Neden Yapay Zeka Pilotlarınız Gönderilmeden Önce Duraklatmaya Devam Ediyor?
Üretime ulaşmayan yapay zeka pilotları bütçelerinden daha fazla kaynak tüketir. Gerçek maliyet ve döngüyü nasıl durdurabileceğiniz burada.
AI Deneyimlerinde Bir Mezarlığa Sahip Olmak
Çoğu şirket, yapay zekâ (AI) üzerinde deneyimlenirken bir "mezar yeri"ne sahiptir; bu, birkaç hareketsiz Slack kanalı, ve birkaç başarılı bir demo sonrasında sessizce duran üç veya dört pilot projeden oluşan bir klasördür. Hiç kimse onları öldürmedi; sadece günlük kullanım sınırını asmadılar.
Rahatlatıcı hikaye, bu deneyimlerin ucuz olması ve kaybın küçük olmasıdır. Ancak bu hikaye yanlıştır. Üretime ulaşmayan bir pilotun maliyeti, onu inşa etmek için ödenen faturadan çok daha yüksektir ve en büyük maliyetler asla faturaya yansıtılmaz.
Pilotların Gerçek Maliyeti
Sayılabilir şeylerle başlayalım. Bir pilot, mühendislik saatlerini, tedarikçi ücretlerini ve test eden kişilerin dikkatini tüketir. Ancak test eden kişiler genellikle boş kapasite değildir; bunlar genellikle en güçlü operatörlerdir çünkü süreçleri iyi anlarlar ve AI'ın yardım edip etmediğini değerlendirebilirler. Bir aracı hiçbir şey üretmeden değerlendirme için harcadıkları her saat, yalnızca onlar yapabilecekleri işlerden çalınır.
Veri işi de vardır; çoğu ciddi pilot, kayıtları temizlemek, örnekleri etiketlemek veya canlı bir sisteme bağlantı kurmak gibi görevleri gerektirir. Bu çaba gerçek ve kalıcıdır - ancak pilot üretime ulaşırsa. Pilotun durması durumunda, temizlenen veriler tekrar güncel olmaktan çıkar ve entegrasyon kapatılır. Bir varlık inşa ettiniz ve onu boşa harcadınız.
Hesaplanmayan Maliyetler
Ödenen faturaya yansıtılmayan maliyetler en pahalı kısmıdır. Ölü bir pilot, ona tanık olan herkesin güvenini sarsar. Bir araç vaat edilir, sonra kaybolur, bu yüzden ekip üyeleri AI projelerinin bir tür tiyatro olduğunu öğrenir. Bir sonraki önerinizde, en güçlü operatörler - tam olarak ihtiyacınız olanlar - daha önce gördükleri sonuçlara dayanarak katılmayı reddederler. Siz sıfırdan değil, kendinizin yarattığı şüphelerle aşağıdan başlıyorsunuz.
İkinci kurban zamanlamadır. Pilotunuz değerlendirme aşamasından beklerken, temel modeller gelişmeye devam etti ve rakipleriniz ürünlerini piyasaya sürüyordu. Demoda görülen avantaj, gerçek kullanıcıların sisteme bağımlı olduğu öğrenme aylarının birikmesiyle elde edilir; ancak pilot üretime ulaşmadığında bu avantaj elden gider.
Pilotların Neden Durduğunu Anlamak
Pilotlar genellikle teknoloji çalışmıyor olmasından değil, yazılmadan önce var olan nedenlerden dolayı durur:
- Üretime geçmek için yetki olmayan bir sahip. "Yenilik" tarafından desteklenen ancak onu çalıştıracak ekibin sahip olmadığı pilotlar üretime geçemez.
- Başarı ölçütü tanımlanmamış. Başlangıçtan önce ne sonucun dağıtım için yeterli olduğunu belirlemezse, her sonuç "ilginç, devam edelim" olarak değerlendirilir.
- Son mil dışlanmış. İzinler, izleme, hata işleme ve destek sonraya bırakılırsa, çalışan bir prototipin güvenli bir şekilde bağımlı olabileceği aylar geçmeden önce birçok zorluk ortaya çıkar.
- Pilot, demoda başarılı oldu, ancak gerçek işi ihmal etti. Temiz vaka etkileyici bir şekilde ele alınırken, çoğu işin %30'u berbat durumdadır ve pilot bu kirli %30'a dikkat etmemiştir.
Dikkat edin ki bunlar modelle ilgili değil, sahiplik, kapsam ve taahhütlerle ilgili sorunlardır - başlangıçtan önce alınan kararlar.
Pilotları Üretime Hazır Olarak Çalıştırın
Çözüm, bir pilotu teknoloji sorunu olarak değil, üretim aşamalarının ilk aşaması olarak ele almaktır. Başlamadan önce, aracı üretime sahip olacak kişiyi ve veto yetkisini belirleyin. Dağıtım için tek bir sayıyı ve temiz kapanış için başka bir sayıyı yazın. Son mil işlerini - erişim, izleme, modelin yanlış olduğunda geri düşüş - pilot kapsamına alın, değil, sonrasında. Gerçek bir iş akışı ve gerçek hacim seçin, gösterişli bir şey değil.
Başlamak daha yavaştır, ancak bu daha iyi sonuçlara yol açar. Üretime uygun olarak inşa edilmiş daha az sayıda pilot, asla laboratuvardan çıkmayan yoğun bir deneyim akışı ile hem sonuçlarda hem de ekibinize duyduğunuz güven açısından daha iyidir.
Hercules A'da, bir müşterinin AI çabalarının durakladığı anda ilk olarak bu eksiklikleri ararız: sahiplik eksikliği ve bitiş çizgisi belirsizliği. Teknoloji nadiren darboğazdır; genellikle başlangıçtan önce alınan kararlar sorun yaratır.
Bir pilotun başarısı, onu kullanmaya başlayanların bağımlılık geliştirmesi ve yokluğunda fark etmesi ile ölçülür. Başka bir deyişle, herhangi bir şeyin bu seviyeye ulaşmaması, zaten ödediğiniz ama henüz hesaba katmadığınız bir maliyet demektir.