5 кроків для впровадження штучного інтелекту в ваш бізнес без розорення

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

В результаті цього інтеграція штучного інтелекту в компанії стала найвищою пріоритетністю для багатьох засновників. Навіть окремі особи шукають способи використання штучного інтелекту для поліпшення свого особистого життя.

Гіпр навколо цього такий, що словник Коллінза, відомий авторитет мови, назвав штучний інтелект терміном року, через його зростаючу популярність.

Однак, сказати це, для більшості організацій існує велика пропасть між ідеєю та реальністю при спробі інтегрувати штучний інтелект у свої процеси, оскільки шлях не такий прямий, як здається, і може бути дуже дорогим, як у фінансовому плані, так і у витраті часу, оскільки розробки не принесуть очікуваних результатів. Це призвело до того, що багато підприємств потрапили у складну ситуацію. Наприклад, CNET експериментував зі штучно створеними статтями, і вони виявилися повними помилок. Інші компанії, як iTutor Group, отримали великі штрафи та публічну критику через свою погану реалізацію штучного інтелекту.

Як ці випадки показують, підприємства можуть зробити багато помилок зі штучним інтелектом, і якщо у підприємства немає фінансової підтримки, як у Amazon, Google, Microsoft або Meta, ці невдалі експерименти можуть ефективно банкрутити компанію.

Якщо ви засновник або власник бізнесу, то ось посібник із п’яти кроків, щоб допомогти вам впровадити штучний інтелект у ваш бізнес, всіляко обережно використовуючи ваші ресурси – гроші та час, які в кінцевому підсумку є грошима – і зменшуючи можливість фатальних помилок.

1. Будьте чіткими щодо проблеми, яку ви намагаєтеся вирішити

Жодна компанія не є імунною до провалів штучного інтелекту. І, як Amazon болісно виявила – через свою невдалу без касового магазину Amazon Go – не кожен бізнес-кейс потребує штучного інтелекту.

Отже, критично важливо, щоб ви визначили проблему, яку ви намагаєтеся вирішити зі штучним інтелектом. Це потрібно бути описано якомога чіткіше.

Наприклад, поширеним застосуванням штучного інтелекту є підтримка клієнтів. Реалізація штучного інтелекту в такому випадку можлива таким чином, що має конкретні результати, наприклад, зменшення витрат на кол-центр на певну суму грошей щомісяця або прискорення середнього часу, необхідного для вирішення запитів клієнтів, на певну кількість хвилин. З цим підходом у нас є вимірюваний індикатор у вигляді грошей або часу, який ми спробуємо досягти реалізовуючи штучний інтелект і побачити, чи це матиме якийсь вплив.

Є різні способи, як це можна зробити. Наприклад, замість чат-бота ми можемо розробити або придбати сервіс, який визначить, чи можна відповісти на запит клієнта за допомогою сторінки з часто задаваними питаннями. Це працюватиме наступним чином. Коли клієнт пише повідомлення, ми запускаємо цю модель, і вона або повідомляє нам про необхідність передати цю розмову агенту, або показує їм відповідну сторінку з відповіддю на їхнє питання. Розробка цієї моделі швидша і дешевша, ніж створення складного чат-бота з нуля. Якщо ця реалізація вдасться, ми досягнемо своєї мети – зменшення витрат при оптимізації капітальних витрат, пов’язаних зі штучним інтелектом, у порівнянні з витратами на розробку чат-бота.

Піонером цього підходу була юридична фірма Matten Law, яка інтегрувала помічника, що працює на штучному інтелекті, для автоматизації багатьох завдань, що дозволило юристам витрачати більше часу на спілкування з клієнтами та вивчення тих аспектів справи, які були найбільш актуальними. Це показує, що навіть у найбільш жорстких галузях можна здійснити прорив за допомогою штучного інтелекту, підвищуючи користувацький досвід, посилюючи людський дотик там, де він найбільш потрібний.

Додатковими поширеними проблемами, які можна вирішити за допомогою штучного інтелекту, є аналіз даних та створення персоналізованих пропозицій. Spotify – це винятковий приклад компанії, яка успішно використовує штучний інтелект для розробки інтелектуальної системи музичних рекомендацій, яка досягає навіть врахування часу доби, коли хтось слухає певний жанр.

У обох вищезгаданих сценаріях штучний інтелект допомагає забезпечити кращий досвід для клієнта. Однак причина, через яку ці компанії успішно використали штучний інтелект, полягала в тому, що вони були дуже чіткими щодо аспектів, які потрібно делегувати штучному інтелекту.

2. Визначте дані, які ви будете аналізувати

Як тільки основна проблема добре визначена, нам потрібно врахувати дані, які ми потрібно буде підігрузити в систему. Ключовим є пам’ятати, що штучний інтелект – це алгоритм, який аналізує та адаптується до даних, які ми надаємо. Базовий сценарій для збору даних наступний:

1. Зрозумійте, які дані вам потрібно для реалізації штучного інтелекту.

2. Перевірте, чи має ваш бізнес ці дані.

   1. Якщо так – добре.

   2. Якщо ні, нам потрібно сісти і вирішити, чи можемо ми розпочати правильний процес збору даних всередині компанії. Іншою можливістю є запит до розробників про збереження необхідних даних, якщо ми ще не робимо цього.

Наприклад, ми володіємо кафе і нам потрібно дані про кількість відвідувачів. Ми можемо зробити це, реалізувавши персоналізовані картки лояльності, які користувачі будуть представляти під час покупки. Таким чином, у нас будуть дані, які нам потрібно, наприклад, які клієнти прийшли, коли вони прийшли, що вони купили та в якій кількості. Як тільки у нас будуть ці дані, ми можемо використовувати їх для реалізації штучного інтелекту. Однак є випадки, коли збір цих даних може бути дуже дорогим. І саме тут штучний інтелект може прийти нам на допомогу. Наприклад, якщо в нас встановлена камера в кафе – що ми робимо хоча б з міркувань безпеки – ми могли б використовувати її для збору даних про відвідувачів. Перед тим, як реалізувати це, важливо проконсультуватися щодо законів про особисті дані, таких як GDPR, оскільки цей підхід може не працювати в кожній країні. Але в тих юрисдикціях, де це дозволено, це може бути безшовним способом збору необхідної інформації та залучення штучного інтелекту для її аналізу та обробки.

Якщо ви цікавитесь, така персоналізована програма лояльності – це те, що зробила Starbucks, з великим успіхом. Програма лояльності Starbucks пішла так далеко, що надавала персоналізовані стимули, коли клієнт відвідував свою улюблену локалізацію 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 штучного інтелекту.

Якщо це ваш випадок, то ви можете почати з розбиття всього процесу на етапи та ідентифікації тих фаз, у яких ви відчуваєте, що ваш бізнес працює неефективно. Які області, на які ви витрачаєте занадто багато грошей? Що триває довше звичайного? Відповівши на ці питання, ви можете визначити критичні області для покращення та вирішити, чи може штучний інтелект бути корисним.

Як ви виявите, є випадки, коли традиційні рішення можуть бути більш ефективними. Якщо ви боретесь з тим, які пропозиції продуктів підкреслити для клієнтів, пропозиції, засновані на найбільш популярних продуктах, часто набагато більш ефективні в системах рекомендацій ринку, ніж спроби прогнозувати поведінку користувача. Тому спочатку спробуйте це. Як тільки у вас буде результат – позитивний чи негативний – тоді ви можете сформулювати гіпотезу для тестування штучного інтелекту. В іншому випадку область дії буде занадто нечіткою, і ви можете витратити час і гроші.

4. Використайте наявні рішення

Багато компаній намагаються відразу розробити自己的 алгоритми машинного навчання. Однак, якщо ви не плануєте тренувати їх із великими наборами даних протягом тривалого періоду часу, не робіть цього. Це буде дуже дорого та часозатратно.

Натомість я рекомендую вам зосередитися на рішеннях, які вже існують. Компанії, такі як Amazon, Google, Microsoft та багато інших, мають інструменти, що працюють на штучному інтелекті, які можуть допомогти вам досягти багатьох цілей. Потім, поступово, ви можете підписати контракт з однією з них та найняти внутрішнього розробника для умілого конфігурування необхідних запитів API.

Базова ідея полягає в тому, що ці інструменти можуть бути інтегровані бізнес-розробниками (не спеціалістами з машинного навчання), що дозволить нам швидко протестувати гіпотезу про те, чи штучний інтелект приносить очікуваний ефект чи ні. Якщо це не спрацює, ми можемо просто вимкнути ці інструменти, а вартість тестування нашої гіпотези буде складатися лише з часу розробника, витраченого на інтеграцію з цим сервісом, та суми, яку ми заплатили за використання інструменту. Якщо ми розробляємо модель, ми витратимо зарплату спеціаліста з машинного навчання, помножену на час, який вони витратили на розробку моделі, плюс будь-які витрати на інфраструктуру. І тоді не зрозуміло, що робити з розробником і моделлю, якщо в кінцевому підсумку очікуваний ефект відсутній.

Якщо наша гіпотеза підтверджується, і інструмент, що працює на штучному інтелекті, приносить очікуваний ефект, ми радуємося та формуємо нову гіпотезу. У майбутньому, якщо ми передбачаємо, що витрати на інструмент значно зростуть, ми можемо подумати про розробку цієї моделі самостійно, тим самим зменшуючи витрати ще більше. Але спочатку нам потрібно оцінити, чи вартість розробки дійсно менше, ніж те, що ми платимо за використання інструменту іншої компанії, яка спеціалізується на розробці цих інструментів.

Моя порада полягає в тому, щоб ви розглянули розробку власного продукту машинного навчання лише після того, як ви отримали хороші результати від використання штучного інтелекту з інструментами, згаданими вище, та коли ви впевнені, що штучний інтелект – це правильний спосіб вирішення вашої проблеми в довгостроковій перспективі. В іншому випадку ваш проект машинного навчання не принесе тієї цінності, на яку ви очікуєте, і, як сказав недавній чудовий матеріал Harvard Business Review, гіпр навколо штучного інтелекту лише відверне вас від вашої місії, яка не потребує штучного інтелекту.

5. Консультуйтеся зі спеціалістами зі штучного інтелекту

У тому ж дусі інша поширена помилка, яку засновники та власники бізнесу роблять, полягає в тому, що вони намагаються зробити все самостійно. Вони наймають інженера або дослідника зі штучного інтелекту, а потім ще людей, щоб сформувати команду, яка може створити передовий продукт. Однак ця технологія буде безцінною для мети вашої компанії, якщо у вас немає належно визначеної стратегії реалізації штучного інтелекту. Є також випадок, коли вони наймають молодшого інженера зі штучного інтелекту, щоб заощадити гроші порівняно з найманням більш досвідченого спеціаліста. Це також небезпечно, оскільки людина без досвіду може не знати нюансів розробки та дизайну систем машинного навчання та зробити “помилки новачка”, за які компанія буде платити занадто високу ціну, майже завжди перевищуючи ціну найму одного досвідченого спеціаліста зі штучного інтелекту.

Отже, моя рекомендація полягає в тому, щоб ви спочатку найняли одного спеціаліста зі штучного інтелекту, наприклад, консультанта, який буде направляти вас на кожному етапі та оцінювати ваш процес прийняття штучного інтелекту. Використовуйте їхню експертизу, щоб забезпечити, що проблема, над якою ви працюєте, вимагає штучного інтелекту, і що технологію можна масштабувати ефективно для підтвердження вашої гіпотези.

Якщо ви на ранній стадії створення вашого стартапу та турбуєтесь про фінансування, хитрість полягає в тому, щоб зв’язатися з інженерами зі штучного інтелекту в LinkedIn з конкретними питаннями. Вірте чи ні, але багато спеціалістів зі штучного інтелекту та машинного навчання люблять допомагати, як через свою справжню зацікавленість у темі, так і через те, що якщо їм вдасться вам допомогти, вони можуть використовувати це як позитивний кейс-стаді для свого портфоліо консультанта.

Фінальні думки

З усього гіпру навколо штучного інтелекту нормально, що ви можете бути схильні інтегрувати його в свій бізнес та розробити рішення, що працює на штучному інтелекті, яке підніме вас на новий рівень. Однак вам потрібно пам’ятати, що те, що всі говорять про штучний інтелект, означає, що ваш бізнес потребує штучного інтелекту. Багато підприємств, на жаль, поспішають інтегрувати штучний інтелект без чіткої мети, та закінчують тим, що витрачають величезні суми грошей та часу. У деяких випадках, особливо для компаній на ранній стадії, це може означати їхнє знищення. Чітко артикулюючи проблему, збираючи відповідні дані, тестуючи гіпотезу, і використовуючи інструменти, які вже існують, з допомогою експерта, ви можете інтегрувати штучний інтелект без витрачання фінансових ресурсів вашої компанії. Потім, якщо рішення працює, ви можете поступово розширити та інтегрувати штучний інтелект у ті області, де він підвищує ефективність або прибутковість вашої компанії.