Umění splňuje analytické inženýrství: Zralost AI pro proces

Společnosti všech druhů a specializací cítí potřebu ponořit se do světa umělé inteligence, a to zahrnuje i analytické inženýrství. Možnosti jsou reálné a jsou vzrušující, ale organizace, které chtějí využít těchto možností, by měly implementovat svou procesní strukturu uvážlivým a realistickým způsobem, na základě své zralosti AI. Pojďme prozkoumat, jak.

Úrovně zralosti AI

Při popisování složitosti AI, kterou používáte, jsou úrovně zralosti AI užitečné jako jednoduchý, osvětlující rámec.

Úroveň 1: Asistovaná inteligence (Automatizace): Základní automatizace opakujících se úkolů a pracovních postupů. Příklady: chatboti s pevnými odpověďmi, weboví procházači, interní vyhledávací nástroje.

Úroveň 2: Rozšířená inteligence (Vedoucí analýza): Říkáte AI metodu/model a co analyzovat, a ona dělá zbytek. Příklady: algoritmy pro nabídky reklam, sumarizéry obsahu.

Úroveň 3: Autonomní inteligence (Samoučící se AI): AI vybírá metody, nachází vzory a nabízí doporučení. Příklady: samořízená auta, autonomní roboti pro obchodování s akciemi.

Tlak na „AI“

Samozřejmě, dnes je zde velký tlak na to, aby se společnost „dostala na úroveň 3“. Ale to závisí hlavně na zdrojích, aktivech, jádru schopností, znalostech a lidech společnosti. Nejlepším přístupem je začít tam, kde má smysl, i když to znamená začít na úrovni 1.

V současné době existují miliony článků online, které vás bombardují nápady pro AI. Ale nápady samy o sobě nic neřeší. Podle Adobe má pouze 12% společností目前 funkční AI řešení, která prokazují jasný ROI. Většina z nich je stále ve fázi pilotních projektů, vyhodnocuje účinnost nebo čelí výzvám při škálování AI iniciativ. Mnoho týmů se potýká s tím, aby identifikovaly, kde lze AI smysluplně integrovat do svých pracovních postupů, a i když je identifikován případ použití, mnoho organizací postrádá vnitřní schopnosti pro vybudování vlastních AI nástrojů nebo nalezení spolehlivých externích řešení.

Držme se realistických aplikací. Existují skvělé způsoby, jak rozvinout postupné používání AI do realistických prvků práce pro lídry, kteří jsou připraveni zodpovědně škálovat.

Co lze automatizovat, když vytváříte analytické údaje pro e-commerce/SaaS produkt

Podle mého názoru existují dva běžné procesy v rámci úspěšných analytických inženýrských týmů, které jsou skvělé kandidáty pro budování zralosti AI:

1. AI pro správu znalostí a onboardingu
2. AI pro automatizaci QA a auditu

1. AI pro správu znalostí a onboardingu

Dokumentace je klíčovým nástrojem pro sledování složitých systémů. Podle Rámce procesu je SDR (Referenční dokument pro návrh řešení) třeba dokumentovat každý z pěti kroků. Může vypadat takto:

• Proces #1: Dokumentování očekávaných výsledků.
• Proces #2: Sledování klíčových příběhů o sběru dat, které se pravidelně kontrolují.
• Proces #3: Poznamenání historie požadavků na data třetích stran.
• Proces #4: Detailní popis datové vrstvy napříč všemi aplikacemi a povrchy.
• Proces #5: Popis a detailní popis architektury inženýrství s diagramy, hierarchiemi a požadavky.

Teď přidáme trochu AI k tomu.

Úroveň 1

Na úrovni 1 můžete začít používat interní chatboty pro vyhledávání dokumentů.

Mnoho společností již má interní chatboty, které lze vyškolit na vlastních dokumentech. Pokud nemáte interní chatbot, můžete použít režim inkognito nebo odstranit citlivé informace z dokumentů předtím, než je předáte botovi.

Předайте svému botovi SDR, manuály QA, konvence pro názvy a standardy implementace.

Po úspěšném vydání předáte AI projektové poznámky nebo plány implementace, aby se přidaly k dokumentaci. Pak se zeptejte AI na následující otázky:

• „Jakou je nejlepší metoda pro implementaci X, pokud chci použít stejnou logiku jako Y?“
• „Jaká data jsou vyžadována pro sledování nákupů?“
• „Jaké značky chybí na této nové produktové stránce?“

Výsledkem tohoto procesu je, že strávíte méně času procházením dokumentů nebo dotazováním se kolegů, noví členové týmu si mohou sami najít odpovědi a znalosti se stanou škálovatelnými.

Existují zde einige výhrady. Tato metoda opravdu funguje, pokud dobře udržujete dokumentaci, a stává se škálovatelnou pouze tehdy, pokud trénujete a vyžadujete, aby vaši lidé používali nástroj.

Úroveň 2

Pokud to funguje pro váš odbor, zvažte možnost propojení chatbotu přímo s technologií. Můžete automatizovat automatizaci.

Úroveň 3

Jsem si jist, že nebe je hranice. Směr, kterým bych se chtěl vydat, by byl budování proaktivní AI, která upozorňuje na nesrovnalosti a nabízí zlepšení. Realita je taková, že málo společností dosahuje této úrovně, a píšu tento článek pro většinu z nás, kteří ještě učíme se základy.

2. AI pro automatizaci QA a auditu

Pravidelně audity metod sběru dat jsou jednou z nejlepších praktik pro Rámec procesu. Často je auditor buď týmem QA, nebo alternativně se používá nástroj pro audit. Například ObservePoint je vybavený a vysoce přizpůsobitelný nástroj, který umožňuje vytvářet komplexní auditní toky. I s robotem byste mohli vždy použít trochu více AI, že?

Úroveň 1

Začněme automatizací technických úkolů. Budování cest v robotických nástrojích pro audit, jako je ObservePoint, je často technické a vyžaduje nhiều podpory. Abyste automatizovali některé z těchto opakujících se technických úkolů, můžete opět požádat o pomoc AI chatbot. Zeptejte se AI na následující otázky:

„Dejte mi selektor CSS pro tlačítko ‚Další krok‘.“

„Napište vlastní kód, který automaticky souhlasí se všemi soubory cookie.“

Výsledkem by mělo být větší snadnost použití při práci s vysoce technickými nástroji, rychlejší řešení problémů a menší závislost na podpoře a vývojářích frontendu.

Existují zde einige výhrady. Pokud nepoužíváte robotický crawler pro audity dat, můžete použít tým QA. Tým QA může zvažovat přijetí automatizací pro běžné kroky. Začněte malé, zvyšte tempo, až budete připraveni; vaše další kroky se stanou jasnějšími, až podniknete první krok.

Úroveň 2

Pro úroveň 2 používání AI se podívejte na integraci chatbotu s nástrojem přímo, zatímco se vyhnete manuálnímu spouštění chatbotu.

Úroveň 3

Nakonec, pro úroveň 3, nebe je hranice. Zjistěte, jak můžete udělat své automatizace více proaktivními při hledání zlepšení a doporučování řešení. Použijte tuto cestu pouze tehdy, pokud se cítíte pohodlně s navigací na úrovni 2.

Co neautomatizovat (ještě)

Zvažme nejlepší praxi #3: Spolupracujte s technickými partnery třetích stran. To je něco, co lidé stále dělají nejlépe. Můžete použít AI k přípravě na hovory s dodavateli, sumarizaci smluv nebo vypracování návrhů integrace. Ale prozatím zůstává budování vztahů lidské.

Závěrečné myšlenky

I když nemáte rozpočet na vývoj vlastních AI, můžete začít s nástroji, které již máte. Dobrý proces a dobrý chatbot mohou hodně udělat.

Začněte jednoduše, na úrovni 1 nebo 2, a nechte svůj tým, aby se s tím seznámil. Jakmile uvidíte, kde AI šetří čas a zvyšuje konzistenci, budete vědět, kam investovat do pokročilejších nástrojů. Nejtěžší část přijetí AI je často zjištění, kde ji potřebujete jako první. Jakmile jste stanovili tuhle základní úroveň, zkuste posunout věci na vyšší úroveň se svým týmem a uvidíte, jak mnohem hladší může být analytické inženýrství s AI.

Chcete se dozvědět více o AI v analytickém inženýrství a konkrétně o nejlepších postupech pro čistou sběr dat? Přečtěte si můj článek o vytvoření Čistého rámce pro e-commerce data.