Trí tuệ nhân tạo trong Doanh nghiệp: Đếm chi phí đầy đủ

Trí tuệ nhân tạo đã vượt ra ngoài lý thuyết và tính mới mẻ. Đối với nhiều tổ chức, nó hiện nằm bên cạnh các hệ thống cốt lõi như một phần của cơ sở hạ tầng. Nhiều người vẫn nghĩ về nó chủ yếu ở dạng các mô hình ngôn ngữ lớn công khai và các rô-bốt trò chuyện – thứ mà bạn có thể sử dụng và loại bỏ khi xong. Nhìn trí tuệ nhân tạo dưới góc độ này có thể bỏ qua phạm vi rộng lớn hơn của các mô hình và kỹ thuật có thể cải thiện kết quả một cách hiệu quả hơn với ít rủi ro hơn.

Sự thật là trí tuệ nhân tạo nên được đánh giá như bất kỳ khoản đầu tư cơ sở hạ tầng lớn nào khác – với tầm nhìn rõ ràng về chi phí, lợi ích và rủi ro hoạt động từ đầu. Đưa nó đến trạng thái có thể sử dụng được có nghĩa là đầu tư vào các đường ống dữ liệu chất lượng, khả năng quan sát, quản trị và những người giữ cho nó phù hợp với kết quả kinh doanh mong muốn. Cắt giảm ở đây, và hóa đơn chỉ đơn giản được chuyển đến tương lai với lãi suất thêm vào.

Làm thế nào Chi phí Trí tuệ nhân tạo Thật sự Tăng

Hiểu được, các đội có thể giả định chi phí trí tuệ nhân tạo tăng theo đường thẳng: làm gấp đôi công việc, trả gấp đôi tiền. Trên thực tế, công sức, chi phí và kết quả có thể di chuyển độc lập với nhau theo những cách đáng ngạc nhiên. Hãy hỏi một mô hình trí tuệ nhân tạo đọc một tài liệu dài toàn bộ và nó phải xem xét mỗi từ trong mối quan hệ với mọi từ khác. Trong hầu hết các mô hình ngôn ngữ lớn phổ biến, điều đó có nghĩa là công việc liên quan, và do đó chi phí, không tăng theo cách mà mọi người tự nhiên mong đợi – tăng gấp đôi đầu vào, tăng gấp đôi chi phí – nhưng thay vào đó tăng khoảng theo平方 của độ dài đầu vào. Sự nhận thức về các nguyên tắc cơ bản như này có thể có tác động thực sự đến dòng dưới cùng của bất kỳ triển khai trí tuệ nhân tạo nào. Nếu một tổ chức xử lý lượng lớn văn bản mỗi ngày, một cơ quan quản lý chẳng hạn, thiết kế từ đầu xung quanh các đường ống tìm kiếm hoặc thu hồi thay vì gửi toàn bộ tài liệu đến mô hình, trải nghiệm người dùng cuối vẫn là “đặt câu hỏi, nhận câu trả lời trong vài giây”, tương tự như một rô-bốt trò chuyện công khai. Điều đó giữ cho các giám đốc điều hành hào hứng với trí tuệ nhân tạo hài lòng với các tương tác tức thời, trong khi dưới bề mặt, hệ thống đang làm việc ít hơn nhiều và hóa đơn tính toán thấp hơn nhiều như một kết quả.

Làm thế nào Chi tiêu Trí tuệ nhân tạo được Phân bổ trên Toàn bộ Tổ chức

Các lựa chọn công nghệ chỉ là một phần của câu chuyện, phần còn lại là cách các tổ chức tiếp cận trí tuệ nhân tạo ngay từ đầu. Trong nhiều tổ chức, việc chuẩn bị dữ liệu nằm trong lĩnh vực kỹ thuật. Các đánh giá tuân thủ nằm trong lĩnh vực pháp lý. Chi tiêu trên đám mây sống với các nhóm nền tảng hoặc cơ sở hạ tầng. Việc chọn mô hình, cấu hình và tinh chỉnh bất kỳ nằm với một số nhà điều hành chuyên môn. Mỗi nhóm nhìn thấy phần việc của mình và dòng ngân sách của mình. Chi tiêu xuất hiện dưới dạng tính toán ở đây, thời gian của nhà thầu ở đó, và thời gian của mọi người được hấp thụ vào “kinh doanh như bình thường” trên nhiều nhóm. Với các số liệu phân tán trên các trung tâm chi phí, việc có được chi phí đầy đủ của một sáng kiến trí tuệ nhân tạo duy nhất có thể không được nhìn thấy ở bất kỳ nơi nào và dễ bị đánh giá thấp. Trong môi trường đó, chi phí trí tuệ nhân tạo có thể tăng lên một cách im lặng, chỉ vì không ai theo dõi toàn bộ số liệu ở một nơi.

Một Cách Tiếp cận Thực tiễn để Quản lý Chi phí Trí tuệ nhân tạo

Tránh trí tuệ nhân tạo không phải là động thái đúng cho các tổ chức, nhưng cũng không phải là việc đối xử với trí tuệ nhân tạo như một công nghệ bắt tất. Một chiến lược tốt luôn là bắt đầu với kết quả mong muốn và làm việc ngược lại. Không mọi trường hợp đều cần một mô hình lớn, tổng quát, đắt tiền để chạy. Nhiều nhiệm vụ có thể được xử lý bằng các kỹ thuật học máy được hiểu rõ nằm dưới mái nhà trí tuệ nhân tạo và có thể chạy trên cơ sở hạ tầng hiện có.

Bắt đầu nhỏ với các dự án thử nghiệm đo lường tổng chi phí sở hữu, không chỉ sử dụng mô hình, điều này có nghĩa là nhìn vào tính toán,当然, nhưng cũng vào công việc tích hợp, thời gian kỹ sư, quản lý thay đổi và nỗ lực tuân thủ. Mục tiêu là chọn mô hình nhỏ nhất và đơn giản nhất mang lại kết quả chấp nhận được thay vì giả định “nhiều mô hình” có nghĩa là “nhiều lợi ích”.

Trí tuệ nhân tạo không phải là một thứ. Nó là sự kết hợp của các kỹ thuật và công cụ có thể được sử dụng theo các cách khác nhau. Nhìn nhận nó theo cách này làm giảm đi sự huyền bí xung quanh các kết quả ấn tượng và cho phép các doanh nghiệp tận dụng sức mạnh của nó với nhiều trách nhiệm và hiệu quả hơn.

Con người, Thời gian và Trí tuệ nhân tạo

Mỗi triển khai trí tuệ nhân tạo trên thực tế là sự hợp tác giữa con người và phần mềm. Cho dù điều đó có được công nhận chính thức hay không, đó là cách công việc được thực hiện. Sự chuyển dịch hiện tại hướng tới nhiều trí tuệ nhân tạo có tính đại lý – các công cụ có thể liên kết các bước, gọi các hệ thống khác và hành động với ít lời nhắc hơn – không thay đổi điều đó, trên thực tế, nó làm tăng mức độ cho việc đưa con người vào quy trình làm việc đúng.

Các công cụ này có thể dễ dàng bị quá tin tưởng. Khi một hệ thống trình bày câu trả lời một cách trôi chảy và tự tin, điều tự nhiên là mọi người sẽ giả định nó thường đúng. Nếu một công cụ như vậy được thả vào một quy trình làm việc mà không có đào tạo thích hợp, ranh giới rõ ràng và kiểm tra hợp lý, nó có thể tạo ra một dòng lỗi nhỏ im lặng. Mỗi lỗi phải được phát hiện, hiểu và sửa chữa bởi một người. Trên giấy, trí tuệ nhân tạo trông có vẻ hiệu quả, trong thực tế, có một chi phí ẩn trong thời gian con người bổ sung để dọn dẹp sau nó. Trong các thiết lập hướng tới khách hàng hoặc được quản lý, những lỗi nhỏ đó cũng có thể mang theo chi phí về danh tiếng. Tuy nhiên, các công cụ được giao hoặc sử dụng như thế nào, trách nhiệm giải trình cho đầu ra của chúng vẫn nằm trong tổ chức và, trong các điều khoản hàng ngày, với các nhà điều hành con người sử dụng chúng. Điều đó cần được hiểu rõ ràng để các công cụ đó thực sự hữu ích.

Một mẫu tốt hơn là sự hợp tác có chủ ý: những người có kỹ năng vẫn rõ ràng kiểm soát kết quả, và trí tuệ nhân tạo được sử dụng để tăng tốc các phần của công việc phù hợp với nó, chẳng hạn như tóm tắt, soạn thảo, sắp xếp, tìm kiếm. Ngay cả khi một số kiểm tra và sửa lỗi vẫn cần thiết, hiệu ứng tổng thể của trí tuệ nhân tạo được giới thiệu và quản lý tốt trong các quy trình làm việc có thể là nhiều tốc độ hơn, nhiều nhất quán hơn và nhiều khả năng hơn những gì một đội có thể đạt được một mình.

Quản trị như một Phần của Ngân sách Trí tuệ nhân tạo

Ngay cả khi các lựa chọn kỹ thuật là âm thanh và sử dụng là hiệu quả, một phần ngày càng tăng của chi tiêu trí tuệ nhân tạo sẽ bị ràng buộc trong quản trị chứ không phải tính toán thô. Đối với các tổ chức hoạt động trong EU, Đạo luật trí tuệ nhân tạo làm rõ điều đó. Nó đưa ra một cái nhìn dựa trên rủi ro về trí tuệ nhân tạo và quan trọng là điều đó không chỉ áp dụng cho các sản phẩm hướng tới công chúng. Các hệ thống nội bộ được sử dụng trong các lĩnh vực như tuyển dụng và thăng tiến, quản lý và giám sát nhân viên, và việc ra quyết định liên quan đến an toàn nhất định có thể thuộc phạm vi và mang theo kỳ vọng về quản lý rủi ro, tài liệu, nhật ký và giám sát con người cùng với chúng. Các khu vực khác đang di chuyển theo một hướng tương tự, ngay cả khi các quy tắc trông hơi khác, xu hướng tổng thể là như nhau: các tổ chức lớn hơn được kỳ vọng biết trí tuệ nhân tạo được sử dụng ở đâu, nó đang làm gì và nó được kiểm soát như thế nào.

Hiệu ứng thực tế của điều này là các dự án trí tuệ nhân tạo nội bộ hiện có thể đi kèm với một khối lượng công việc quản trị của riêng chúng, điều này không tùy chọn. Mỗi trường hợp sử dụng mới có thể có nghĩa là một đánh giá rủi ro hoặc tác động mới, giám sát nhiều hơn và nhiều câu hỏi hơn từ các nhóm tuân thủ, kiểm toán hoặc rủi ro. Không có điều gì trong số đó sẽ xuất hiện trong các chỉ số sử dụng mô hình nhưng đó là nỗ lực thực sự phải được trả tiền.

Một lần nữa, không có lý do nào để tránh trí tuệ nhân tạo. Đó là một lời nhắc nhở rằng chi phí chạy của một quy trình được kích hoạt trí tuệ nhân tạo nội bộ không chỉ là giá của việc gọi một mô hình. Quản trị và kỳ vọng quy định bây giờ là một phần của tổng chi phí sở hữu

Ở đâu Triển khai Trí tuệ nhân tạo Đi sai

Một mẫu quen thuộc trong các dự án trí tuệ nhân tạo là khoảng cách giữa cách một hệ thống trông trong một bản demo và cách nó hành xử khi mở rộng quy mô trong thế giới thực. Trong một môi trường được kiểm soát, với một tập hợp các câu hỏi hẹp và dữ liệu thân thiện, kết quả có thể trông hoàn hảo. Điều đó dễ dàng trong khoảnh khắc đó để giả định hệ thống đã sẵn sàng để xử lý một toàn bộ loại công việc.

Các vấn đề thường xuất hiện sau đó, khi hệ thống được暴露 với toàn bộ sự đa dạng và khối lượng của sử dụng thực tế: các truy vấn không bình thường, người dùng bị căng thẳng, hồ sơ không đầy đủ, các trường hợp biên giới lộn xộn. Các vết nứt không nhìn thấy trong bản demo bắt đầu xuất hiện dưới dạng câu trả lời bị sai hướng, tinh tế bị bỏ lỡ, vòng lặp hỗ trợ, thời gian xử lý dài hơn và thiệt hại im lặng đối với niềm tin. Các chỉ số nội bộ như “câu hỏi được xử lý” và “thời gian tiết kiệm” có thể trông tốt trên giấy, nhưng trải nghiệm sống của người dùng cuối có thể kể một câu chuyện khác.

Đánh bật trực tiếp từ một bản demo được đánh bóng hoặc một thử nghiệm nhỏ nơi thành công trong điều kiện được kiểm soát được coi là bằng chứng hệ thống đã sẵn sàng cho việc triển khai rộng rãi hơn có thể là một sai lầm tốn kém. Trong thế giới thực, người dùng mang theo các truy vấn lộn xộn, dữ liệu không đầy đủ và các giả định của riêng họ về những gì công cụ có thể làm. Nếu kỳ vọng không được quản lý và quy trình làm việc xung quanh hệ thống không được thiết kế với các giải pháp dự phòng và nâng cao, tổ chức phải trả tiền hai lần: một lần cho việc xây dựng và một lần nữa trong hỗ trợ bổ sung, làm lại, khiếu nại và mất niềm tin. Công nghệ có thể trông ấn tượng trên giấy, nhưng không có cách tiếp cận thực tế về cách nó đáp ứng con người và quy trình thực, lợi tức đầu tư đó nhanh chóng bị xói mòn.

Đổi lại, các hệ thống được thiết kế tốt, với các ranh giới rõ ràng và quyền sở hữu con người được xây dựng từ đầu, có thể làm những việc mà không một đội con người nào có thể quản lý một mình: quét khối lượng thông tin khổng lồ trong vài giây, phát hiện các mẫu trên nhiều năm dữ liệu và xử lý các quyết định thường xuyên với quy mô mà nếu không sẽ nằm ngoài tầm với. Điểm mấu chốt là để kiếm được những lợi ích đó, các tổ chức phải khớp tham vọng của họ với một quan điểm thực tế về cách công nghệ sẽ hành xử một khi nó được đưa ra thế giới.

Suy nghĩ Kết thúc

Không có gì trong số này là một lập luận chống lại trí tuệ nhân tạo. Đó là một lập luận cho việc đối xử với nó với cùng mức độ nghiêm túc như bất kỳ hệ thống nào khác có thể thay đổi đáng kể cách một doanh nghiệp hoạt động.

Sử dụng tốt, trí tuệ nhân tạo giúp các đội nhỏ hành động với quy mô lớn hơn, khám phá các mẫu mà nếu không sẽ khó phát hiện bằng tay và làm cho phán quyết của chuyên gia đi xa hơn. Nhưng để đến đó đòi hỏi một tầm nhìn rõ ràng về nơi trí tuệ nhân tạo được sử dụng, chi phí tổng thể của nó là gì và nó được quản lý như thế nào. Điều đó có nghĩa là đưa ra các lựa chọn có chủ ý về các mô hình và kiến trúc, đầu tư vào dữ liệu và khả năng quan sát, và thiết kế các quy trình mà con người vẫn ở trong vòng lặp.

“Di chuyển nhanh và phá vỡ mọi thứ” là một khẩu hiệu được viết cho các đội con người làm việc trên các hệ thống có quy mô con người: nếu điều gì đó bị hỏng, bạn sẽ cuộn lại, vá và tiếp tục. Một khi trí tuệ nhân tạo được dệt vào các quyết định về khách hàng, nhân viên hoặc công dân, thái độ tương tự có thể tạo ra các vấn đề lan truyền nhanh hơn, va chạm mạnh hơn và khó khăn hơn nhiều để giải quyết. Tốc độ vẫn quan trọng và trí tuệ nhân tạo chắc chắn có thể giúp đỡ ở đây, nhưng nó phải được khớp với một tầm nhìn rõ ràng về rủi ro, chi phí và trách nhiệm giải trình.

Không có cách nào để loại bỏ hoàn toàn chi phí hoặc rủi ro. Nhưng có một sự khác biệt rõ ràng giữa các tổ chức dựa vào các thí nghiệm ad-hoc và những tổ chức xây dựng trí tuệ nhân tạo vào hoạt động của họ theo một cách có biện pháp, với tầm nhìn từ chi tiêu đến thành công. Trên toàn bộ các vấn đề và kết quả mà các tổ chức phải đối mặt, không có giải pháp trí tuệ nhân tạo duy nhất nào có thể giải quyết tất cả. Sử dụng trí tuệ nhân tạo hiệu quả trong doanh nghiệp nên luôn được chuyên môn hóa, giám sát và có phạm vi rõ ràng.