Construiesc sisteme de inteligență artificială pentru a câștiga vieța mea. Iată ce se înțelege greșit de majoritatea oamenilor

Construiesc sisteme de inteligență artificială pentru centre de contact enterprise.

Nu demonstrații, benchmark-uri sau proiecte de cercetare. Sisteme de producție care interacționează cu clienții, navighează politici, recuperează informații din platforme enterprise desconectate și operează în medii modelate de date haotice, înregistrări contradictorii, zgomot de fond și comportament uman imprevizibil.

Această experiență mi-a oferit un loc în prim-plan la una dintre cele mai mari decuplări din industria inteligenței artificiale. Conversația publică despre inteligența artificială este adesea dominată de ceea ce tehnologia ar putea deveni într-o zi, în timp ce organizațiile încearcă să descopere cum să o implementeze cu succes astăzi. Acestea sunt conversații foarte diferite.

Întrebările la care îmi petrec timpul răspunzând rareori implică inteligență artificială generală sau dacă mașinile vor înlocui în cele din urmă oamenii. Tendința este de a fi mult mai practică. Poate sistemul să interpreteze în mod constant solicitările clienților? Poate să recupereze informații precise din multiple platforme enterprise? Poate să se recupereze atunci când datele sunt incomplete? Poate să escaladeze corespunzător atunci când încrederea este scăzută? Poate echipa să aibă încredere suficientă pentru a-l implementa la scară?

Aceste întrebări pot fi mai puțin interesante decât titlurile, dar sunt cele care determină dacă inteligența artificială enterprise reușește. De-a lungul timpului, am ajuns să cred că majoritatea organizațiilor supraestimează importanța modelului în sine și subestimează tot ceea ce este necesar pentru a face acel model util într-o afacere reală.

Demonstrația nu este implementarea

Oricine lucrează îndeaproape cu inteligența artificială enterprise înțelege decalajul dintre o demonstrație controlată și o implementare de producție.

Întâlnim exemple de acest tip constant. Un sistem de inteligență artificială cu care am lucrat se luptă aproximativ jumătate din timp pentru a interpreta corect un număr de comandă de 16 cifre transformat în cuvinte. Aceste tipuri de eșecuri sunt similare cu celebrele “câte r-uri sunt în cuvântul strawberry?” problema, unde modelele avansate de limbaj s-au luptat cu o sarcină care părea trivială pentru oameni. Aceleași modele pot obține punctaje excepționale la examene precum MCAT. Acest contrast revelează ceva important: performanța benchmark și fiabilitatea operațională nu sunt același lucru.

Odată ce inteligența artificială intră în producție, moștenește toată complexitatea mediului din jur. Sistemele enterprise conțin înregistrări incomplete, informații contradictorii, procese învechite, aplicații desconectate și cazuri limită care s-au acumulat de-a lungul deceniilor. Clienții pun întrebări vagi. Politicile se schimbă. Calitatea datelor variază. Comportamentul uman rămâne minunat de imprevizibil.

Aceste realități modelează rezultatele mult mai mult decât punctajele benchmark, deoarece inteligența artificială nu operează într-un benchmark. Operează în interiorul proceselor de afaceri, sistemelor și fluxurilor de lucru care introduc complexitatea pe care modelul nu o poate rezolva singur.

Inteligența artificială enterprise are un strat operațional

Una dintre lecțiile care surprinde constant oamenii este cât de repede performanța modelului încetează să fie factorul limitativ. Odată ce un sistem ajunge în producție, provocările operaționale devin adesea mai importante decât modelul în sine. Inițiativele de inteligență artificială de succes depind de proiectarea proceselor, alinierii organizaționale, calității datelor, integrării sistemelor, observabilității, căilor de escaladare, guvernanței și încrederii.

Echipele au nevoie de proceduri clare pentru gestionarea eșecurilor. Au nevoie de vizibilitate în ceea ce privește modul în care sistemele iau decizii. Au nevoie de încredere că problemele pot fi identificate și rezolvate înainte de a afecta clienții. Organizațiile descoperă adesea că munca din jurul sistemului de inteligență artificială necesită la fel de multă atenție ca și sistemul în sine.

Acest strat operațional este acolo unde multe implementări reușesc sau se luptă în cele din urmă.

Serviciul clienților rămâne una dintre cele mai grele probleme

Experiența clienților oferă unul dintre cele mai clare exemple de complexitate.

Interacțiunile simple au devenit din ce în ce mai ușor de gestionat pentru sistemele de inteligență artificială. Verificarea soldului contului. Resetearea parolei. Verificarea stării zborului. Acestea sunt sarcini foarte structurate cu rezultate previzibile.

Conversațiile reale ale clienților rareori rămân atât de simple.

Un client care încearcă să rezolve o problemă a aerolinei care implică puncte de loialitate, transportatori parteneri, dispute de rambursare, excepții de politică, multiple interacțiuni anterioare prezintă o provocare foarte diferită. Contextul este fragmentat. Obiectivele pot fi neclare. Politicile pot fi în conflict. Emoțiile intră adesea în conversație.

Aceste interacțiuni reprezintă încă o parte semnificativă a muncii de serviciu clienți și necesită raționamentul pe sisteme, procese și reguli de afaceri în moduri care rămân dificile pentru inteligența artificială. Progresul a fost remarcabil. Complexitatea rămâne reală.

Datele enterprise sunt în cele din urmă devenind utilizabile

O zonă în care văd o transformare semnificativă care se întâmplă astăzi implică datele enterprise.

Majoritatea organizațiilor au petrecut ani acumulând informații în zeci sau sute de sisteme desconectate. Cunoștințe valoroase există, dar localizarea și utilizarea lor eficientă a fost adesea dificilă. Inteligența artificială face aceste informații mai accesibile.

Organizațiile încep să sintetizeze datele de-a lungul sistemelor, să aducă contextul relevant mai eficient și să ajute angajații să navigheze informații care erau anterior dispersate în multiple aplicații și depozite. Această capacitate de a operaționaliza cunoștințele enterprise poate dovedi a fi mai transformativă decât multe dintre demonstrațiile de inteligență artificială care domină discuția publică.

Următoarea provocare: Inteligența artificială care lucrează cu inteligența artificială

Următoarea undă de inovație va implica probabil multiple sisteme de inteligență artificială care lucrează împreună.

Organizațiile experimentează deja fluxuri de lucru în care agenții împărtășesc informații, coordonează sarcini și contribuie la procese de afaceri mai mari. Acest lucru creează noi provocări în jurul responsabilității, încrederii, escaladării, comunicării și guvernanței.

Oamenii au dezvoltat abilități de colaborare implicite de-a lungul secolelor. Știm cum să cerem ajutor, să comunicăm incertitudinea, să escaladăm riscurile și să ne recuperăm din greșeli. Construirea acestor comportamente în sisteme de inteligență artificială este o disciplină mult mai nouă.

Mult din următorul capitol al inteligenței artificiale enterprise va implica predarea sistemelor cum să opereze eficient una lângă alta, rămânând aliniate cu obiectivele organizaționale.

Ce necesită de fapt inteligența artificială enterprise

După ani de construire și implementare a sistemelor de inteligență artificială, am ajuns să cred că organizațiile petrec prea mult timp evaluând inteligența modelului și nu suficient timp pregătind mediul din jurul lui.

Inteligența pe care aceste modele o demonstrează poate fi remarcabilă. În fiecare an devin mai capabile, mai utile și mai sofisticate. Cu toate acestea, implementările de succes depind încă de fundamentale: date de încredere, procese bine proiectate, guvernanță atentă, responsabilitate clară și oameni care știu cum să integreze noua tehnologie în operațiunile existente.

Organizațiile care văd cea mai mare valoare din inteligența artificială acordă atenție acestor fundamentale. Deoarece inteligența în sine nu creează transformare.

Transformarea are loc atunci când tehnologia, datele, procesele și oamenii lucrează împreună pentru a produce rezultate mai bune.