Tujuh pakar IT bercakap: Bagaimana untuk memulakan dan menskalakan projek perintis AI yang berjaya

Pejabat Paten dan Tanda Dagangan A.S. di Alexandria, Virginia, Amerika Syarikat, menggunakan projek kecerdasan buatan (AI) untuk mempercepatkan proses pengelasan paten, membantu mengesan penipuan dan mengembangkan carian pemeriksa untuk paten yang serupa supaya mereka boleh mengklasifikasikannya pada masa yang sama Cari lebih banyak dokumen, dan setiap projek mereka bermula dengan perintis. "Bukti konsep (PoC) ialah kaedah utama yang kami gunakan untuk memahami teknologi baharu, menguji andaian nilai perniagaan, mengurangkan risiko dalam penyampaian projek secara berskala dan memaklumkan keputusan pelaksanaan pengeluaran penuh," kata Jamie Holcombe, ketua pegawai maklumat di Paten A.S. dan Pejabat Tanda Dagangan Apabila program perintis terbukti berjaya, langkah seterusnya adalah untuk menentukan sama ada untuk mengembangkannya, katanya. Kemudian tiba masanya untuk membuat skala dalam persekitaran sebenar dan masuk ke dalam pengeluaran penuh.

Pembekal e-dagang India Flipkart juga mengikuti proses yang sama sebelum menggunakan projek yang membantu pelanggan menghantar teks berjuta-juta item dalam 11 bahasa berbeza Carian dan carian visual. Kini, Flipkart sedang menguji bot perbualan, menggunakan pembelajaran mendalam untuk membina model yang merangkumi pengesanan niat pengguna, terjemahan bahasa, pertuturan ke teks dan keupayaan teks ke pertuturan. Kedua-dua Flipkart dan Pejabat Paten dan Tanda Dagangan A.S. sedang pesat mengembangkan aplikasi penglihatan komputer, pemprosesan bahasa semula jadi, pembelajaran mesin dan teknologi kecerdasan buatan yang lain kepada aspek perniagaan yang lain.

Sama seperti AI dan pembelajaran mesin, terdapat banyak projek perintis awal dan projek PoC yang gagal mencapai pengeluaran penuh. Projek yang sudah berjaya perlu menjadi sebahagian daripada pelan strategik, mempunyai sokongan eksekutif, boleh menggunakan data yang betul, mempunyai pasukan yang diperlukan, mempunyai metrik teknikal dan perniagaan yang betul, dan pencapaian projek, melalui pelbagai lelaran, dan menjadi Percubaan dan kesilapan. "Proses ini mungkin mengambil masa satu atau dua tahun untuk mencapai tahap kualiti tinggi, dan anda perlu bersabar dalam tempoh ini," kata Ganapathy Krishnan, naib presiden kejuruteraan di Flipkart.

Meletakkan asas kejayaan

Syarikat sedang bergerak pantas untuk melancarkan projek perintis AI yang berjaya ke dalam pengeluaran dan menyampaikan hasil. Rowan Curran, kecerdasan buatan, pembelajaran mesin dan penganalisis sains data di Forrester, berkata: "Kami telah melihat bahawa projek AI memasuki arus perdana, dengan 57% perusahaan melaksanakan atau mengembangkan projek AI mereka, dan 70% hingga 75% perusahaan Kami melihat nilai yang jelas daripada projek-projek ini "Selain itu, menurut tinjauan baru-baru ini oleh Ernst & Young, 53% daripada CIO dan pemimpin IT berkata bahawa data dan analisis dalam bidang AI akan menjadi kawasan pelaburan teratas dalam dua tahun akan datang. .

Tetapi kebanyakan projek perintis ini ditakdirkan gagal sebelum ia bermula, atas beberapa sebab, bermula dengan kekurangan sokongan dari atas ke bawah. "Anda memerlukan pembelian eksekutif, dan anda perlu mempunyai pembiayaan," kata Holcombe USPTO

Sesetengah pemimpin IT percaya bahawa memulakan projek dari tengah organisasi atau dari bawah ke atas akan menjadi satu. masalah. Mengurangkan peluang kejayaan projek. Projek yang paling berjaya akan mendapat sokongan daripada CIO dan komitmen eksekutif untuk membiayai projek dan menyepadukan AI ke dalam strategi transformasi digital keseluruhan organisasi.

Krishnan dari Flipkart berkata ia juga penting untuk menetapkan jangkaan yang jelas. "Anda tidak sepatutnya menjangkakan bahawa projek yang anda gunakan akan mengubah perniagaan secara asasnya. Ini adalah proses yang panjang dan mengambil masa

PoC juga boleh menjadi latihan dalam mengasah keupayaan dalam perusahaan, itulah sebabnya Pendekatan." diambil oleh syarikat pembuatan Eli Lilly. "Melalui PoC, kami mencuba dan memahami dimensi skala teknologi dan penyampaian projek," kata Tim Coleman, naib presiden penyelesaian maklumat dan digital dan ketua pegawai maklumat di Lilly Pasukan itu menggunakan keupayaan pemprosesan bahasa semula jadi ke kawasan perniagaan. Penemuan, penjanaan dan terjemahan bahasa semula jadi, daripada penciptaan kandungan klinikal dan saintifik kepada pembangunan produk, carian lanjutan dan fungsi pengurusan am.

Tetapi jangan kelirukan latihan pembinaan kapasiti ini dengan projek perintis yang perlu menjana nilai transformasi yang luas, memberi amaran kepada Dan Diasio, ketua perunding AI global di EY, “Anda mahu membina keupayaan anda untuk sampai ke sana, tetapi pada masa hadapan Apabila anda perlu bersaing dengan pengganggu dan memberi kesan yang bermakna kepada pelabur, anda perlu mengambil pendekatan atas ke bawah.”

Beginilah cara syarikat penjagaan kesihatan Atlantic Health System mendekati projek kecerdasan buatan dan pembelajaran mesin. Sistem Kesihatan Atlantik telah berjaya merintis penilaian imej untuk membantu ahli radiologi dan automasi pra-kebenaran, yang mengambil pesanan pengimejan dan menjadualkannya melalui beberapa langkah proses. Sunil Dadlani, naib presiden kanan dan ketua pegawai maklumat syarikat, berkata: "Kecerdasan buatan harus menjadi sebahagian daripada transformasi digital, bukan inisiatif terpencil. Kami telah memformalkan struktur tadbir urus dan pelan pelaburan untuk kecerdasan buatan dan pembelajaran mesin Di Eli Lilly , cadangan projek harus melepasi tiga kriteria sebelum bergerak ke hadapan: ia memberikan nilai perniagaan dari segi pulangan pelaburan, mempunyai kadar kejayaan yang boleh diterima, dan hasil projek mesti konsisten dengan strategi dan keutamaan perniagaan, kata Coleman. Mosaic PV, sebagai contoh, merupakan salah satu projek AI pertama Eli Lilly yang memfokuskan pada pelaporan reaksi advers ubat, dengan pemacu utama adalah untuk "meningkatkan produktiviti dan mengurangkan kos menangani kejadian buruk sambil mengekalkan standard kualiti dan pematuhan yang tinggi."

Apa masalahnya?

Seorang juruterbang yang berjaya harus bermula dengan mentakrifkan masalah perniagaan. "Jangan menjadi pencari masalah melalui jawapan," kata Sanjay Srivastava, ketua strategi digital di Genpact, firma perkhidmatan profesional global. Genpact terutamanya menyediakan perkhidmatan perundingan mengenai projek AI kepada perusahaan besar. "Projek yang menumpukan pada kejayaan perniagaan dan bermula dengan soalan dan bukannya jawapan cenderung berfungsi dengan baik." "Adakah projek ini sesuai untuk piawaian yang cukup kompleks untuk menjamin penggunaan AI? Jika anda boleh melakukannya dengan pendekatan berasaskan peraturan yang mudah, lakukannya," kata Krishnan "Tetapi jika anda mempunyai ratusan ribu atau bahkan berjuta-juta Penggunaan kaedah berasaskan perisian tidak boleh dilaksanakan apabila terdapat beribu-ribu peraturan ”

Adakah anda mempunyai penunjuk dan data yang sesuai?

Berbalik kepada USPTO, projek AI memerlukan dua set penunjuk: penunjuk teknikal tentang cara melaksanakan model dan penunjuk tentang cara mengukur nilai komersial projek AI.

Sistem Kesihatan Atlantik memastikan kejayaan dengan melaksanakan projek perintis dengan KPI perniagaan yang jelas untuk sebahagian kecil perniagaan. Sebagai contoh, sistem penilaian pengimejan Sistem Kesihatan Atlantik mula digunakan sebagai juruterbang kecil dalam neurologi dan dengan cepat berkembang ke kardiologi dan bidang lain. Pasukan ini mencipta juruterbang neurologi yang berjaya dalam lapan minggu, menunjukkan hasil projek, dan mendapat sokongan daripada kardiologi dan semua talian perkhidmatan lain.

Flipkart, seperti USPTO, mula-mula memfokuskan pada penunjuk model teknikal dan kemudian menjalankan ujian A/B untuk melihat kesannya terhadap perniagaan. Pada masa ini, pasukan sedang membangun dan menguji bot perbualan yang dibantu AI. Mereka bermula dengan metrik "kebolehjawaban", iaitu keupayaan robot untuk menjawab soalan. Kini mereka menjalankan ujian A/B untuk menentukan sama ada ini akan memberi kesan yang boleh diukur pada perniagaan.

Projek AI sangat bergantung pada data besar dan anda memerlukan kelajuan, volum dan kepelbagaian yang diperlukan, kata Dadlani. "Jika kualiti data anda tidak baik, anda tidak akan melihat hasil yang anda jangkakan."

Srivastava dari Genpact bersetuju. "Sembilan puluh peratus daripada kerja membina sistem AI adalah sekitar pengingesan data, penyelarasan, kejuruteraan dan tadbir urus. Jika anda memberi tumpuan kepada 10% dan meninggalkan 90%, anda akan gagal dari awal, jadi anda perlu membina asas data."

Anda juga perlu dapat memberikan maklum balas berterusan antara ujian A/B yang berbeza - mendapatkan data dalam masa nyata untuk melaraskan model. Tetapi organisasi anda mungkin tidak dapat menyampaikan data dengan cepat dan automatik. Contohnya, jika anda sedang mengusahakan model ramalan dan pasukan tidak mendapat maklumat secara automatik tentang perkara yang dibeli oleh pelanggan, anda tidak boleh melengkapkan gelung tersebut. Ia juga penting untuk meneruskan gelung maklum balas selepas penggunaan penuh, kerana pilihan pelanggan boleh berubah dari semasa ke semasa. Jika model anda tidak mengambil kira perkara ini, anda tidak akan mendapat hasil yang anda jangkakan, hasil yang dikenali sebagai "model drift."

Adakah projek perintis akan diperluaskan?

Walaupun projek perintis mungkin boleh digunakan sepenuhnya dalam jangkaan awal anda, kebolehskalaan bergantung pada projek perintis ini. Jadi, adakah anda mempunyai sumber yang betul untuk menskalakan projek perintis kepada penggunaan penuh. "Daripada mempunyai repositori data, mengupah pasukan baharu dan membina kilang label data, anda mungkin perlu memudahkan kod, memperkenalkan teknologi baharu dan mendorong AI dan pembelajaran mesin ke tepi," kata EY's Diasio keseluruhan set kemahiran kejuruteraan.”

Pelaksanaan projek perintis

Flipkart mengguna pakai awan dan keupayaan berkaitan MLOps dalam projek perintis. "Projek perintis memerlukan banyak sokongan kejuruteraan dari awal, mereka perlu berulang kali, percubaan dan kesilapan dengan cepat, dan untuk melakukan itu anda memerlukan infrastruktur MLOps daripada pembekal perkhidmatan awan yang besar sejauh mana mereka hampir mencapai matlamat mereka, dan pastikan jangkaan ditetapkan dengan betul semasa perintis.

"Jika anda menetapkan 3% pada awal perintis, anda berjaya," katanya, jangan mengharapkan untuk melihat faedah serta-merta. Projek perintis yang kompleks sering bergelut untuk melihat kesan dalam masa tiga bulan. Apa yang anda perlu lakukan ialah menggunakan, mencari jurang, menggunakan semula dan menambah baik secara beransur-ansur.

Kegagalan semasa projek perintis tidak semestinya bermakna projek perintis tamat. Sistem klasifikasi USPTO yang dipertingkatkan gagal pada mulanya. "Sejak awal, kami menghadapi masalah dengan set data yang tidak diurus dengan betul," kata Holcombe tetapi pasukan itu menentukur semula dan meneruskan perintis sehingga sistem menunjukkan prestasi yang lebih baik daripada proses manual. “Jika anda gagal, jangan berputus asa, ketahui mengapa anda gagal.”

Penilaian Akhir

CIO, pengarah IT dan perunding di atas akan menggunakan pelbagai kaedah untuk menilai projek perintis mereka. Di Sistem Kesihatan Atlantik, setelah perintis awal selesai, tiba masanya untuk menilai keputusan, yang menentukan sama ada untuk melanjutkan perintis, meneruskan pengeluaran atau mengurangkan kerugian. Dadlani berkata: "Projek perintis perlu menyediakan ukuran kejayaan yang dilihat dan hanya apabila kita melihat hasil yang menjanjikan kita akan berkata, apa yang diperlukan untuk skala, berapa banyak masa yang akan diambil, berapa lama masa yang diperlukan untuk merealisasikan nilai , infrastruktur teknologi Apakah pelaburan yang diperlukan dari segi sumber, dan bagaimana kita melaksanakannya?" Eli Lilly's Coleman berkata terdapat banyak sebab mengapa projek perintis gagal: kemahiran AI yang tidak mencukupi, data berlabel yang tidak mencukupi, visi projek yang tidak jelas atau cadangan nilai, kekurangan Ketangkasan, kekurangan mentaliti cuba-ralat yang pantas, kekurangan persetujuan daripada eksekutif kanan, dan kekurangan pengurusan perubahan organisasi untuk memacu penerimaan perniagaan.

Anda perlu melaporkan ke atas penunjuk yang penting kepada pelaporan kewangan. Sebagai contoh, jika algoritma penentuan harga meramalkan penjimatan $50 juta, mungkin terdapat jurang antara apa yang telah dicapai setakat ini dan apa yang dijangkakan, Diasio: “Apabila anda bercakap tentang projek yang besar dan mahal, projek perintis selalunya kekurangan alat. untuk mencipta nilai sebanyak itu, jadi lakukan segala usaha untuk mendokumenkan nilai yang telah dicapai”

Ini juga peluang untuk menilai semula sama ada juruterbang perlu ditingkatkan. "Banyak PoC yang sangat berjaya dari segi teknikal tetapi tidak masuk akal ekonomi apabila ia berkaitan dengan skala," kata Srivastava Genpact yang lain termasuk berapa lama masa yang diperlukan untuk menskalakan projek dan sumber yang diperlukan.

Tetapi apabila anda melihat jauh, keadaan boleh berubah. "Walaupun skala mungkin tidak dapat dicapai dalam jangka pendek, skop projek yang lebih kecil dengan kebarangkalian kejayaan penyampaian yang tinggi mungkin masih memberikan nilai perniagaan jangka pendek, sementara pada masa yang sama keupayaan teknikal dan kemahiran matang ke tahap di mana mereka boleh atasi cabaran," kata Coleman. Tahap halangan untuk skala "

Kemudian terdapat infrastruktur. Anda harus memastikan anda menyemak semua andaian semasa penskalaan, termasuk konfigurasi, lebar jalur rangkaian, storan dan pengiraan. "Anda memerlukan banyak sokongan kejuruteraan untuk menskalakan projek perintis, dan di situlah infrastruktur MLOps berasaskan awan boleh membantu," kata Krishnan

Akhir sekali, anda harus memastikan anda boleh menyepadukan AI ke dalam aliran kerja huluan dan hiliran tengah. . Sebagai contoh, keupayaan kegagalan ramalan tidak akan berguna jika anda tidak menyepadukannya ke dalam sistem rantaian bekalan huluan anda untuk memastikan anda mempunyai alat ganti yang anda perlukan bila dan di mana anda memerlukannya. Begitu juga, maklumat ini boleh digunakan di hiliran untuk melaraskan jadual penyelenggaraan.

Mula perlahan, gagal dengan cepat, dan tunggu dengan sabar

Kunci kepada projek perintis AI/ML yang berjaya ialah perancangan awal Anda perlu mendapatkan sokongan eksekutif dan kewangan sebelum meneruskan ke hadapan. "Anda perlu mempunyai pembelian eksekutif," kata Holcombe, untuk melibatkan semua pihak berkepentingan dari awal.

Projek perintis AI/ML harus dijalankan sebagai sebahagian daripada keseluruhan strategi transformasi digital dan mempunyai senario perniagaan yang menarik, Dadlani berkata untuk mencapai hasil yang diinginkan memerlukan kesabaran. Membangunkan metrik kesan teknikal dan perniagaan yang mentakrifkan kejayaan. Pastikan anda mempunyai sumber yang anda perlukan, bina pasukan dan bersedia untuk percubaan dan kesilapan dengan cepat. Oleh itu, mempunyai gabungan kemahiran dan kepakaran domain yang diperlukan dalam pasukan anda adalah kunci kepada kejayaan projek perintis AI anda. "Walaupun dalam fasa perintis, anda memerlukan pasukan silang fungsi," katanya "Kami mahu memastikan bahawa semua orang terlibat dalam projek perintis kerana ia akan menjadi sebahagian daripada aliran kerja sebenar dan mereka perlu terlibat daripadanya. bermula. ”

Organisasi yang tidak mempunyai semua bakat yang mereka perlukan harus mempertimbangkan untuk membina pasukan hibrid dengan rakan kongsi luar, manakala syarikat kecil dan sederhana mungkin perlu menyumber luar lebih banyak peranan - jika mereka dapat mencari bakat yang sesuai. "Penyumberan luar adalah sangat sukar jika anda tidak mempunyai jurutera dan jurutera data AI/ML yang betul," kata Srivastava Lebih-lebih lagi, anda perlu mempunyai orang dalam pasukan anda yang memahami kedua-dua pembelajaran mesin dan industri (seperti pembuatan). ) kakitangan. Ini bukan set kemahiran yang mudah dicari, jadi latihan silang adalah penting.

Akhir sekali, anda ingin mempertimbangkan projek sasaran yang boleh menghasilkan hasil perniagaan sebenar dan kemudian berkembang ke kawasan perniagaan yang lain, seperti Sistem Kesihatan Atlantik lakukan dengan projek sistem penilaian pengimejan berasaskan pembelajaran mesin mereka.

Setelah juruterbang beralih ke pengeluaran penuh, bina pada kerja yang telah anda lakukan. Pastikan unit perniagaan dimaklumkan tentang kemajuan perintis, tunjukkan perkara yang akan dilakukan oleh projek apabila digunakan sepenuhnya, dan bangunkan platform di mana unit perniagaan lain boleh menggunakan aplikasi mereka sendiri. Srivastava berkata: “Hari ini, kadar perubahan adalah yang paling perlahan, dan syarikat yang ingin mengganggu dan berkembang mesti mengubah cara mereka memacu nilai, dan anda tidak boleh melakukannya tanpa AI Jika anda tidak melabur Jika anda menggunakan kecerdasan buatan, anda akan kelihatan seperti tidak berdaya.”

Atas ialah kandungan terperinci Tujuh pakar IT bercakap: Bagaimana untuk memulakan dan menskalakan projek perintis AI yang berjaya. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!