дня, не давая никаких указаний или рекомендаций по его использованию. Без лишних слов вы рискуете попасть в ловушку «ИИ ради ИИ».

Однако это не обязательно должно обернуться катастрофой. Речь идёт о чрезвычайно универсальной технологии, и можно отталкиваться от императива ИИ-первостепенности и находить отличные возможности, анализируя основные преимущества и недостатки ИИ.

Дерево возможностей ИИ: фокус на основных преимуществах ИИ

Работая с командами, которые уже решили, что хотят использовать ИИ, я помогаю им начать разговор о том, в чём ИИ хорош. В контексте B2B есть четыре основных преимущества, которые можно развивать:

1. Автоматизация и производительность: используйте ИИ, чтобы ускорить и удешевить существующие процессы. Например, Intercom использует чат-ботов на базе ИИ для автоматического ответа на распространённые вопросы клиентов, сокращая время ответа и освобождая время операторов для более сложных задач.
2. Улучшение и дополнение: помогите людям улучшить результаты своей работы. Например, ИИ Notion помогает составлять черновики, резюмировать и дорабатывать контент, оставляя окончательное решение и редактирование пользователю-человеку.
3. Инновации и трансформация: откройте для себя совершенно новые продукты, возможности и бизнес-модели. Например, Tesla использует ИИ, чтобы перейти от продажи оборудования к непрерывному созданию ценности на основе программного обеспечения, включая такие функции, как помощь водителю, оптимизация работы аккумулятора и беспроводные обновления в автомобиле.
4. Персонализация: адаптируйте аудиоматериалы под конкретных пользователей или контекст. Например, Spotify использует ИИ для создания персонализированных плейлистов, таких как Discover Weekly, адаптируя рекомендации к уникальным вкусам каждого слушателя.

При генерации идей следует стремиться создать насыщенное пространство идей, собирая множество возможностей для каждого преимущества. Это позволит создать структурированное дерево возможностей для ИИ. Вот небольшой фрагмент дерева возможностей, которое мы построили для автомобильной отрасли:

Использовать недостатки ИИ в качестве критериев исключения

Также важно понимать, когда ИИ — не лучший вариант. Вот некоторые недостатки ИИ, с которыми сталкиваются пользователи, и которые можно использовать для фильтрации неподходящих вариантов использования:

• ИИ часто представляет собой черный ящик — пользователи не всегда понимают, как он работает.

Пример: при оценке финансовых рисков, если заёмщик получает отказ из-за непрозрачной модели искусственного интеллекта, банк должен объяснить причину. Без чёткого обоснования система не справляется как с юридической, так и с этической точки зрения.

• ИИ вносит неопределенность — одни и те же или похожие входные данные могут давать разные результаты.

Пример: при составлении юридических документов небольшие быстрые изменения могут привести к существенному изменению условий договора. Эта непредсказуемость делает этот процесс рискованным для отраслей с высокими ставками и строгим регулированием.

• ИИ будет совершать ошибки, иногда таким образом, который невозможно полностью предсказать.

Пример: в диагностике заболеваний в здравоохранении неверный прогноз ИИ — это не просто ошибка, он может привести к принятию пагубных решений с последствиями, имеющими решающее значение для жизни.

Если ваш вариант использования требует абсолютной точности, объяснимости или предсказуемости, двигайтесь дальше — ИИ, скорее всего, не является правильным решением.

Определив возможности и варианты использования ИИ, давайте теперь посмотрим, как можно конкретизировать ваши идеи и конкретизировать их для дальнейшей расстановки приоритетов и разработки.

Спецификация и проверка: самостоятельно проведите итерацию для достижения оптимальной конструкции системы

После того, как вы определили варианты использования и потенциальные функции, следующим шагом станет спецификация и валидация. Здесь вы определяете, как вы собираетесь создать систему ИИ для решения конкретного варианта использования. Прежде чем углубляться в фреймворки, давайте остановимся и поговорим о процессе, а именно о силе итераций в контексте ИИ.

Принятие практики итерации

На обложке моей книги «Искусство разработки продуктов на основе ИИ» изображён дервиш. Подобно тому, как эти танцоры кружатся в бесконечном и сосредоточенном движении, вам нужно выработать привычку к итерациям, чтобы добиться успеха в работе с ИИ. В начале вашего пути неопределённость высока:

• Вы осваиваете новую территорию. В отличие от «традиционной» разработки программного обеспечения, где у нас есть богатый исторический опыт, на который можно опираться, решения и лучшие практики пока не разработаны.
• Системы искусственного интеллекта будут совершать ошибки, что представляет серьёзный риск для доверия и внедрения. С самого начала следует уделить много времени пониманию, прогнозированию и предотвращению этих ошибок.
• Ваши пользователи будут иметь разный уровень ИИ-грамотности. Некоторые будут знать, как справляться с ошибками и неопределённостью; другие будут слепо доверять результатам ИИ, что может привести к проблемам в будущем.

Итерации уменьшают эту неопределенность и укрепляют уверенность как внутри вашей команды, так и у пользователей. Ключ к успеху — это детализировать и проверять результаты небольшими шагами: проводить быстрые эксперименты, создавать прототипы и создавать циклы обратной связи, чтобы понимать, что работает, а что нет.

Самое главное — получить реальную обратную связь как можно раньше. Сегодня существует соблазн спрятаться в мире исследований и моделирования, основанных на ИИ. Однако это опасная зона комфорта. Если вы не общаетесь с реальными пользователями и не предоставляете им свои прототипы, вы рискуете столкнуться с серьёзным конфликтом, когда ваш продукт наконец выйдет. ИИ — это ИИ, люди — это люди. Чтобы создать что-то успешное, необходимо понимать и объединять оба мира.

Определение вашей системы с помощью AI System Blueprint

Чтобы конкретизировать идею ИИ, мы используем модель AI System Blueprint . Эта модель представляет собой как возможность, так и решение, а её преимущество заключается в простоте и универсальности. За последние два года я использовал её практически в каждом проекте ИИ, с которым сталкивался, чтобы прояснить, что именно разрабатывается. Она помогает объединить всех вокруг единого видения: менеджеров по продукту, дизайнеров, инженеров, специалистов по анализу данных и даже руководителей.

Вот как это заполнить:

1. Выберите вариант использования из дерева возможностей ИИ.
2. Определите, какую ценность ИИ может реально обеспечить в этом варианте использования:

• Насколько это возможно автоматизировать? Зачастую возможна (и достаточна) лишь частичная автоматизация.
• Какова будет стоимость ошибок, допущенных ИИ? Начните с приблизительной оценки частоты и потенциальной стоимости ошибок и корректируйте их по мере получения дополнительной информации из прототипирования и пользовательского тестирования.
• Действительно ли ваши пользователи хотят автоматизации? В некоторых ситуациях, особенно при выполнении творческих задач, пользователи могут сопротивляться автоматизации. Они могут предпочесть выполнять задачу самостоятельно или воспользоваться лёгкой помощью ИИ вместо системы-«чёрного ящика», которая полностью контролирует их рабочий процесс.

3. Укажите решение ИИ:

• Данные станут сырьем для вашей системы искусственного интеллекта.
• Интеллектуальные технологии , включающие в себя модели ИИ и более крупную архитектуру, будут использовать алгоритмы ИИ для извлечения пользы из ваших данных.
• Пользовательский опыт — это канал, который доносит эту ценность до пользователя.

Таким образом, первоначальный план нашего варианта использования создания презентаций и отчетов может выглядеть следующим образом:

Не сужайте пространство для решений слишком рано

На следующем рисунке показано высокоуровневое пространство решений для ИИ:

Подробное описание этого пространства выходит за рамки данной статьи (вы можете найти его в главах 3–10 моей книги). Здесь я хотел бы предостеречь вас от распространённой ошибки — слишком узкого определения пространства решений. Это ограничивает творческий потенциал, приводит к принятию неудачных инженерных решений и может загнать вас в тупик, выбрав неоптимальный путь. Обратите внимание на эти три антипаттерна:

1. «Давайте создадим агента». Сейчас каждая вторая компания хочет создать своего собственного ИИ-агента. Но когда вы спрашиваете: «Что такое агент в вашем контексте?», у большинства команд нет чёткого ответа. Обычно это признак преувеличения стратегии.
2. «Давайте выберем модель, а потом разберёмся». Некоторые команды начинают с выбора модели или поставщика, а потом лихорадочно ищут вариант её использования. Это почти всегда приводит к несогласованности, тупиковым итерациям и пустой трате ресурсов.
3. «Давайте просто использовать то, что предлагает наша платформа». Многие компании по умолчанию используют то, что предлагает их облачный провайдер, игнорируя критически важные архитектурные решения. Облачные провайдеры предвзято относятся к своим собственным экосистемам. Если вы слепо будете следовать их рекомендациям, вы ограничите свои возможности и упустите возможность развить навыки работы с ИИ и создать что-то действительно уникальное.

Поэтому, прежде чем принять решение об инструментах, моделях или платформах, сделайте шаг назад и спросите себя:

• Какие высокоуровневые решения нам необходимо принять в отношении данных, моделей, архитектуры ИИ и UX?
• Как они взаимосвязаны?
• На какие компромиссы мы готовы пойти?

Кроме того, убедитесь, что вся ваша команда понимает всё пространство решений. В сфере ИИ существует множество кросс-функциональных зависимостей. Например, UX-дизайнерам необходимо быть знакомыми с данными для обучения модели ИИ, поскольку они во многом определяют результаты, которые видят пользователи. С другой стороны, инженеры по данным и ИИ должны понимать UX, чтобы иметь возможность собрать систему ИИ таким образом, чтобы она могла предоставлять различные аналитические данные и взаимодействия. Поэтому у всех должна быть общая ментальная модель потенциальных решений и окончательная спецификация вашей системы ИИ.

Будьте в курсе последних новостей о решениях в области ИИ с помощью нашего ИИ-радара : чем конкретнее становится ваша спецификация, тем сложнее следить за изменениями и новыми разработками. Наш ИИ-радар отслеживает последние публикации, модели и сценарии использования ИИ и структурирует их таким образом, чтобы они были полезны для команд разработчиков. Если вы заинтересованы, пожалуйста, запишитесь в лист ожидания здесь.

Приоритизация: решение, что строить в первую очередь

Последний шаг в нашем процессе исследования — это расстановка приоритетов, то есть решение о том, что разрабатывать в первую очередь. Если вы хорошо поработали над спецификацией и валидацией, это зачастую уже укажет вам на варианты использования с высоким потенциалом, что упростит расстановку приоритетов. Давайте начнём с простой матрицы расстановки приоритетов, а затем узнаем, как можно оптимизировать критерии и процесс расстановки приоритетов.

Матрица приоритетов

Большинство из нас знакомы с классической матрицей приоритизации: вы определяете такие критерии, как ценность для пользователя, техническая осуществимость, возможно, даже риск, и соответствующим образом оцениваете свои идеи. Затем вы суммируете баллы, и побеждает вариант с наивысшим баллом. На следующем рисунке показан пример некоторых элементов нашего дерева возможностей ИИ:

Такая структура популярна, поскольку она вносит ясность и вызывает у заинтересованных сторон чувство удовлетворения. Есть что-то обнадеживающее в том, как запутанные, сложные идеи превращаются в цифры. Однако матрицы приоритизации — это сильно упрощённое отражение реальности. Они скрывают сложность и нюансы, лежащие в основе приоритизации, поэтому не стоит чрезмерно полагаться на такое представление.

Добавление нюансов в расстановку приоритетов ИИ

Особенно когда вы только собираетесь внедрить ИИ, вы не просто ранжируете функции, а делаете долгосрочные ставки на направление развития вашего продукта, технологический стек, позиционирование и дифференциацию. Вместо того, чтобы сводить расстановку приоритетов к упражнению с электронными таблицами, сосредоточьтесь на сложности, глубоких дискуссиях и потенциальных расхождениях. Уделите время проработке мелких деталей, взвесьте компромиссы и принимайте решения, которые соответствуют не только тому, что легко реализовать сейчас, но и долгосрочному видению использования ИИ в вашем бизнесе.

1. Сначала выберите то, что легко сделать

Дерево возможностей ИИ из раздела 1 даёт первую подсказку для расстановки приоритетов. Обычно лучше начать с левой части дерева и двигаться вправо по мере накопления опыта и поддержки в области ИИ. Вот почему:

• Слева находятся простые задачи автоматизации. Они обычно не требуют больших рисков, легко поддаются измерению и отлично подходят для начала.
• Двигаясь вправо, вы видите более продвинутые, стратегические варианты использования, такие как прогнозирование тенденций, рекомендации или даже идеи новых продуктов. Они могут повысить эффективность, но также связаны с повышенным риском и сложностью.

Начало работы слева поможет вам укрепить доверие и придать импульс. Это обеспечит быстрые результаты, даст вашей компании время освоиться с ИИ и заложит основу для более амбициозных проектов в будущем.

2. Работа над стратегическим согласованием

Прежде чем решить, что именно разрабатывать, подумайте о роли ИИ в вашем бизнесе. Хотя у вашей компании (пока) может не быть четкой стратегии в области ИИ, вы можете почерпнуть важную информацию из ее корпоративной стратегии. Например, является ли ИИ потенциальным конкурентным преимуществом или вы просто играете в догонялки с рынком? Если вы хотите получить конкурентное преимущество с помощью ИИ, вам следует быстро продвигаться по дереву возможностей, внедряя более сложные и дифференцированные варианты его использования. Ваши инженерные решения будут склоняться к более индивидуальным и сложным альтернативам, таким как модели с открытым исходным кодом, индивидуальные конвейеры или даже локальная инфраструктура. Напротив, если ваша цель — идти в ногу с конкурентами, вы можете дольше сосредоточиться на автоматизации и производительности, выбирая более безопасные готовые решения от крупных поставщиков облачных решений и моделей.

3. Определите индивидуальные критерии для определения приоритетов.

Проекты ИИ часто требуют индивидуальной расстановки приоритетов, выходящей за рамки привычного трио: ценность для пользователя, влияние на бизнес и осуществимость. Учитывайте такие факторы, как:

• Масштабируемость и способность к обобщению: будет ли ваше ИИ-решение универсальным для разных групп пользователей, рынков или областей? Например, если вам необходимо внедрять глубокие знания в конкретной области для каждого нового клиента, это ограничивает вашу кривую масштабирования.
• Конфиденциальность и безопасность: Некоторые сценарии использования ИИ тесно связаны с вопросами управления данными и конфиденциальности. Если вы работаете в сфере финансов, здравоохранения или регулируемых отраслях, это становится критически важным.
• Конкурентные преимущества: Создаёте ли вы что-то действительно новое или следуете отраслевым тенденциям? Если ИИ является частью вашей стратегии дифференциации, отдавайте приоритет новым сценариям использования или уникальным возможностям, а не только функциям, которые предлагают все остальные.

4. Планируйте побочные эффекты

Другим важным фактором являются побочные эффекты и долгосрочная ценность создания повторно используемых ИИ-активов. Проектируя и разрабатывая наборы данных, модели, конвейеры или представления знаний с учётом повторного использования, вы не просто решаете отдельную проблему, а создаёте фундаментальный потенциал ИИ. Это позволит вам ускорить будущие инициативы, сократить избыточность и обеспечить рост повторяющейся доходности в вашем бизнесе. Это особенно важно, если ИИ является стратегическим конкурентным преимуществом вашего бизнеса.

Краткое содержание

Надеюсь, эта статья помогла вам лучше понять ценность структурированного процесса разработки в запутанном и сложном мире разработки продуктов на базе ИИ. Давайте кратко рассмотрим рассмотренные нами фреймворки и передовые практики:

• Используйте Дерево возможностей ИИ для сбора, картографирования и определения приоритетности широкого набора потенциальных вариантов использования ИИ.
• Используйте итерации и постоянную обратную связь , чтобы снизить неопределенность и со временем совершенствовать свой продукт на основе ИИ.
• Используйте схему системы ИИ, чтобы объединить вашу команду вокруг общего видения и избежать межфункциональных разногласий.
• Изучите все возможности решений на основе ИИ — не попадайтесь в ловушку, ограничивая себя конкретными инструментами, моделями или поставщиками слишком рано.
• Относитесь к расстановке приоритетов как к стратегическому согласованию , а не просто к оценке функций. Это способ постепенного формирования, формирования и совершенствования вашей более масштабной стратегии развития ИИ.

Примечание: если не указано иное, все изображения принадлежат автору.

Источник: towardsdatascience.com