5 кроків, щоб запровадити штучний інтелект у вашому бізнесі без шкоди

Штучний інтелект продовжує розвиватися, і якщо він продовжить проникати в кожну галузь, він повністю змінить наше життя.

У результаті цього інтеграція штучного інтелекту в їхні компанії стала першочерговим завданням для багатьох засновників. Навіть люди шукають способи використовувати ШІ для покращення свого особистого життя.

Ажіотаж такий, що Collins Dictionary, визначний мовний авторитет, назвав ШІ як термін року, через сплеск його популярності.

Зважаючи на це, для більшості організацій існує величезний розрив між ідеєю та реальністю, коли вони намагаються включити штучний інтелект у свої процеси, оскільки шлях не такий простий, як здається, і він може бути дуже дорогим, як з точки зору капітальних витрат. необхідні й у втрачений час, оскільки розвиток подій не принесе очікуваних результатів. Це приземлилося кілька підприємств у біді. Наприклад, CNET експериментував зі статтями, написаними за допомогою ШІ, і вони виявилися повними недоліків. Інші компанії, наприклад iTutor Group, зіткнулися з великими штрафами на додаток до публічних глузувань через погану реалізацію ШІ.

Як показують ці випадки, підприємства можуть робити багато помилок із штучним інтелектом, і якщо підприємство не має фінансової підтримки Amazon, Google, Microsoft або Meta, ці невдалі експерименти можуть фактично збанкрутувати компанію.

Якщо ви є засновником або власником бізнесу, ось посібник із п’ятьма кроками, які допоможуть вам запровадити штучний інтелект у вашому бізнесі, розумно використовуючи свої ресурси (гроші та час, які зрештою є грошима), і водночас зменшуючи ймовірність летального результату. помилки.

1. Чітко визначте проблему, яку ви намагаєтеся вирішити

Жодна компанія не застрахована від збоїв ШІ. І як болісно з’ясувалося Amazon через свої безкасові магазини Amazon Go –не кожен бізнес-кейс потребує ШІ.

Тому дуже важливо, щоб ви визначили проблему, яку ви прагнете вирішити за допомогою ШІ. Це потрібно окреслити якомога чіткіше.

Наприклад, поширеним застосуванням ШІ є підтримка клієнтів. Впровадження штучного інтелекту в такому випадку можливо таким чином, щоб отримати конкретні результати, наприклад, скоротити витрати кол-центру на X суми грошей на місяць або прискорити середній час, необхідний для вирішення запитів клієнтів, на X хвилин. Завдяки цьому підходу ми маємо вимірний показник у вигляді грошей або часу, якого ми спробуємо досягти шляхом впровадження штучного інтелекту та перевіримо, чи це матиме якийсь вплив.

Існує кілька способів, як це може статися. Наприклад, замість чат-бота ми можемо розробити або купити сервіс, який визначатиме, чи можна відповісти на запит клієнта за допомогою сторінки поширених запитань. Це працюватиме так. Коли клієнт пише повідомлення, ми запускаємо цю модель, і вона або повідомляє нам, що нам потрібно перенаправити цю розмову агенту, або показує йому відповідну сторінку з відповіддю на його запитання. Розробка цієї моделі швидша та дешевша, ніж створення складного чат-бота з нуля. Якщо ця реалізація буде успішною, ми досягнемо нашої мети – скоротити витрати, оптимізуючи при цьому наші капітальні витрати, пов'язані зі штучним інтелектом, порівняно з витратами на розробку чат-бота.

Піонером цього підходу була каліфорнійська юридична фірма Matten Law, яка інтегрована система штучного інтелекту помічник для автоматизації багатьох завдань, дозволяючи юристам приділяти більше часу слуханню клієнтів і вивченню тих аспектів справи, які були найбільш актуальними. Це свідчить про те, що навіть найжорсткіші сектори можуть бути порушені за допомогою штучного інтелекту таким чином, щоб підвищити користувацький досвід, посиливши людський дотик там, де це найбільше потрібно.

Додаткові поширені проблеми, які можна вирішити за допомогою ШІ, включають аналіз даних і створення індивідуальних пропозицій. Spotify є надзвичайним прикладом компанії, яка успішно використовує ШІ для розробки інтелектуальної системи музичних рекомендацій, яка досягає з урахуванням часу доби, коли хтось слухає певний жанр.

В обох вищезазначених сценаріях штучний інтелект допомагає забезпечити кращий досвід для клієнта. Однак причина, чому ці компанії успішно використовували ШІ, полягала в тому, що вони дуже чітко уявляли аспекти, які потрібно делегувати ШІ.

2. Визначте дані, які вам потрібно буде проаналізувати

Після того, як основна проблема чітко визначена, нам потрібно взяти до уваги дані, які нам потрібно надати системі. Важливо пам’ятати, що штучний інтелект – це алгоритм, який аналізує та коригує дані, які ми надаємо. Базовий сценарій для збору даних такий:

1. Зрозумійте, які дані нам можуть знадобитися для впровадження ШІ.

2. Подивіться, чи є ці дані у нашої компанії.

   1. Якщо так — чудово.

   2. Якщо ні, нам потрібно сісти та з’ясувати, чи можемо ми розпочати правильний процес збору даних власними силами. Як інший варіант, ми можемо попросити розробників зберегти потрібні нам дані, якщо ми ще цього не робимо.

Ось приклад. У нас є кав'ярня, і нам потрібні дані про те, скільки клієнтів її відвідують. Ми можемо зробити це, впровадивши персоналізовані картки лояльності, які користувачі пред'являтимуть під час здійснення покупки. Таким чином, ми матимемо необхідні дані, такі як які клієнти приходили, коли вони приходили, що вони купили та в якій кількості. Як тільки ми це отримаємо, ми зможемо використовувати ці дані для впровадження штучного інтелекту. Однак бувають випадки, коли збір цих даних може бути дуже дорогим. І саме тоді штучний інтелект може прийти нам на допомогу. Наприклад, якщо у нашій кав'ярні встановлено камеру – що ми можемо зробити принаймні з міркувань безпеки – ми можемо використовувати її для збору даних наших відвідувачів. Мушу сказати, що перед впровадженням цього важливо проконсультуватися щодо законів про персональні дані, таких як GDPR, оскільки цей підхід може працювати не в кожній країні. Але в тих юрисдикціях, де це дозволено, це може бути безперебійним способом збору необхідної інформації та залучення допомоги штучного інтелекту для її аналізу та обробки.

Якщо вам цікаво, це персоналізована програма лояльності що зробив Starbucks, з великим успіхом. Схема винагород Starbucks доходила до персоналізованих заохочень кожного разу, коли клієнт відвідував бажане місце або замовляв свій улюблений напій.

3. Визначте гіпотезу

Можуть бути ситуації, коли ви відчуваєте невпевненість щодо того, які процеси можна або потрібно оптимізувати за допомогою ШІ.

Якщо це ваш випадок, то ви можете почати з розбиття всього процесу на етапи та визначення тих етапів, на яких, на вашу думку, ваш бізнес неефективний. На які сфери ви витрачаєте забагато грошей? Що займає більше часу, ніж зазвичай? Відповівши на ці запитання, ви зможете точно визначити критичні області для вдосконалення та вирішити, чи може ШІ допомогти.

Як ви побачите, є випадки, коли звичайні рішення можуть бути більш ефективними. Якщо ви боретеся з тим, які пропозиції продукту висвітлити для своїх клієнтів, пропозиції на основі найпопулярніших продуктів часто набагато ефективніші в системах рекомендацій на ринку, ніж спроби спрогнозувати поведінку користувачів. Тому спочатку спробуйте це. Отримавши результат — позитивний чи негативний — ви можете мати гіпотезу для тестування ШІ. Інакше поле дій буде надто розпливчастим, і ви можете втратити час і гроші.

4. Використовуйте вже існуючі рішення

Багато компаній прагнуть одразу розробити власні алгоритми машинного навчання. Однак, якщо ви не плануєте навчати їх значним наборам даних протягом тривалого періоду часу, не робіть цього. Це буде дуже дорого і довго.

Натомість я пропоную вам зосередитися на вже доступних рішеннях. Такі компанії, як Amazon, Google, Microsoft та багато інших, мають інструменти на основі ШІ, які можуть допомогти вам досягти багатьох цілей. Потім, поступово, можна було б підписати контракт з одним із них і найняти внутрішнього розробника, який би вміло налаштовував необхідні API запити.

Основна ідея полягає в тому, що ці інструменти можуть бути інтегровані бізнес-розробниками (не фахівцями з машинного навчання), що дозволить нам швидко перевірити гіпотезу про те, чи приносить штучний інтелект очікуваний ефект чи ні. Якщо це не вдається, ми можемо просто вимкнути ці інструменти, і наші витрати на перевірку нашої гіпотези становитимуть лише час, який розробник витратив на інтеграцію з цим сервісом, та суму, яку ми заплатили за використання інструменту. Якби ми розробляли модель, ми б витратили зарплату спеціаліста з машинного навчання, помножену на час, який він витратив на розробку моделі, крім будь-яких витрат на інфраструктуру. А потім незрозуміло, що робити з розробником і моделлю, якщо зрештою очікуваного ефекту немає.

Якщо наша гіпотеза доведена, і інструмент на основі штучного інтелекту приносить очікуваний ефект, ми радіємо і висуваємо нову гіпотезу. У майбутньому, якщо ми передбачимо, що витрати на інструмент суттєво зростуть, ми можемо подумати про розробку цієї моделі самостійно, і таким чином ще більше знизити витрати. Але спочатку нам потрібно оцінити, чи насправді вартість розробки менша за ту, яку ми б заплатили за використання інструменту іншої компанії, яка спеціалізується на розробці цих інструментів.

Моя порада полягає в тому, що ви розглядаєте можливість розробки власного продукту машинного навчання лише після того, як ви досягнете хороших результатів від використання штучного інтелекту з інструментами, згаданими вище, і коли ви переконаєтеся, що штучний інтелект є правильним способом вирішення вашої проблеми в довгостроковій перспективі. Інакше ваш проект МЛ не забезпечить цінності, яку ви шукаєте, і, як нещодавно сказано в блискучій статті Harvard Business Review, Штучний ажіотаж лише відверне вас від вашої місії, який не потребує ШІ.

5. Проконсультуйтеся з фахівцями ШІ

У тому ж ключі, ще одна дуже поширена помилка засновників і власників бізнесу полягає в тому, що вони намагаються робити все вдома. Вони наймають головного інженера або дослідника зі штучного інтелекту, а потім більше людей, щоб сформувати команду, яка зможе створити передовий продукт. Однак ця технологія буде марною для цілей вашої компанії, якщо у вас немає правильно визначеної стратегії впровадження ШІ. Буває також випадок, коли вони наймають Junior ML Engineer, щоб заощадити гроші порівняно з наймом більш досвідченого спеціаліста. Це також небезпечно, тому що людина без досвіду може не знати тонкощів розробки та проектування системи ML і зробити «помилки новачка», за які компанії доведеться заплатити занадто високу ціну, майже завжди перевищуючи ціну найму досвідченого ML спеціаліст.

Тому я рекомендую вам спочатку найняти одного експерта зі штучного інтелекту, як-от консультанта, який проведе вас у дорозі та оцінить ваш процес впровадження ШІ. Використовуйте їхній досвід, щоб переконатися, що проблема, над якою ви працюєте, потребує штучного інтелекту, і що технологію можна ефективно масштабувати, щоб підтвердити вашу гіпотезу.

Якщо ви стартап на ранній стадії та хвилюєтеся щодо фінансування, можна зв’язатися з інженерами штучного інтелекту на LinkedIn із конкретними запитаннями. Вірте чи ні, багато експертів з машинного навчання та штучного інтелекту люблять допомагати, тому що вони справді захоплюються цією темою, а також тому, що якщо їм вдасться допомогти вам, вони можуть використати це як позитивний приклад для свого консалтингового портфоліо.

Заключні думки

З огляду на весь ажіотаж навколо штучного інтелекту, цілком нормально, що ви можете захотіти включити його у свій бізнес і розробити рішення на основі штучного інтелекту, яке виведе вас на новий рівень. Однак ви повинні мати на увазі, що той факт, що всі говорять про ШІ, означає, що ваш бізнес потребує ШІ. Багато компаній, на жаль, поспішають інтегрувати штучний інтелект без чіткої мети, і в кінцевому підсумку витрачають величезні суми грошей і часу. У деяких випадках, особливо для компаній на ранній стадії, це може означати їх загибель. Чітко сформулювавши проблему, зібравши відповідні дані, перевіривши гіпотезу та використовуючи за допомогою експерта інструменти, які вже є, ви можете інтегрувати ШІ, не виснажуючи фінансові ресурси вашої фірми. Потім, якщо рішення спрацює, ви можете поступово розширювати масштаб і включати штучний інтелект у ті сфери, у яких він підвищує ефективність або прибутковість вашої компанії.