Какви предизвикателства носи проектът за изкуствен интелект? | Изкуствен интелект в бизнеса #65

Как ефективно да интегрирате AI проект в бизнес стратегията си?

Изследване на Gartner казва, че до 2030 г. 80% от задачите по управление на проекти ще бъдат обработвани от AI. Какъв ще бъде процентът на проектите, които използват AI за изпълнение на задачи – остава да се види. Въпреки това, вече е време да се обмисли как да се интегрира AI в оперативната стратегия на компанията.

Първата стъпка е да се разберат потенциалът и ограниченията на тази технология. Изкуственият интелект се справя добре с анализа на тенденции и модели, но не успява в неща като многостепенно разсъждение и морално вземане на решения. Той създава сензационни визуализации, но да го накараш последователно да генерира материали, които съответстват на имиджа на марката, изисква значителни умения. Затова, когато започваме работа по AI проект, не можем да предполагаме с вероятност, сравнима с другите проекти, дали той ще произведе конкретни, измерими резултати.

Добра отправна точка, следователно, е да се анализират предимствата и недостатъците:

• Каква е общата цена на различните етапи на внедряване на AI проект?
• Какви KPI трябва да бъдат определени, за да се оцени бизнес влиянието на AI проект?

За да се постигне достоверен отговор на тези въпроси, най-добре е да се изберат прости AI проекти, които носят значителна стойност, лесно се измерват и ще се впишат в стратегията на компанията. Стартираща компания, предлагаща куриерски услуги, може да служи за пример. Нейната цел е да подобри обслужването на клиентите и да увеличи гъвкавостта на веригата за доставки. Прост, но ценен AI проект, например, е внедряването на чатбот, който обработва запитвания от клиенти. Такъв виртуален асистент ще обработва повече запитвания от традиционен кол център, увеличавайки удовлетвореността на клиентите чрез бързи отговори на запитвания и последователно качество на комуникацията. В контекста на това, напреднала система, която оптимизира куриерските маршрути, отговаря на целта за подобряване на гъвкавостта на доставките, но е сложна и има много по-високи рискове.

След като са определени началните AI проекти, стартиращата компания трябва да оцени тяхната осъществимост, например, по отношение на бюджета, в който AI проектът трябва да се впише.

Бюджетиране на AI проект. Ключови предизвикателства

Внедряването на готово SaaS или AI като услуга (AIaaS) решение, или т.нар. “готов AI”, има много предимства. Едно от тях е предсказуемата цена на използването на инструмента и относително лесно оценимата цена на внедряването на AI проект. Можете да избирате от решения като:

• чатбот за обслужване на клиенти – като Intercom Fin, LiveChat от Chatbot.com, Drift или FreshChat,
• Анализ на социални медии за увеличаване на обхвата на маркетинговите съобщения – с Cortex, Buffer или Lately, или
• анализ на бизнес данни с Microsoft Power BI, Tableau, или за по-малко сложни задачи – Google Bard, който се интегрира с Google документи.

За по-големи AI проекти, техните разходи често могат да бъдат подценявани. Особено когато става въпрос за ресурсите и времето, необходими за събиране и подготовка на данни. Например, според Арвинд Кришна от IBM, етапът на подготовка на данните за AI обучение може да представлява до 80% от продължителността на проекта.

Източник: DALL-E 3, подтик: Марта М. Кания (https://www.linkedin.com/in/martamatyldakania/)

Освен това, колкото повече изискваме персонализирани AI модели за проект, толкова повече качествени данни трябва да съберем. Например, дълбоките невронни мрежи за обучение изискват стотици хиляди примери. Това повдига разходите за придобиване и почистване на такива огромни набори от данни. За щастие, бързото развитие на изкуствения интелект означава, че все повече AI проекти могат да бъдат реализирани без необходимост от скъпо обучение на персонализиран модел.

Въпреки това, компания, планираща AI проект, трябва да вземе предвид не само етапа на разработка на решението, но и подготовката на данните и продължаващата работа на системата, включително разходите за поддръжка, актуализиране или събиране на нови данни. Само тогава можете да оцените реалната възвръщаемост на инвестицията в AI.

Проблеми с управлението на данни в AI проекти. Какво трябва да знаете

Ключово предизвикателство в AI проектите е данните – тяхната наличност, количество и качество. Какво да правим? Преди да започнете AI проект, трябва да:

• внимателно проучите какви данни има компанията – в каква форма са съхранени и откъде идват,
• да се погрижите за инфраструктурата и да разработите вътрешни процеси за придобиване на данни,
• да обмислите закупуването на външни набори от данни или краудсорсинг, ако те са в недостиг.

Чест проблем е, че данните са разпръснати в множество системи и формати. Може да бъде предизвикателство да ги обедините, почистите и подготвите за AI обучение. Добра практика е AI екипът да работи в тясно сътрудничество с IT отдела или анализаторите на данни. Заедно те трябва да осигурят, че правилната инфраструктура и процеси за придобиване на данни са на място.

Технически и сигурностни предизвикателства в AI проекти

AI не е само алгоритми за машинно обучение. За да работят в практика, е необходима цяла IT инфраструктура. Междувременно, интегрирането на нови AI системи с вече съществуващите в компанията може да бъде предизвикателство. Често изисква адаптиране на по-стари бизнес системи, което за много компании означава значителни разходи за обновление.

Освен това, AI проектите изискват експертиза в областта на науката за данни и инженерството на данни. Междувременно, светът наблюдава недостиг на специалисти в тази област. Според доклада на McKinsey “Technology Trends Outlook 2023”, съотношението на обявите за работа спрямо наличните специалисти е 7 към 100, а търсенето постоянно нараства.

Въпросът за сигурността на данните също не е незначителен. AI системите обработват огромни количества чувствителна информация, която трябва да бъде правилно защитена от изтичане. Междувременно, нарушенията на данните значително са се увеличили през последните години. Това е следователно още един важен риск, който трябва да се има предвид при внедряването на AI проекти.

Ключови компетенции в AI за предприемачи. С какви трудности можете да се сблъскате?

Честа пречка за внедряването на AI проект може да бъде лошото познаване на изкуствения интелект сред мениджърите и бизнес вземащите решения. Без задълбочено разбиране на възможностите на технологията, е трудно да се оцени жизнеспособността на конкретни проекти и да се вземат разумни решения. Затова е от съществено значение да се инвестира в подобряване на знанията на мениджърите в областта на новите технологии.

Преквалификацията на настоящите служители също може да помогне. Все повече се говори за т.нар. “граждански анализатори на данни” (“Citizen data scientists”). Тези специалисти използват авангардни технологии, за да решават конкретни бизнес проблеми, с които се сблъскват ежедневно. Те са много запознати с индустрията, в която работят. Като част от екипа, работещ по AI проект, те позволяват на AI специалистите да се фокусират върху проблемите на внедряването, отговаряйки на специфични за индустрията въпроси.

В допълнение към техническите умения, като оценка на AI препоръки и вземане на решения, софтуерните умения също са важни, включително лидерство и стратегическо мислене. Това е още един начин да се справим с недостига на AI умения в компаниите.

Анализ на успеха на AI проект. Как да избегнете грешки при измерване на ROI?

Съществува необоснован слух (и вероятно неверен), който циркулира в интернет, че до 87% от AI проектите никога не достигат производствената фаза. Докато не сме успели да получим надеждни изследвания на успешни проекти, ранното определяне на начини за измерване на успеха е ключово за оценка на реалното въздействие на внедряването на AI.

Добра практика тук е малък експеримент. Той включва тестване на производителността на AI, например, на произволна извадка от потребители и сравняване на резултатите с контролна група, използваща стандартно решение. Такова A/B тестване помага да се провери дали новата AI система може да донесе очакваните резултати, като увеличение на конверсиите или удовлетвореността на клиентите.

Източник: DALL-E 3, подтик: Марта М. Кания (https://www.linkedin.com/in/martamatyldakania/)

A/B тестването си струва да се повтаря периодично дори след внедряването на AI, тъй като моделите могат да загубят точност и релевантност при решаване на проблеми. Това ще ви позволи бързо да идентифицирате възникващи аномалии и необходимостта от пренастройка на системата, за да продължи да предоставя очакваните бизнес резултати.

Резюме

Докато AI предлага огромни възможности, проектите в тази област носят значителни предизвикателства. За да успеете, трябва да оцените осъществимостта на разходите и ползите от AI, да се погрижите за придобиването и качеството на данните, да развиете вътрешни компетенции и да заложите на постепенното внедряване на нови технологии. Също така е от съществено значение да се измери осезаемото бизнес влияние на внедряванията и да се реагира бързо на възникващите проблеми. Само тогава AI ще стане подобрение, а не заплаха за компанията.

Ако харесвате нашето съдържание, присъединете се към нашата активна общност на Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.