Навігація у золотій лихоманці штучного інтелекту: розкриття прихованих витрат технічного боргу в корпоративних підприємствах

За останні рік штучний інтелект привернув увагу лідерів підприємств, що спонукає їх прискорити інвестиції в компанії штучного інтелекту або прискорити введення власних продуктів, щоб не відставати. Однак у поспіху приєднатися до цієї нової ери технологічних досягнень організації, які нові в штучному інтелекті, можуть не考虑увати один важливий фактор, який повинен бути на першому місці при інвестуванні або створенні нових продуктів штучного інтелекту: технічний борг.

Хоча концепція технічного боргу не нова, технологія штучного інтелекту створює особливий вид технічного боргу порівняно з традиційними програмними послугами. І оскільки штучний інтелект продовжує швидко вдосконалюватися, це спричиняє зростання цієї важливої проблеми разом з ним.

Що таке технічний борг?

Технічний борг, у найпростішому визначення, є накопиченням низькоякісного коду під час створення програмного продукту. Це зазвичай відбувається через прискорений графік виходу на ринок для задоволення бізнес-потреб або для отримання відгуку клієнтів швидше. Коли розглядається технічний борг, важливо зосередитися на свідомому аспекті цього, оскільки приймаючі рішення часто знають про ризики програмного забезпечення та вплив прийняття скорочень для швидкості. Поява штучного інтелекту створила особливу і унікальну проблему щодо технічного боргу, і з нею значні ризики та наслідки, які можуть виникнути.

Когда системи штучного інтелекту починають старіти, а їхні навчальні дані стають неточними і застарілими, вартість інвестування в штучний інтелект тепер перевищує час і інвестиції, необхідні для підтримки високоякісних навчальних даних, тобто даних гігієни.

Давайте розглянемо, як технічний борг накопичується, який вплив він має на дно лінії, і як організації можуть його виправити.

Як організації набувають технічний борг?

 Є два способи, як програмне забезпечення може набувати технічний борг. Один – через простий поганий код. Організації можуть придбати продукти або успадкувати їх через діяльність злиття та поглинання, лише щоб пізніше виявити проблеми з якістю на додаток до низьких темпів змін і інновацій. Інший – коли лідери свідомо вирішують взяти на себе технічний борг.

Когда мова йде про штучний інтелект, понад 72% лідерів хочуть采用 штучний інтелект для підвищення продуктивності працівників, однак головна проблема щодо впровадження штучного інтелекту полягає в якості даних і контролі. Це здається контрпродуктивним для організації використовувати продукт, який рекламується для підвищення продуктивності, одночасно відводячи час від важливої роботи з безперервним виправленням будь-яких і всіх проблем якості, які можуть загрожувати продуктивності, спричинені технічним боргом. Однак обіцянка майбутньої віддачі за підвищення продуктивності переважає ці перешкоди в найближчому майбутньому, які в кінцевому підсумку повернуться, щоб переслідувати програмне забезпечення в довгостроковій перспективі.

Дрейф моделі: новий вид технічного боргу

З появою збільшених інвестицій в штучний інтелект організації поспіхом розробили стратегії виходу на ринок, щоб заробити на золотій лихоманці генерації штучного інтелекту. Хоча це може працювати як короткостроковий драйвер доходу, організації не розглядають те, що може скласти велику кількість технічного боргу в майбутньому, відомого як дрейф моделі.

Дрейф моделі відбувається, коли продуктивність системи штучного інтелекту починає знижуватися, а виходи стають менш точними, коли навчальні дані застарівають. Подивившись на життєвий цикл штучного інтелекту, очевидно, що навчальні дані потрібно буде безперервно підтримувати і оновлювати, щоб забезпечити, щоб відповіді, які дає машина, були якомога точніші – саме тут починається розрив. Коли поспіхом вийти на ринок, приймаючі рішення часто віддають низький пріоритет проблемам, таким як отримання додаткових навчальних даних, підтримка гігієни даних системи та забезпечення наявності робочої сили, достатньої для виконання цих завдань.

Когда навчальні дані продовжують старіти, а розриви між реальністю та виходами збільшуються, організації будуть залишені з підвищеними витратами та часом, витраченим на виправлення цих прогалин, які могли бути уникнуті за допомогою належної процедури планування та протоколів. Коротко кажучи: пропуск наступного кроку при плануванні стратегії виходу на ринок може дозволити швидшу доставку, але це не варто майбутнього падіння, яке буде коштувати багатьма способами в довгостроковій перспективі.

Вплив технічного боргу на дно лінії

Технічний борг також може глибоко вплинути на організаційну ефективність – наприклад, розгляньте команди продажів. Коли технічний борг починає накопичуватися, а темп змін сповільнюється, це стає все більш складним для представників продажів приваблювати клієнтів, що сповільнює швидкість завершення угод і, в кінцевому підсумку, потоки доходу в результаті.

Поза продажами технічний борг також суттєво впливає на команди розробників. Не тільки це буде вимагати більше часу, витраченого на оновлення коду, але й відведе увагу від інновацій. Перенаправляючи увагу та час на технічне обслуговування, дорожня карта продукту потім відкладається або скасовується, створюючи ефект доміно, який у кінцевому підсумку може привести до недовіри між інженерним та комерційним боком бізнесу. Без дорожньої карти продукту команди продажів залишаються або з розбитими обіцянками, або з нічого не показують потенційним клієнтам, знову суттєво впливаючи на доходи.

Як виправити технічний борг

Когда передбачуваність доставки зменшується, організації починають бачити розрив організаційної ефективності, що призводить до розмов про те, як виправити виклики на місці. Є два способи, як приймаючі рішення можуть використати для боротьби з технічним боргом. Перший – це викинути платформу та код повністю та переплатформувати, або вбудувати невеликі інкрементні зміни, подібні до повільного очищення кімнати одне за одним, щоб в кінцевому підсумку привести системи до потрібного стану.

Перший метод, переплатформування, вимагає повної перебудови ваших систем і являє собою величезний і дорогий ризик. Подібно до великомасштабного процесу будівництва, будь-які затримки в графіку можуть зрушити продуктивні терміни і можуть призвести до того, що весь зусилля провалиться. Однак цей метод іноді працює. Взявши LinkedIn як приклад – після їхнього IPO у 2011 році компанія переплатформувала сайт і тепер є великим гравцем на ринку.

Безпечніша ставка, здійснення малих змін, які в кінцевому підсумку призведуть до великих поліпшень, – це інший випадок для аргументації. З розробниками, які вже взаємодіють з даними щодня, заходячи для здійснення коригувань тут і там, можна сформувати системи для звільнення від технічного боргу. Це також приносить користь навичкам розробників, оскільки їм потрібно залишатися в курсі останніх стандартів коду та технологій, що в кінцевому підсумку готує організацію до технічного успіху, оскільки у них менше прогалин у навичках. Реалізація ініціативи, керованої інженерами, де їм виділяється 20% часу для планування оновлень продукту, – це чудовий спосіб почати. Хоча цей процес значно повільніший, ніж переплатформування, він менш ризикований і все ж таки створює цінність для бізнес-моделі.

Залиште свій технічний борг позаду в епоху штучного інтелекту

Когда простір штучного інтелекту продовжує швидко розвиватися, ми побачимо більше рішень, що з’являються, які пропагують підвищення продуктивності та організаційної ефективності. Однак приймаючі рішення повинні пріоритезувати вбудовування технік, таких як безперервне підтримання даних, і думати про велику картину щодо життєвого циклу вашого рішення. Інвестування в штучний інтелект не повинно бути дорогим і перевантаженим, а з декількома малими змінами в плануванні та стратегії виходу на ринок ви можете уникнути наступної купи технічного боргу.