Yaşadığım AI Sistemleri. Neler Yanlış Anlıyorlar?

Ben, işletme iletişim merkezleri için AI sistemleri inşa ediyorum.

Demo, benchmark veya araştırma projeleri değil. Müşterilerle etkileşime giren, politikaları yöneten, ayrı işletme platformlarından bilgi alan ve karmaşık veriler, çelişkili kayıtlar, arka plan gürültüsü ve öngörülemez insan davranışları ile şekillenmiş ortamlarda çalışan üretim sistemleri.

Bu deneyim, AI endüstrisindeki en büyük ayrılmazlıklardan birine ön sıradaki bir koltuk verdi. AI hakkında halk arasındaki konuşma genellikle teknolojinin gelecekte ne olabileceği ile domine edilmektedir, ancak işletmeler onu başarılı bir şekilde nasıl dağıtabileceklerini anlamaya çalışıyorlar. Bunlar çok farklı konuşmalardır.

Sürekli cevapladığım sorular, genellikle yapay genel zeka veya makinelerin sonunda insanları değiştireceği ile ilgili değildir. Daha çok pratik sorular. Sistem, müşteri taleplerini tutarlı bir şekilde yorumlayabilir mi? Birden fazla işletme platformu boyunca doğru bilgi alabilir mi? Veri eksik olduğunda kurtarabilir mi? Güveni düşük olduğunda uygun şekilde yükseltebilir mi? Ekipler onu geniş ölçekte dağıtmak için yeterli güvenirliğe sahip olabilir mi?

Bu sorular, başlıklardan daha az heyecan verici olabilir, ancak bunlar, işletme AI’nin başarılı olup olmadığını belirleyen sorulardır. Zaman içinde, çoğu organizasyonun modelin kendisinin önemini abarttığını ve gerçek bir işletme içinde modelin faydalı olmasını sağlamak için gereken her şeyi küçümsediği sonucuna vardım.

Demo, Dağıtım Değildir

İşletme AI’si ile yakından çalışan herkes, kontrollü bir demo ve üretim dağıtımı arasındaki boşluğu anlar.

Sürekli olarak böyle örneklerle karşılaşıyoruz. Çalışmakta olduğumuz bir AI sistemi, yaklaşık yarım zamanında, kelimeye dönüştürülen 16 haneli bir sipariş numarasını doğru bir şekilde yorumlayamaz. Bu tür başarısızlıklar, artık ünlü “çilek kelimesindeki ‘r’ harflerinin sayısı” problemine benzer, burada gelişmiş dil modelleri, insanlara göre önemsiz görünen bir görevle mücadele etti. Aynı modeller, MCAT gibi sınavlarda olağanüstü puanlar alabilir. Bu karşıtlık, önemli bir şeyi ortaya koyuyor: benchmark performansı ve operasyonel güvenilirlik aynı şey değil.

AI, bir kez üretim aşamasına girdiğinde, çevresindeki ortamın tüm karmaşıklığını miras alır. İşletme sistemleri, eksik kayıtlar, çelişkili bilgiler, eski süreçler, ayrı uygulamalar ve on yıllar boyunca biriken kenar vakaları içerir. Müşteriler belirsiz sorular sorar. Politikalar değişir. Veri kalitesi değişir. İnsan davranışı, mucizevi bir şekilde öngörülemez kalır.

Bu gerçekler, sonuçları çok daha fazla şekillendirir, çünkü AI, bir benchmark’te değil, işletme süreçleri, sistemleri ve iş akışlarında çalışır ve bu, modelin kendi başına çözemeyeceği bir karmaşıklık getirir.

İşletme AI’si Bir Operasyon Katmanına Sahiptir

İnsanları her zaman şaşırtan bir ders, model performansının ne kadar nhanh bir şekilde sınırlayıcı faktör olmayı bıraktığıdır. Bir sistem üretim aşamasına ulaştığında, operasyonel zorluklar genellikle modelden daha önemli hale gelir. Başarılı AI girişimleri, süreç tasarımı, organizasyonel uyum, veri kalitesi, sistem entegrasyonu, gözlemlenebilirlik, yükseltme yolları, yönetim ve güvene bağlıdır.

Ekiplere, hataları işleme için net prosedürlere ihtiyaçları vardır. Sistemlerin nasıl kararlar aldığını görme yeteneğine ihtiyaçları vardır. Problemlerin belirlenebileceği ve çözülebileceği konusunda güvene ihtiyaçları vardır, böylece müşterileri etkilemez. İşletmeler, AI sistemi etrafındaki çalışmanın, AI sisteminden daha fazla dikkat gerektirdiğini часто keşfeder.

Bu operasyonel katmanda, birçok dağıtım nihayetinde başarılı veya mücadele eder.

Müşteri Hizmetleri Hala En Zor Problemlerden Biridir

Müşteri deneyimi, bu karmaşıklığın en açık örneklerinden birini sunar.

Basit etkileşimler, AI sistemleri için artık daha yönetilebilir hale geldi. Hesap bakiyesini kontrol etmek. Parolayı sıfırlamak. Uçuş durumunu kontrol etmek. Bunlar, öngörülebilir sonuçlarla yüksek yapılandırılmış görevlerdir.

Gerçek müşteri konuşmaları nadiren bu kadar basit kalır.

Sadakat puanları, ortak taşıyıcılar, geri ödeme anlaşmazlıkları, politika istisnaları ve birden fazla önceki etkileşimi içeren bir hava yolu sorununu çözmeye çalışan bir müşteri, çok farklı bir zorluk sunar. Bağlam parçalıdır. Hedefler belirsiz olabilir. Politikalar çelişebilir. Emotionlar sık sık sohbetin içine girer.

Bu tür etkileşimler, müşteri hizmetlerinin önemli bir kısmını temsil etmeye devam eder ve bunlar, AI için hala zorlu olan sistemler, süreçler ve iş kuralları arasında neden olmayı gerektirir. İlerleme gerçekten dikkat çekici. Karmaşıklık hala gerçek.

İşletme Verileri Nihayet Kullanılabilir Hale Geliyor

Anlamlı bir dönüşümün bugün gerçekleştiği bir alan, işletme verilerini içerir.

Çoğu organizasyon, yıllarca boyunca düzinelerce veya yüzlerce ayrı sistem boyunca bilgi biriktiriyor. Değerli bilgiler mevcuttur, ancak bunları bulmak ve etkili bir şekilde kullanmak genellikle zor olmuştur. AI, bu bilgileri daha erişilebilir hale getiriyor.

İşletmeler, sistemler boyunca verileri sentezlemeye, ilgili bağlamı daha verimli bir şekilde ortaya çıkarmaya ve çalışanların daha önce birçok uygulama ve depolama alanında dağılmış olan bilgileri gezinmesine yardımcı olmaya başlıyor. Bu işletme bilgisi operasyonel hale getirme yeteneği, kamuoyu tartışmasını domine eden birçok AI gösterisinden daha dönüştürücü olabilir.

Sıradaki Zorluk: AI’nin AI ile Çalışması

İnovasyonun bir sonraki dalgası, muhtemelen birden fazla AI sisteminin birlikte çalışmasını içerecektir.

İşletmeler, already ajanların bilgi paylaştığı, görevleri koordine ettiği ve daha büyük işletme süreçlerine katkıda bulunduğu iş akışlarını deneiyor. Bu, hesap verebilirlik, güven, yükseltme, iletişim ve yönetim حولunda yeni zorluklar yaratıyor.

İnsanlar, yüzyıllar boyunca örtük işbirliği becerileri geliştirdi. Yardım istemek, belirsizliği iletmek, riskleri yükseltmek, hatalardan kurtulmak gibi nasıl yapacağımızı biliriz. Bu davranışları AI sistemlerine inşa etmek daha yeni bir disiplin.

AI’nin işletme AI’sinin bir sonraki bölümü, sistemlerin birbirleriyle etkili bir şekilde çalışmasını öğretmek ve aynı zamanda işletme hedefleri ile hizalanmasını sağlamak olacaktır.

Gerçek İşletme AI’si Ne Gerektirir

AI sistemleri inşa ettikten ve dağıttıktan sonra, organizasyonların model zekasını değerlendirmek için fazla zaman harcadığı ve çevresindeki ortamı hazırlamak için yeterli zaman harcamadığına ikna oldum.

Bu modellerin gösterdiği zeka gerçekten dikkat çekici olabilir. Her yıl daha yetenekli, daha faydalı ve daha sofistike hale gelirler. Ancak başarılı dağıtımlar hala temellere bağlıdır: güvenilir veriler, iyi tasarlanmış süreçler, düşünceli yönetim, net hesap verebilirlik ve yeni teknolojiyi mevcut operasyonlara entegre etme bilgisine sahip insanlar.

AI’den en büyük değeri gören işletmeler, bu temellere dikkat ediyorlar. Çünkü yalnızca zeka, dönüşümü yaratmaz.

Dönüşüm, teknoloji, veri, süreçler ve insanların birlikte daha iyi sonuçlar üretmesi ile gerçekleşir.