ฉันสร้างระบบ AI สำหรับการใช้งานจริง มาดูกันว่าคนส่วนใหญ่เข้าใจผิดเรื่องอะไรบ้าง

ฉันสร้างระบบ AI สำหรับศูนย์ติดต่อลูกค้าขององค์กร

ไม่ใช่การนำเสนอ การทดสอบ หรือโครงการวิจัย ระบบการผลิตที่มีปฏิสัมพันธ์กับลูกค้า นำทางนโยบาย ค้นหาข้อมูลจากแพลตฟอร์มองค์กรที่ไม่เชื่อมต่อ และดำเนินการภายในสภาพแวดล้อมที่มีข้อมูลที่ไม่สมบูรณ์ บันทึกที่ขัดแย้งกัน ขั้นตอนที่ล้าสมัย แอปพลิเคชันที่ไม่เชื่อมต่อ และกรณี ngoại lệที่สะสมมาหลายทศวรรษ

ลูกค้าถามคำถามที่ไม่ชัดเจน นโยบายเปลี่ยนแปลง คุณภาพข้อมูลแตกต่างกัน พฤติกรรมของมนุษย์ยังคงไม่แน่นอนและน่าพึงพอใจ

ประสบการณ์นี้ทำให้ฉันได้เห็นความแตกต่างที่ใหญ่ที่สุดในอุตสาหกรรม AI การสนทนาในวงกว้างเกี่ยวกับ AI มักถูกครอบงำโดยสิ่งที่เทคโนโลยีนี้อาจกลายเป็นในอนาคต ในขณะที่องค์กรพยายามหาวิธีการนำไปใช้ได้สำเร็จในปัจจุบัน

คำถามที่ฉันต้องตอบมักไม่เกี่ยวข้องกับปัญญาประดิษฐ์ทั่วไปหรือว่าเครื่องจักรจะมาแทนที่มนุษย์ในที่สุด แต่คำถามเหล่านั้นมักเป็นเรื่องปฏิบัติมากกว่า

ระบบสามารถตีความคำขอของลูกค้าได้อย่างต่อเนื่องหรือไม่? สามารถค้นหาข้อมูลที่ถูกต้องข้ามแพลตฟอร์มองค์กรหลายแห่งได้หรือไม่? สามารถฟื้นตัวได้เมื่อข้อมูลไม่สมบูรณ์หรือไม่? สามารถยกเลิกเมื่อมีความมั่นใจต่ำหรือไม่? ทีมงานสามารถไว้วางใจได้เพียงพอในการนำไปใช้ขนาดใหญ่หรือไม่?

คำถามเหล่านี้อาจไม่น่าสนใจเท่ากับหัวข้อข่าว แต่คำถามเหล่านี้เป็นตัวกำหนดว่า AI ขององค์กรมีความสำเร็จหรือไม่

การนำเสนอไม่ใช่การนำไปใช้

ใครก็ตามที่ทำงานอย่างใกล้ชิดกับ AI ขององค์กรเข้าใจถึงช่องว่างระหว่างการนำเสนอที่ควบคุมและระบบการผลิต

เราพบตัวอย่างนี้อยู่เสมอ ระบบ AI หนึ่งที่เรากำลังทำงานด้วยมีปัญหาประมาณครึ่งหนึ่งของเวลาที่จะแปลหมายเลขออร์เดอร์ 16 หลักที่แปลงเป็นคำ

ความล้มเหลวเหล่านี้คล้ายกับปัญหา “มี r กี่ตัวในคำ strawberry” ที่มีชื่อเสียง ซึ่งโมเดลภาษาที่ซับซ้อนมีปัญหากับงานที่ดูเหมือนง่ายสำหรับมนุษย์

โมเดลเหล่านี้สามารถทำคะแนนได้ดีในแบบทดสอบอย่าง MCAT แต่สิ่งนี้แสดงให้เห็นว่าประสิทธิภาพของแบบทดสอบและความน่าเชื่อถือในการดำเนินงานไม่ใช่สิ่งเดียวกัน

AI ขององค์กรมีระดับการดำเนินงาน

บทเรียนหนึ่งที่ทำให้ผู้คนตกใจคือประสิทธิภาพของโมเดลหยุดเป็นปัจจัยที่จำกัดเมื่อระบบเข้าสู่การผลิต

ความท้าทายในการดำเนินงานมักจะกลายเป็นเรื่องสำคัญกว่าโมเดลเอง การดำเนินงาน AI ที่ประสบความสำเร็จขึ้นอยู่กับการออกแบบกระบวนการ การจัดตำแหน่งขององค์กร คุณภาพข้อมูล การบูรณาการระบบ ความสามารถในการสังเกตเห็น เส้นทางการยกเลิก การกำกับดูแล และความไว้วางใจ

ทีมงานต้องการขั้นตอนที่ชัดเจนสำหรับการจัดการความล้มเหลว

พวกเขาต้องการความสามารถในการมองเห็นว่าระบบตัดสินใจอย่างไร

พวกเขาต้องการความมั่นใจว่าปัญหา dapat ถูกระบุและแก้ไขก่อนที่จะส่งผลกระทบต่อลูกค้า

การบริการลูกค้ายังคงเป็นหนึ่งในปัญหาที่ยากที่สุด

ประสบการณ์ของลูกค้าเป็นตัวอย่างที่ชัดเจนที่สุดของความซับซ้อน

การโต้ตอบที่ง่ายๆ ได้กลายเป็นเรื่องที่จัดการได้สำหรับระบบ AI

การตรวจสอบยอดเงินบัญชี การรีเซ็ตรหัสผ่าน การค้นหาสถานะเที่ยวบิน

การโต้ตอบของลูกค้าจริงๆ มักจะไม่คงไว้ซึ่งความเรียบง่าย

ลูกค้าที่พยายามแก้ไขปัญหาเกี่ยวกับเครื่องบิน ซึ่งเกี่ยวข้องกับจุดความภักดี ผู้ให้บริการที่ร่วมมือ การชำระเงินข้อพิพาท นโยบายข้อยกเว้น และการโต้ตอบก่อนหน้านี้หลายครั้ง

ข้อมูลองค์กรกำลังจะกลายเป็นข้อมูลที่ใช้งานได้

พื้นที่หนึ่งที่ฉันเห็นการเปลี่ยนแปลงที่มีความหมายเกิดขึ้นในปัจจุบันคือข้อมูลองค์กร

องค์กรส่วนใหญ่ đãใช้เวลาหลายปีในการสะสมข้อมูลข้ามระบบที่ไม่เชื่อมต่อหลายสิบหรือหลายร้อยระบบ

องค์กรกำลังเริ่มรวมข้อมูลข้ามระบบ ทำให้สามารถเข้าถึงข้อมูลที่เกี่ยวข้องได้อย่างมีประสิทธิภาพ

ความท้าทายต่อไป: AI ที่ทำงานร่วมกับ AI

การเปลี่ยนแปลงครั้งถัดไปมีแนวโน้มที่จะเกี่ยวข้องกับระบบ AI หลายระบบที่ทำงานร่วมกัน

องค์กรกำลังทดลองกับกระบวนการที่ตัวแทนแบ่งปันข้อมูล ร่วมมือในการทำงาน และมีส่วนร่วมในกระบวนการทางธุรกิจที่ใหญ่ขึ้น

สิ่งนี้สร้างความท้าทายใหม่ๆ เกี่ยวกับความรับผิดชอบ ความไว้วางใจ การยกเลิก การสื่อสาร และการกำกับดูแล

สิ่งที่ AI ขององค์กรต้องการจริงๆ

หลังจากสร้างและนำระบบ AI ไปใช้ ฉันเชื่อว่าองค์กรใช้เวลาในการประเมินความฉลาดของโมเดลมากเกินไป และไม่เพียงพอที่จะเตรียมสภาพแวดล้อมรอบๆ โมเดล

ความฉลาดที่โมเดลเหล่านี้แสดงให้เห็นสามารถน่าประทับใจได้

แต่การนำไปใช้ได้สำเร็จยังคงขึ้นอยู่กับหลักการ: ข้อมูลที่น่าเชื่อถือ กระบวนการที่ออกแบบได้ดี การกำกับดูแลที่ดี ความรับผิดชอบที่ชัดเจน และบุคคลที่เข้าใจวิธีการรวมเทคโนโลยีใหม่เข้ากับการดำเนินงานที่มีอยู่

องค์กรที่เห็นคุณค่าสูงสุดจาก AI กำลังให้ความสนใจกับหลักการเหล่านั้น

เพราะความฉลาดเพียงอย่างเดียวไม่ทำให้เกิดการเปลี่ยนแปลง

การเปลี่ยนแปลงเกิดขึ้นเมื่อเทคโนโลยี ข้อมูล กระบวนการ และคนทำงานร่วมกันเพื่อผลลัพธ์ที่ดีกว่า