Что нужно знать, чтобы запустить свой первый проект по ИИ
Для успешного внедрения ИИ начните с малого пилотного проекта, создающего ценность и соответствующего сфере вашего бизнеса. Соберите увлеченную команду, выберите подходящие инструменты и технологии, установите систему сбора данных и обеспечьте ясность бизнес-контекста для инженерной команды.
Согласно прогнозам McKinsey, к 2030 году вклад искусственного интеллекта в мировую экономику может составить около 13 триллионов долларов. Учитывая такой большой потенциал, компании активно стремятся внедрять технологии ИИ. Однако для организаций с устаревшими системами переход на машинное обучение представляет собой серьезную проблему. Поэтому их первостепенная задача — оценить все риски, связанные с внедрением ИИ, перед тем как перейти к активным действиям. В такой ситуации проект пилотного внедрения ИИ кажется более разумным решением для руководителей, которые с энтузиазмом, но осторожностью смотрят в будущее.
Если вы являетесь руководителем компании и хотите оценить угрозы и возможности, которые предоставляет ИИ для вашего бизнеса, это руководство поможет вам принять правильное решение. Вот список ключевых моментов, которые следует учитывать при запуске первого проекта ИИ в вашей компании.
Если вы являетесь руководителем компании и хотите оценить угрозы и возможности, которые предоставляет ИИ для вашего бизнеса, это руководство поможет вам принять правильное решение. Вот список ключевых моментов, которые следует учитывать при запуске первого проекта ИИ в вашей компании.
1. Начните с малого
Преобразование вашей организации в бизнес, управляемый ИИ, заманчиво, но рискованно. Нельзя гарантировать, как все переменные сыграют свою роль, и вы не хотите рисковать всем сразу. Поэтому лучший совет от специалистов по ИИ — начинать с малого.
Почему?
Если вы потерпите неудачу, это не окажет серьезного влияния на всю организацию.
Если вы добьетесь успеха, вы получите уверенность и возможность перейти к новым проектам.
Например, вместо автоматизации всей логистики вашей компании, можно начать с автоматизации робота для передачи некоторых посылок сотруднику склада. Когда простые задачи автоматизируются многократно, становится возможно создание решений на основе ИИ для более сложных задач.
Еще один важный аспект выбора малого проекта — обеспечивать более короткие сроки выполнения. Идеально, если период реализации проекта не превышает год; можно и меньше. Однако важно обеспечить достаточно времени, чтобы решение смогло дать результаты. Главное — найти золотую середину.
Совет №1 – Думайте о малом; начинайте с еще меньшего.
Почему?
Если вы потерпите неудачу, это не окажет серьезного влияния на всю организацию.
Если вы добьетесь успеха, вы получите уверенность и возможность перейти к новым проектам.
Например, вместо автоматизации всей логистики вашей компании, можно начать с автоматизации робота для передачи некоторых посылок сотруднику склада. Когда простые задачи автоматизируются многократно, становится возможно создание решений на основе ИИ для более сложных задач.
Еще один важный аспект выбора малого проекта — обеспечивать более короткие сроки выполнения. Идеально, если период реализации проекта не превышает год; можно и меньше. Однако важно обеспечить достаточно времени, чтобы решение смогло дать результаты. Главное — найти золотую середину.
Совет №1 – Думайте о малом; начинайте с еще меньшего.
2. Выберите подходящий бизнес-кейс
Фраза "подходящий бизнес-кейс" звучит неопределённо, если её не описать. В каждом бизнесе есть свои случаи использования ИИ, но есть несколько общих черт, на которые следует обратить внимание.
Первая черта — выбрать бизнес-кейс, который является простым и небольшим.
Другая черта — наличие возможности для автоматизации. Например, простая ручная задача, которая часто повторяется и является неэффективной, представляет собой хорошую возможность для автоматизации.
Кроме того, необходимо убедиться, что внедрение ИИ приведет к созданию реальной ценности. Проект ИИ, который не приносит ценности, в конечном итоге не вызовет достаточно энтузиазма в организации для продолжения подобных проектов.
Таким образом, ваш бизнес-кейс не должен быть слишком тривиальным или нереалистичным, чтобы в долгосрочной перспективе он мог внести вклад в развитие организации.
Эту созданную ценность можно измерить следующими параметрами:
Снижение затрат — Машинное обучение может помочь сократить накладные расходы на выполнение задачи. Например, умная проверка состояния оборудования с помощью ИИ может привести к уменьшению поломок и аварий.
Более быстрое выполнение задач — ИИ может помочь сделать процесс более эффективным. Например, быстрая аллокация ресурсов может привести к оперативному выполнению задач.
Увеличение продаж — Машинное обучение может способствовать лучшим и более персонализированным рекомендациям, что увеличивает дополнительные продажи. Например, Amazon продает больше товаров с помощью умной системы рекомендаций.
Новое предложение продукта — Иногда внедрение ИИ может привести к созданию нового продукта, который ранее был невозможен. Например, инвестиционная компания может начать предлагать персонализированные портфели на основе ваших данных и предпочтений с помощью ИИ.
Ещё один важный момент — убедиться, что ваш пилотный проект соответствует отрасли, в которой вы работаете. Проект должен каким-то образом способствовать реализации видения компании и быть масштабируемым, чтобы внести вклад на уровне всей отрасли.
Проект не должен быть настолько нерелевантным, чтобы выделяться как отдельный бизнес. Например, если вы занимаетесь агротехнологиями, разработка умного агротехнического инструмента имеет больше смысла, чем разработка умных часов, отслеживающих здоровье сотрудников, так как это уже отдельный бизнес.
Совет №2 – Начинайте с простых задач, создавайте ценность и держите проект в рамках своей отрасли.
Первая черта — выбрать бизнес-кейс, который является простым и небольшим.
Другая черта — наличие возможности для автоматизации. Например, простая ручная задача, которая часто повторяется и является неэффективной, представляет собой хорошую возможность для автоматизации.
Кроме того, необходимо убедиться, что внедрение ИИ приведет к созданию реальной ценности. Проект ИИ, который не приносит ценности, в конечном итоге не вызовет достаточно энтузиазма в организации для продолжения подобных проектов.
Таким образом, ваш бизнес-кейс не должен быть слишком тривиальным или нереалистичным, чтобы в долгосрочной перспективе он мог внести вклад в развитие организации.
Эту созданную ценность можно измерить следующими параметрами:
Снижение затрат — Машинное обучение может помочь сократить накладные расходы на выполнение задачи. Например, умная проверка состояния оборудования с помощью ИИ может привести к уменьшению поломок и аварий.
Более быстрое выполнение задач — ИИ может помочь сделать процесс более эффективным. Например, быстрая аллокация ресурсов может привести к оперативному выполнению задач.
Увеличение продаж — Машинное обучение может способствовать лучшим и более персонализированным рекомендациям, что увеличивает дополнительные продажи. Например, Amazon продает больше товаров с помощью умной системы рекомендаций.
Новое предложение продукта — Иногда внедрение ИИ может привести к созданию нового продукта, который ранее был невозможен. Например, инвестиционная компания может начать предлагать персонализированные портфели на основе ваших данных и предпочтений с помощью ИИ.
Ещё один важный момент — убедиться, что ваш пилотный проект соответствует отрасли, в которой вы работаете. Проект должен каким-то образом способствовать реализации видения компании и быть масштабируемым, чтобы внести вклад на уровне всей отрасли.
Проект не должен быть настолько нерелевантным, чтобы выделяться как отдельный бизнес. Например, если вы занимаетесь агротехнологиями, разработка умного агротехнического инструмента имеет больше смысла, чем разработка умных часов, отслеживающих здоровье сотрудников, так как это уже отдельный бизнес.
Совет №2 – Начинайте с простых задач, создавайте ценность и держите проект в рамках своей отрасли.
3. Выбор правильной команды
Выбор команды для проекта может идти параллельно с определением самого проекта. Лучше понимать возможности команды при выборе проекта из нескольких вариантов.
Когда вы создаете проект, сбалансированная инженерная команда подойдет лучше, чем команда только из специалистов по данным. Ведь именно инженерной команде предстоит создать цельные и удобные продукты. Поэтому выбирайте людей, которые уже работали над созданием продуктов.
Лидер команды должен быть человеком, который легко может связать бизнес и техническую сторону проекта.
Если позволяет бюджет, необязательно, чтобы вся работа выполнялась вашей внутренней командой. Можно сотрудничать с внешними организациями, специализирующимися на ИИ. Это может быть быстрее, чем обучать свою команду до уровня экспертов.
И, наконец, все должны быть так же увлечены проектом, как и вы. В начале пути у вас еще нет культуры ИИ в организации, так как вы только запускаете пилотный проект. Вам нужны такие члены команды, которые будут поддерживать вас и работать до достижения желаемого результата. Упорство — ключ к успеху.
Совет №3 – Выбирайте инженерную команду, которая увлечена ИИ, сотрудничайте с экспертами и тщательно подбирайте лидеров и участников команды.
Когда вы создаете проект, сбалансированная инженерная команда подойдет лучше, чем команда только из специалистов по данным. Ведь именно инженерной команде предстоит создать цельные и удобные продукты. Поэтому выбирайте людей, которые уже работали над созданием продуктов.
Лидер команды должен быть человеком, который легко может связать бизнес и техническую сторону проекта.
Если позволяет бюджет, необязательно, чтобы вся работа выполнялась вашей внутренней командой. Можно сотрудничать с внешними организациями, специализирующимися на ИИ. Это может быть быстрее, чем обучать свою команду до уровня экспертов.
И, наконец, все должны быть так же увлечены проектом, как и вы. В начале пути у вас еще нет культуры ИИ в организации, так как вы только запускаете пилотный проект. Вам нужны такие члены команды, которые будут поддерживать вас и работать до достижения желаемого результата. Упорство — ключ к успеху.
Совет №3 – Выбирайте инженерную команду, которая увлечена ИИ, сотрудничайте с экспертами и тщательно подбирайте лидеров и участников команды.
4. Выбор правильного подхода
Запуск пилотного проекта означает, что у вас ограничено время. Нужно быстро протестировать идею, не тратя зря время и ресурсы компании.
Подход Lean к разработке продукта может быть особенно полезен, если вы хотите минимизировать потери ресурсов.
Идеально, если прототип готов в течение 4-8 недель. Это время может быть сокращено, если проект проще в исполнении. Цель здесь — не создать идеальный продукт с первого раза, а подтвердить жизнеспособность предложенного решения.
Ещё 2-3 недели можно потратить на тщательное тестирование прототипа перед его внедрением в рабочий процесс компании.
Хорошая стратегия — автоматизация простых задач, таких как обновление данных, обучение моделей и обновление кода. Это должно занять ещё 3-4 недели.
Выбор правильного подхода для вашего проекта ИИ также зависит от выбора подходящего алгоритма для решаемой задачи. Изначально можно выбрать любой алгоритм, который работает для проблемы. Подходящий выбор — алгоритм, который учится быстрее с меньшими объемами данных.
Поскольку вы не стремитесь к совершенству сразу, многое зависит от доступности данных и способности вашей команды по их очистке и организации. Если один алгоритм более ресурсозатратен, команда может выбрать менее точный, но более экономичный вариант.
Совет №4 – Используйте подход Lean, выбирайте правильный метод, нет нужды сразу стремиться к лучшему ИИ.
Подход Lean к разработке продукта может быть особенно полезен, если вы хотите минимизировать потери ресурсов.
Идеально, если прототип готов в течение 4-8 недель. Это время может быть сокращено, если проект проще в исполнении. Цель здесь — не создать идеальный продукт с первого раза, а подтвердить жизнеспособность предложенного решения.
Ещё 2-3 недели можно потратить на тщательное тестирование прототипа перед его внедрением в рабочий процесс компании.
Хорошая стратегия — автоматизация простых задач, таких как обновление данных, обучение моделей и обновление кода. Это должно занять ещё 3-4 недели.
Выбор правильного подхода для вашего проекта ИИ также зависит от выбора подходящего алгоритма для решаемой задачи. Изначально можно выбрать любой алгоритм, который работает для проблемы. Подходящий выбор — алгоритм, который учится быстрее с меньшими объемами данных.
Поскольку вы не стремитесь к совершенству сразу, многое зависит от доступности данных и способности вашей команды по их очистке и организации. Если один алгоритм более ресурсозатратен, команда может выбрать менее точный, но более экономичный вариант.
Совет №4 – Используйте подход Lean, выбирайте правильный метод, нет нужды сразу стремиться к лучшему ИИ.
5. Получение данных
Теперь, когда вы переходите к модели организации, основанной на данных, вам нужно будет собирать качественные данные для решения ваших задач с помощью машинного обучения. Учтите, что не для каждой задачи требуются десятки тысяч строк данных. Даже тысяча строк данных может быть достаточной для начала.
Изначальная цель — не создать передовую модель, а обучить модель, которая справляется “на уровне”. Когда ваш пилотный проект достигнет этого уровня, можно перейти к постоянному улучшению модели через дополнительные данные и настройку гиперпараметров.
Если ваша организация ранее не собирала данные, одной из первых задач для команды проекта будет настраивание системы сбора данных для старта. Четкий набор целей проекта поможет команде определить, какие данные нужно собирать.
Вначале вы можете настроить временную систему сбора данных. Она должна быть точной в любом случае. Как только ваше решение будет подтверждено с достаточной уверенностью в его ценности, команда проекта сможет перейти к более надежным системам сбора данных.
Совет №5 – Данные важны, создайте систему их сбора.
Изначальная цель — не создать передовую модель, а обучить модель, которая справляется “на уровне”. Когда ваш пилотный проект достигнет этого уровня, можно перейти к постоянному улучшению модели через дополнительные данные и настройку гиперпараметров.
Если ваша организация ранее не собирала данные, одной из первых задач для команды проекта будет настраивание системы сбора данных для старта. Четкий набор целей проекта поможет команде определить, какие данные нужно собирать.
Вначале вы можете настроить временную систему сбора данных. Она должна быть точной в любом случае. Как только ваше решение будет подтверждено с достаточной уверенностью в его ценности, команда проекта сможет перейти к более надежным системам сбора данных.
Совет №5 – Данные важны, создайте систему их сбора.
6. Правильные инструменты
Независимо от области, каждый профессионал нуждается в инструментах, подходящих для выполнения работы. Специалисты по ИИ не исключение. Определив объем и цели проекта, следующим шагом будет выбор инструментов и технологий для их достижения.
При выборе инструментов и технологий для пилотного проекта учитывайте следующее:
1. Они должны обладать возможностями, необходимыми для вашего проекта.
2. Должна быть богатая база знаний по этим инструментам.
3. Желательно наличие активного сообщества разработчиков, работающих с этими технологиями.
4. Инструменты и технологии должны быть достаточно зрелыми, чтобы в них не было критических ошибок.
5. Эксперты по этим технологиям должны быть легко доступны.
6. Они должны быть надежными и обеспечивать легкую миграцию в случае непредвиденных ситуаций.
7. Инструменты должны соответствовать вашим ресурсным ограничениям.
Учитывая эти требования, технологии, такие как Python, R, AWS, Microsoft Azure, TensorFlow, PyTorch и другие, стали очень популярными среди инженеров по ИИ.
Совет №6 – Выбирайте инструменты и технологии в соответствии с нуждами вашего бизнеса и техническими возможностями.
При выборе инструментов и технологий для пилотного проекта учитывайте следующее:
1. Они должны обладать возможностями, необходимыми для вашего проекта.
2. Должна быть богатая база знаний по этим инструментам.
3. Желательно наличие активного сообщества разработчиков, работающих с этими технологиями.
4. Инструменты и технологии должны быть достаточно зрелыми, чтобы в них не было критических ошибок.
5. Эксперты по этим технологиям должны быть легко доступны.
6. Они должны быть надежными и обеспечивать легкую миграцию в случае непредвиденных ситуаций.
7. Инструменты должны соответствовать вашим ресурсным ограничениям.
Учитывая эти требования, технологии, такие как Python, R, AWS, Microsoft Azure, TensorFlow, PyTorch и другие, стали очень популярными среди инженеров по ИИ.
Совет №6 – Выбирайте инструменты и технологии в соответствии с нуждами вашего бизнеса и техническими возможностями.
7. Коммуникация бизнес-контекста
Одна из проблем инженерных команд заключается в том, что они не всегда учитывают бизнес-контекст, если об этом не сообщить явно. И это не их вина — они больше склонны создавать высококлассные продукты, которые дадут вам конкурентное преимущество.
Поэтому важно, чтобы между технологией и бизнесом был посредник, и эту роль обычно берет на себя руководитель проекта. Ответственность лидера — донести до инженерной команды бизнес-контекст проекта.
Сообщите им цели организации для этого проекта. Какое видение продукта? Какова главная цель проекта? Знание стратегических приоритетов поможет команде принимать технические решения, которые лучше соответствуют бизнес-контексту.
Также объясните текущее проблему, которую вы планируете решить с помощью машинного обучения. Иногда есть более дешевые и простые решения, чем сразу использовать ИИ. Ваша техническая команда может выступить в роли фильтра, чтобы убедиться, что проблема действительно требует подхода с использованием машинного обучения.
Сообщите о метриках производительности и показателях KPI, которые будут использоваться для оценки успеха продукта. Обозначьте допустимые показатели, без которых бизнес не может обойтись. Когда команда будет осведомлена о ожидаемом результате, она сможет лучше подготовиться к его достижению. Они также дадут обратную связь о том, что можно сделать с текущими данными и какие дополнительные данные, если такие нужны, необходимо собрать.
Лучшая коммуникация между технологической и бизнес-командой гарантирует, что конечный продукт будет соответствовать общей видению организации.
Совет №7 – Передайте вашей технической команде бизнес-контекст, чтобы помочь им создать желаемый продукт.
Поэтому важно, чтобы между технологией и бизнесом был посредник, и эту роль обычно берет на себя руководитель проекта. Ответственность лидера — донести до инженерной команды бизнес-контекст проекта.
Сообщите им цели организации для этого проекта. Какое видение продукта? Какова главная цель проекта? Знание стратегических приоритетов поможет команде принимать технические решения, которые лучше соответствуют бизнес-контексту.
Также объясните текущее проблему, которую вы планируете решить с помощью машинного обучения. Иногда есть более дешевые и простые решения, чем сразу использовать ИИ. Ваша техническая команда может выступить в роли фильтра, чтобы убедиться, что проблема действительно требует подхода с использованием машинного обучения.
Сообщите о метриках производительности и показателях KPI, которые будут использоваться для оценки успеха продукта. Обозначьте допустимые показатели, без которых бизнес не может обойтись. Когда команда будет осведомлена о ожидаемом результате, она сможет лучше подготовиться к его достижению. Они также дадут обратную связь о том, что можно сделать с текущими данными и какие дополнительные данные, если такие нужны, необходимо собрать.
Лучшая коммуникация между технологической и бизнес-командой гарантирует, что конечный продукт будет соответствовать общей видению организации.
Совет №7 – Передайте вашей технической команде бизнес-контекст, чтобы помочь им создать желаемый продукт.
Вперед
ИИ произвел революцию в нескольких отраслях и будет продолжать это делать в обозримом будущем. Любой бизнес, отстающий в области ИИ, не сможет долго выжить в будущем. Поэтому разумно, чтобы компании разрабатывали стратегию принятия ИИ. Пилотный проект может быть отличным началом для тестирования возможностей, прежде чем принять решение о полномасштабном внедрении. Начните с анализа текущих операционных недостатков и привлечения специалистов, чтобы выяснить, может ли машинное обучение помочь устранить эти проблемы.
Получите оценку проекта
Нажимая на кнопку, вы даете согласие на обработку персональных данных и соглашаетесь c политикой конфиденциальности
Оцените свой проект! Заполните форму ниже
Похожие статьи
© ООО «АЛЛ СИИ», 2024