Çfarë është një kompani e inteligjencës artificiale? [Video dhe kuiz]

Përgjigje e shkurtër: Një kompani e inteligjencës artificiale është ajo kompani, produkti kryesor, vlera ose avantazhi konkurrues i së cilës mbështetet në inteligjencën artificiale - nëse e hiqni inteligjencën artificiale, oferta do të shembet ose do të përkeqësohet ndjeshëm. Nëse inteligjenca artificiale dështon nesër dhe ju prapë mund të ofroni shërbime me spreadsheet-e ose softuer bazë, ka shumë të ngjarë që të jeni të pajisur me inteligjencë artificiale, jo të lindur në të. Kompanitë e vërteta të inteligjencës artificiale dallohen përmes të dhënave, vlerësimit, vendosjes dhe sytheve të ngushta përsëritëse.

Përmbledhjet kryesore:

Varësia thelbësore: Nëse heqja e inteligjencës artificiale e prish produktin, po kërkoni një kompani të inteligjencës artificiale.

Test i thjeshtë: Nëse mund të ecësh përpara pa inteligjencë artificiale, ndoshta je i pajisur me inteligjencë artificiale.

Sinjalet operacionale: Ekipet që diskutojnë devijimin, grupet e vlerësimeve, vonesën dhe mënyrat e dështimit kanë tendencë të bëjnë punën e vështirë.

Rezistenca ndaj keqpërdorimit: Ndërtoni parmakë mbrojtës, monitorim dhe plane rikthimi kur modelet dështojnë.

Kujdesi ndaj blerësit: Shmangni larjen e informacionit nga inteligjenca artificiale duke kërkuar mekanizma, metrika dhe qeverisje të qartë të të dhënave.

“Kompania e inteligjencës artificiale” përdoret aq lirshëm sa rrezikon të nënkuptojë gjithçka dhe asgjë në të njëjtën kohë. Një startup pretendon statusin e inteligjencës artificiale sepse shtoi një kuti plotësimi automatik. Një kompani tjetër trajnon modele, ndërton vegla, dërgon produkte dhe vendos në mjedise prodhimi… dhe prapë futet në të njëjtën kategori.

Pra, etiketa ka nevojë për skaje më të mprehta. Dallimi midis një biznesi të bazuar në inteligjencën artificiale dhe një biznesi standard me pak të dhëna të të mësuarit automatik duket shpejt sapo të dini se çfarë të kërkoni.

Artikuj që mund t'ju pëlqejnë të lexoni pas këtij:

🔗 Si funksionon përmirësimi i shkallëzimit me anë të inteligjencës artificiale
Mësoni se si modelet shtojnë detaje për të zmadhuar imazhet në mënyrë të pastër.

🔗 Si duket kodi i IA-së
Shikoni shembuj të kodit të gjeneruar dhe si është strukturuar ai.

🔗 Çfarë është një algoritëm i IA-së?
Kuptoni algoritmet që ndihmojnë IA-në të mësojë, parashikojë dhe optimizojë.

🔗 Çfarë është përpunimi paraprak i inteligjencës artificiale?
Zbuloni hapat që pastrojnë, etiketojnë dhe formatojnë të dhënat për trajnim.

Çfarë është një kompani IA: përkufizimi i qartë që ia vlen ✅

Një përkufizim praktik:

Një kompani e inteligjencës artificiale është një biznes, produkti kryesor, vlera ose avantazhi konkurrues i të cilit varet nga inteligjenca artificiale - që do të thotë se nëse e hiqni inteligjencën artificiale, "gjëja" e kompanisë shembet ose përkeqësohet ndjeshëm. (OECD, NIST AI RMF)

Jo "ne përdorëm inteligjencën artificiale një herë në një hackathon". Jo "ne shtuam një chatbot në faqen e kontaktit". Më shumë si:

• Produkti është një sistem AI (ose mundësohet nga një sistem i vetëm) (OECD)

• Avantazhi i kompanisë vjen nga modelet, të dhënat, vlerësimi dhe përsëritja (Google Cloud MLOps, NIST AI RMF Playbook - Measure)

• IA nuk është një veçori - është motori 🧠⚙️

Ja një kontroll i lehtë i zorrëve:

Imagjinoni dështimin e inteligjencës artificiale nesër. Nëse klientët do t'ju paguanin ende dhe ju do të mund të çalonit me spreadsheet-e ose softuerë bazë, ka shumë të ngjarë që të jeni të pajisur me inteligjencën artificiale, jo të lindur në të.

Dhe po, ka një zonë të mesme të turbullt. Si një foto e bërë përmes një dritareje me mjegull... jo një metaforë e mirë, por e kuptoni idenë 😄

Dallimi midis "kompanisë së inteligjencës artificiale" dhe "kompanisë së mundësuar nga inteligjenca artificiale" (kjo pjesë ruan argumentet) 🥊

Shumica e bizneseve moderne përdorin një formë të inteligjencës artificiale. Vetëm kjo nuk i bën ato një kompani të inteligjencës artificiale. (OECD)

Zakonisht një kompani e inteligjencës artificiale:

• Shet drejtpërdrejt aftësitë e IA-së (modele, bashkëpilotë, automatizim inteligjent)

• Ndërton sisteme të patentuara të IA-së si produktin kryesor

• Ka inxhinieri, vlerësim dhe vendosje serioze të IA-së si një funksion thelbësor (Google Cloud MLOps)

• Mëson vazhdimisht nga të dhënat dhe përmirëson performancën si një metrikë kyçe 📈 (Dokumenti i Bardhë i Google MLOps)

Zakonisht një kompani e mundësuar nga inteligjenca artificiale:

• Përdor inteligjencën artificiale në mënyrë të brendshme për të ulur kostot, për të përshpejtuar rrjedhat e punës ose për të përmirësuar synimin

• Ende shet diçka tjetër (mallra me pakicë, shërbime bankare, logjistikë, media, etj.)

• Mund të zëvendësojë inteligjencën artificiale me softuer tradicional dhe prapëseprapë të jetë "vetvetja"

Shembuj (të përgjithshëm me qëllim, sepse debatet për markat janë një hobi për disa njerëz):

• Një bankë që përdor inteligjencën artificiale për zbulimin e mashtrimeve - e mundësuar nga inteligjenca artificiale

• Një shitës me pakicë që përdor inteligjencën artificiale për parashikimin e inventarit - i mundësuar nga inteligjenca artificiale

• Një kompani, produkti i së cilës është një agjent i mbështetjes së klientëve të IA-së - me shumë mundësi një kompani e IA-së

• Një platformë që shet mjete për monitorimin, vlerësimin dhe vendosjen e modeleve - Kompani e IA-së (infrastrukturë) (Google Cloud MLOps)

Pra, po… dentisti juaj mund të përdorë inteligjencën artificiale për të planifikuar përkujtesa. Kjo nuk e bën atë një kompani të inteligjencës artificiale 😬🦷

Çfarë e bën një kompani të inteligjencës artificiale një version të mirë 🏗️

Jo të gjitha kompanitë e IA-së janë ndërtuar njësoj, dhe disa, në të vërtetë, janë kryesisht të bazuara në energji dhe kapital sipërmarrës. Një version i mirë i një kompanie të IA-së tenton të ndajë disa tipare që shfaqen vazhdimisht:

• Përgjegjësi e qartë e problemit: ato zgjidhin një problem specifik, jo "IA për gjithçka"

• Rezultate të matshme: saktësi, kohë e kursyer, kosto e reduktuar, më pak gabime, konvertim më i lartë - zgjidhni diçka dhe gjurmojeni (NIST AI RMF)

• Disiplina e të dhënave: cilësia e të dhënave, lejet, qeverisja dhe sythet e reagimit nuk janë opsionale (NIST AI RMF)

• Kultura e vlerësimit: ata testojnë modelet si të rriturit - me standarde, raste të përparuara dhe monitorim 🔍 (Google Cloud MLOps, Datadog)

• Realiteti i vendosjes: sistemi funksionon në kushte të çrregullta të përditshme, jo vetëm në demo.

• Një avantazh i mbrojtshëm: të dhënat e domenit, shpërndarja, integrimi i rrjedhës së punës ose mjetet pronësore (jo vetëm "ne e quajmë një API")

Një shenjë çuditërisht domethënëse:

• Nëse një ekip flet për vonesën, devijimin, grupet e vlerësimeve, halucinacionet dhe mënyrat e dështimit, ata ndoshta po bëjnë punë të vërtetë të IA-së. (IBM - Devijimi i modelit, OpenAI - halucinacione, Google Cloud MLOps)

• Nëse ata flasin kryesisht për "revolucionarizimin e sinergjisë me vibracione inteligjente", atëherë... e dini si është 😅

Tabela Krahasuese: "llojet" e zakonshme të kompanive të IA-së dhe çfarë shesin ato 📊🤝

Më poshtë është një tabelë krahasimi e shpejtë, paksa e papërsosur (si biznesi i përditshëm). Çmimet janë "stile tipike çmimesh", jo numra të saktë, sepse ndryshojnë shumë.

Vini re diçka. "Kompania e inteligjencës artificiale" mund të nënkuptojë biznese shumë të ndryshme. Disa shesin modele. Disa shesin lopata për ndërtuesit e modeleve. Disa shesin produkte të gatshme. E njëjta etiketë, realitet krejtësisht i ndryshëm.

Arketipet kryesore të kompanive të inteligjencës artificiale (dhe çfarë gabojnë ato) 🧩

Le të shkojmë pak më thellë, sepse këtu njerëzit ngatërrohen.

1) Kompanitë që i japin përparësi modelit 🧠

Këto ndërtojnë ose përsosin modele. Forca e tyre zakonisht është:

• talent kërkimor

• optimizimi i llogaritjes

• vlerësim dhe cikle përsëritjeje

• infrastrukturë shërbimi me performancë të lartë (Dokumenti i Bardhë i Google MLOps)

Gabim i zakonshëm:

• Ata supozojnë se "model më i mirë" automatikisht është i barabartë me "produkt më të mirë".
  Nuk është kështu. Përdoruesit nuk blejnë modele, ata blejnë rezultate.

2) Kompanitë e inteligjencës artificiale që i japin përparësi produktit 🧰

Këto përfshijnë inteligjencën artificiale brenda një rrjedhe pune. Ato fitojnë nëpërmjet:

• shpërndarje

• UX dhe integrimi

• sythe të forta reagimi

• besueshmëri më shumë sesa inteligjencë e papërpunuar

Gabim i zakonshëm:

• Ata e nënvlerësojnë sjelljen e modelit në praktikë. Përdoruesit e vërtetë do ta prishin sistemin tuaj në mënyra të reja dhe krijuese. Çdo ditë.

3) Kompanitë e IA-së në infrastrukturë ⚙️

Mendoni për monitorimin, vendosjen, qeverisjen, vlerësimin, orkestrimin. Ato fitojnë nëpërmjet:

• zvogëlimin e dhimbjes operative

• menaxhimi i riskut

• duke e bërë IA-në të përsëritshme dhe pak a shumë të sigurt (NIST AI RMF, Google Cloud MLOps)

Gabim i zakonshëm:

• Ata ndërtojnë për ekipe të përparuara dhe i injorojnë të gjithë të tjerët, pastaj pyesin veten pse adaptimi është i ngadaltë.

4) Kompanitë e inteligjencës artificiale të përqendruara në të dhëna 🗂️

Këto përqendrohen në kanalet e të dhënave, etiketimin, të dhënat sintetike dhe qeverisjen e të dhënave. Ato fitojnë nëpërmjet:

• përmirësimi i cilësisë së sinjalit të stërvitjes

• reduktimin e zhurmës

• duke mundësuar specializimin (MIT Sloan / Andrew Ng mbi inteligjencën artificiale të përqendruar në të dhëna)

Gabim i zakonshëm:

• Ata e teprojnë me idenë se "të dhënat zgjidhin gjithçka". Të dhënat janë të fuqishme, por ju prapëseprapë keni nevojë për modelim të mirë dhe mendim të fortë mbi produktin.

Çfarë fshihet brenda një kompanie të inteligjencës artificiale: pak a shumë, pak a shumë 🧱

Nëse shikoni pas perdes, shumica e kompanive të vërteta të inteligjencës artificiale ndajnë një strukturë të brendshme të ngjashme. Jo gjithmonë, por shpesh.

Shtresa e të dhënave 📥

• mbledhjen dhe gëlltitjen

• etiketim ose mbikëqyrje e dobët

• privatësia, lejet, ruajtja

• sythe reagimesh (korrigjime nga përdoruesit, rezultate, rishikim njerëzor) (NIST AI RMF)

Shtresa e modelit 🧠

• zgjedhja e modeleve bazë (ose trajnimi nga e para)

• rregullim i imët, distilim, inxhinieri e shpejtë (po, ende vlen)

• sistemet e rikuperimit (kërkim + renditje + baza të dhënash vektoriale) (punim RAG (Lewis et al., 2020), Oracle - kërkim vektorial)

• suita vlerësimi dhe sete testimi (Google Cloud MLOps)

Shtresa e produktit 🧑💻

• UX që trajton pasigurinë (sinjale besimi, gjendje "rishikimi")

• parmakë mbrojtës (politika, refuzimi, përfundimi i sigurt) (NIST AI RMF)

• integrimi i rrjedhës së punës (email, CRM, dokumente, bileta, etj.)

Shtresa e Operacioneve 🛠️

• monitorimi për devijim dhe degradim (IBM - Model Devijim, Google Cloud MLOps)

• reagim ndaj incidenteve dhe rikthim (Uber - siguria e vendosjes)

• menaxhimi i kostos (llogaritja mund të jetë një përbindësh i vogël i uritur)

• qeverisja, auditimet, kontrolli i aksesit (NIST AI RMF, përmbledhje e ISO/IEC 42001)

Dhe pjesa që askush nuk e reklamon:

• procese njerëzore - recensues, përshkallëzim, QA dhe tubacione reagimesh nga klientët.
  IA nuk është "vendose dhe harroje". Është më shumë si kopshtaria. Ose si të kesh një rakun si kafshë shtëpiake. Mund të jetë e lezetshme, por do ta shkatërrojë absolutisht kuzhinën tënde nëse nuk po shikon 😬🦝

Modelet e biznesit: si fitojnë para kompanitë e inteligjencës artificiale 💸

Kompanitë e inteligjencës artificiale kanë tendencë të bien në disa forma të zakonshme të monetizimit:

• Bazuar në përdorim (për kërkesë, për token, për minutë, për imazh, për detyrë) (Çmimet e OpenAI API, OpenAI - token)

• Abonime të bazuara në vende (për përdorues në muaj) (Çmimet e Microsoft 365 Copilot)

• Çmime të bazuara në rezultate (të rralla, por të fuqishme - të paguara për konvertim ose biletë të zgjidhur)

• Kontratat e ndërmarrjes (mbështetje, pajtueshmëri, SLA, vendosje e personalizuar)

• Licencimi (në pajisje, i integruar, në stilin OEM) (NVIDIA)

Një tension me të cilin përballen shumë kompani të inteligjencës artificiale:

• Klientët duan shpenzime të parashikueshme 😌

• Kostot e inteligjencës artificiale mund të luhaten në varësi të përdorimit dhe zgjedhjes së modelit 😵

Pra, kompanitë e mira të IA-së bëhen shumë të mira në:

• drejtimi i detyrave në modele më të lira kur është e mundur

• rezultatet e ruajtjes në memorje

• kërkesat për grumbullim

• kontrollimi i madhësisë së kontekstit

• dizajnimi i UX që dekurajon "spiralet e pafundme të menjëhershme" (të gjithë e kemi bërë…)

Pyetja e rëndësishme: çfarë e bën një kompani të inteligjencës artificiale të mbrojtshme 🏰

Kjo është pjesa pikante. Shumë njerëz supozojnë se hendeku është "modeli ynë është më i mirë". Ndonjëherë është, por shpesh… jo.

Avantazhet e përbashkëta të mbrojtshme:

• Të dhëna pronësore (veçanërisht specifike për domenin)

• Shpërndarja (e integruar në një rrjedhë pune në të cilën përdoruesit tashmë jetojnë)

• Kostot e ndërrimit (integrimet, ndryshimet në procese, zakonet e ekipit)

• Besimi në markë (veçanërisht për domenet me rrezik të lartë)

• Përsosmëri operacionale (shpërndarja e inteligjencës artificiale të besueshme në shkallë të gjerë është e vështirë) (Google Cloud MLOps)

• Sistemet njerëzore-në-cikli (zgjidhjet hibride mund të tejkalojnë automatizimin e pastër) (NIST AI RMF, Akti i BE-së për IA - mbikëqyrja njerëzore (Neni 14))

Një e vërtetë paksa e pakëndshme:
Dy kompani mund të përdorin të njëjtin model themelor dhe prapë të kenë rezultate krejtësisht të ndryshme. Dallimi zakonisht qëndron në gjithçka rreth modelit - dizajni i produktit, vlerësimet, rrjedhat e të dhënave dhe mënyra se si ato trajtojnë dështimin.

Si të dalloni larjen e inteligjencës artificiale (e njohur edhe si "ne i shtuam shkëlqim dhe e quajtëm inteligjencë") 🚩

Nëse po vlerësoni se çfarë është një kompani e inteligjencës artificiale, kini kujdes për këto sinjale paralajmëruese:

• Nuk përshkruhet qartë aftësia e inteligjencës artificiale: shumë marketing, asnjë mekanizëm

• Demo magjike: demo mbresëlënëse, asnjë përmendje e kutive të skajit

• Asnjë histori vlerësimi: ata nuk mund të shpjegojnë se si e testojnë besueshmërinë (Google Cloud MLOps)

• Përgjigje të të dhënave me dorë të valëzuar: e paqartë se nga vijnë të dhënat ose si qeverisen ato (NIST AI RMF)

• Asnjë plan për monitorim: ata sillen sikur modelet nuk devijojnë (IBM - Model drift)

• Ata nuk mund t'i shpjegojnë mënyrat e dështimit: gjithçka është "pothuajse perfekte" (asgjë nuk është) (OpenAI - halucinacione)

Flamuj të gjelbër (e kundërta qetësuese) ✅:

• Ato tregojnë se si e matin performancën

• Ata flasin për kufizimet pa u shqetësuar

• Ato kanë rrugë shqyrtimi dhe përshkallëzim nga njeriu (NIST AI RMF, Akti i BE-së për AI - mbikëqyrje nga njeriu (Neni 14))

• Ata i kuptojnë nevojat e privatësisë dhe pajtueshmërisë (NIST AI RMF, përmbledhje e Aktit të EU AI)

• Ata mund të thonë "ne nuk e bëjmë këtë" pa u shembur emocionalisht 😅

Nëse po ndërtoni një të tillë: një listë praktike kontrolli për t'u bërë një kompani e inteligjencës artificiale 🧠📝

Nëse po përpiqeni të kaloni nga "kompani e mundësuar nga inteligjenca artificiale" në "kompani të inteligjencës artificiale", ja një rrugë e realizueshme:

• Filloni me një rrjedhë pune që i dëmton aq shumë njerëzit saqë ata do të paguajnë për ta rregulluar atë

• Rezultatet e instrumentit herët (para se të shkallëzoheni)

• Ndërtoni një set vlerësimi nga raste reale përdoruesish (Google Cloud MLOps)

• Shtoni cikle reagimesh që nga dita e parë

• Bëjini kangjellat mbrojtëse pjesë të projektimit, jo një mendim të dytë (NIST AI RMF)

• Mos ndërto tepër - dërgo një pykë të ngushtë që është e besueshme

• Trajtojeni vendosjen si një produkt, jo si një hap të fundit (Google Cloud MLOps)

Gjithashtu, këshilla kundërintuitive që funksionojnë:

• Shpenzoni më shumë kohë për atë që ndodh kur inteligjenca artificiale gabon sesa kur ka të drejtë.
  Këtu fitohet ose humbet besimi. (NIST AI RMF)

Përmbledhje përmbyllëse 🧠✨

Pra… ajo që është një kompani e inteligjencës artificiale varet nga një shpjegim i thjeshtë:

Është një kompani ku IA është motori, jo dekorimi. Nëse e hiqni IA-në dhe produkti nuk ka më kuptim (ose humbet avantazhin e tij), ndoshta po shikoni një kompani të vërtetë IA-je. Nëse IA është vetëm një mjet midis shumë të tjerëve, është më e saktë ta quajmë të mundësuar nga IA.

Dhe të dyja janë në rregull. Bota ka nevojë për të dyja. Por etiketa ka rëndësi kur investon, punëson, blen softuer ose përpiqesh të kuptosh nëse po të shitet një robot apo një copë kartoni me sy të çuditshëm 🤖👀

Shembull nga bota reale: Ndërtimi i një kompanie triazhimi me mbështetje për inteligjencën artificiale 

Skenari

Imagjinoni një startup të vogël që ndërton një asistent triazhimi për mbështetje të inteligjencës artificiale për dyqanet e tregtisë elektronike në stilin Shopify. Ky është një shembull imagjinar, jo një studim rasti i vërtetë i kompanisë.

Produkti nuk shton thjesht një chatbot në një qendër ndihme. Detyra e tij qendrore është të lexojë biletat e klientëve që vijnë, të klasifikojë problemin, të sugjerojë një përgjigje, të sinjalizojë rastet me rrezik rimbursimi dhe të drejtojë çdo gjë të ndjeshme te një agjent njerëzor.

Nëse hiqni inteligjencën artificiale, produkti shndërrohet kryesisht në një mjet bazë etiketimi. Kjo e bën atë shumë më të ngjashëm me një kompani të inteligjencës artificiale sesa me një shtesë të shërbimit të ndihmës të mundësuar nga inteligjenca artificiale, sepse vlera kryesore varet nga klasifikimi, parashikimi, rikuperimi dhe përmirësimi i vazhdueshëm.

Çfarë i duhet asistentit

Që asistenti të jetë efektiv, ekipit do t'i duhen:

Tiketa të mbështetjes së klientëve nga 3-6 muajt e fundit, me të dhëna private të hequra

Një listë e politikave të miratuara të rimbursimit, kthimit, transportit dhe zbritjeve

Shembuj të përgjigjeve "të mira" njerëzore

Një sërë kategorish biletash, të tilla si artikull i dëmtuar, dërgesë e vonuar, kërkesë për rimbursim, porosi e humbur, pyetje mbi produktin dhe klient i zemëruar

Rregulla për kur IA duhet të përshkallëzohet në vend që të përgjigjet

Një buton i thjeshtë reagimesh për agjentët: "pranuar", "ndryshuar" ose "refuzuar"

Shembull udhëzimi

Ju jeni një asistent mbështetjeje për një dyqan tregtie elektronike. Lexoni çdo mesazh të klientit dhe ktheni katër gjëra: kategorinë e biletës, nivelin e urgjencës, përgjigjen e sugjeruar dhe nëse një njeri duhet ta shqyrtojë atë para se ta dërgojë.

Gjithmonë përshkallëzoni mosmarrëveshjet për rimbursimin, kërcënimet ligjore, pretendimet mjekësore, problemet e pagesës, mesazhet abuzive dhe rastet kur mungojnë detajet e porosisë së klientit.

Përdorni vetëm dokumentet e politikave të miratuara nga dyqani. Nëse përgjigjja nuk është në politikë, thoni se nevojitet shqyrtim njerëzor. Mos shpikni rregulla për rimbursimin, datat e dorëzimit, kodet e zbritjes ose informacionin e gjurmimit.

Si ta testoni

Përpara se ta shesë këtë si një produkt të vërtetë, ekipi duhet të kryejë një set të vogël vlerësimi.

Për shembull:

Testoni 100 tiketa të vjetra mbështetjeje ku kategoria e saktë dihet tashmë

Përfshini të paktën 20 bileta të papërsosura me gabime drejtshkrimore, numra porosish që mungojnë, gjuhë emocionale ose probleme të shumëfishta në një mesazh

Krahasoni kategorinë e inteligjencës artificiale me kategorinë njerëzore

Kontrolloni nëse janë ndjekur rregullat e përshkallëzimit

Kërkojuni dy agjentëve të mbështetjes të vlerësojnë përgjigjet e sugjeruara si "të dërgueshme", "duhet të modifikohen" ose "të gabuara"

Ndiqni rezultatin çdo javë, jo vetëm një herë në një demo

Rezultati

Rezultati ilustrues: bazuar në llogaritjen e kohës së 100 biletave shembullore para dhe pas përdorimit të rrjedhës së punës.

Triazh manual: 100 bileta × 2.5 minuta secila = 250 minuta

Triazh i asistuar nga inteligjenca artificiale: 100 bileta × 45 sekonda kohë shqyrtimi secila = 75 minuta

Koha e kursyer e parashikuar: 175 minuta për 100 bileta, ose 70%

Objektivi i saktësisë së kategorisë para lançimit: të paktën 90 nga 100 bileta të klasifikuara saktë

Objektivi i sigurisë së përshkallëzimit: 0 përshkallëzime të humbura në të gjitha kategoritë e kërkuara të shqyrtimit njerëzor

Një blerës mund t’i verifikojë këto numra duke kryer të njëjtin test me 100 rezultate brenda ndihmës së tyre dhe duke krahasuar klasifikimet e inteligjencës artificiale me etiketat historike njerëzore.

Çfarë mund të shkojë keq

Rreziku më i madh nuk është se inteligjenca artificiale tingëllon keq. Është se tingëllon e sigurt ndërkohë që gabon.

Gabimet e zakonshme përfshijnë:

Të lejosh që IA të premtojë rimbursime që nuk mund t'i miratojë

Përdorimi i dokumenteve të vjetruara të politikave

Matja vetëm e "përgjigjeve me pamje të bukur" në vend të rrugëzimit të saktë

Injorimi i rasteve të rënda si kthimet e parave, kërcënimet ose klientët e cenueshëm

Anashkalimi i shqyrtimit njerëzor për biletat me rrezik të lartë

Pretendimi për "automatizim 95%" pa shpjeguar se çfarë është testuar

Një kompani serioze e inteligjencës artificiale do t'i trajtonte këto si probleme të dizajnit të produktit, jo si shënime të çuditshme në fund të faqes.

Përgatitje praktike për të marrë me vete

Ky shembull tregon ndryshimin midis vlerës së vërtetë të IA-së dhe dekorimit të IA-së. Kompania nuk është "IA" sepse përdor një model diku në grumbull. Është një kompani IA sepse klasifikimi, rikthimi, vlerësimi, përshkallëzimi dhe sythet e reagimit janë motori i produktit.

Pyetje të shpeshta

Çfarë llogaritet si një kompani me inteligjencë artificiale kundrejt një kompanie të mundësuar nga inteligjenca artificiale?

Një kompani e inteligjencës artificiale është ajo ku produkti kryesor, vlera ose avantazhi konkurrues varet nga inteligjenca artificiale - nëse hiqni inteligjencën artificiale, oferta shembet ose përkeqësohet ndjeshëm. Një kompani e mundësuar nga inteligjenca artificiale përdor inteligjencën artificiale për të forcuar operacionet (si parashikimi ose zbulimi i mashtrimeve), por prapë shet diçka thelbësisht jo-inteligjente. Një test i thjeshtë: nëse inteligjenca artificiale dështon nesër dhe ju prapë mund të funksiononi me softuer bazë, ka të ngjarë që të jeni të mundësuar nga inteligjenca artificiale.

Si mund ta dalloj shpejt nëse një biznes është vërtet një kompani e inteligjencës artificiale?

Konsideroni se çfarë ndodh nëse IA ndalon së punuari. Nëse klientët do të vazhdonin të paguanin dhe biznesi mund të çante me spreadsheet-et ose softuerët tradicionalë, ndoshta nuk është i lindur për IA-në. Kompanitë e vërteta të IA-së gjithashtu kanë tendencë të flasin me terma konkretë operacionalë: grupe vlerësimi, vonesë, devijim, halucinacione, monitorim dhe mënyra dështimi. Nëse është e gjitha marketing dhe asnjë mekanizëm, ky është një flamur i kuq.

A duhet ta trajnosh modelin tënd për të qenë një kompani e inteligjencës artificiale?

Jo. Shumë kompani të IA-së ndërtojnë produkte të forta mbi modelet ekzistuese dhe prapë kualifikohen si të bazuara në IA kur IA është motori i produktit. Ajo që ka rëndësi është nëse modelet, të dhënat, vlerësimi dhe ciklet e përsëritjes nxisin performancën dhe diferencimin. Të dhënat pronësore, integrimi i rrjedhës së punës dhe vlerësimi rigoroz mund të krijojnë një avantazh të vërtetë edhe pa trajnim nga e para.

Cilat janë llojet kryesore të kompanive të IA-së dhe si ndryshojnë ato?

Llojet e zakonshme përfshijnë ndërtuesit e modeleve themelore, aplikacionet vertikale të IA-së (si mjetet ligjore ose mjekësore), bashkëpilotët për punën me njohuritë, platformat MLOps/model ops, bizneset e të dhënave dhe etiketimit, IA në skaj/në pajisje, konsulencat/integruesit dhe ofruesit e mjeteve të vlerësimit/sigurisë. Të gjitha mund të jenë "kompani IA", por shesin gjëra shumë të ndryshme: modele, produkte të gatshme ose infrastrukturën që e bën IA-në e prodhimit të besueshme dhe të qeverisshme.

Si duket një kompani tipike e inteligjencës artificiale nën kapuç?

Shumë kompani të IA-së ndajnë një grup të përafërt të dhënash: një shtresë të dhënash (mbledhja, etiketimi, qeverisja, sythet e reagimeve), një shtresë modeli (përzgjedhja e modelit bazë, rregullimi i imët, kërkimi RAG/vektor, suitat e vlerësimit), një shtresë produkti (UX për pasigurinë, parmakët mbrojtës, integrimi i rrjedhës së punës) dhe një shtresë operacionesh (monitorimi për devijime, reagimi ndaj incidenteve, kontrollet e kostove, auditimet). Proceset njerëzore - rishikuesit, përshkallëzimi, QA - shpesh janë shtylla kurrizore jo e bukur.

Cilat metrika tregojnë se një kompani e inteligjencës artificiale po bën "punë të vërtetë", jo vetëm demo?

Një sinjal më i fortë janë rezultatet e matshme të lidhura me produktin: saktësia, koha e kursyer, kostoja e reduktuar, më pak gabime ose konvertim më i lartë - i shoqëruar me një metodë të qartë për vlerësimin dhe monitorimin e këtyre metrikave. Ekipet reale ndërtojnë standarde, testojnë raste të përparuara dhe gjurmojnë performancën pas vendosjes. Ata gjithashtu planifikojnë kur modeli është i gabuar, jo vetëm kur është i saktë, sepse besimi varet nga trajtimi i dështimeve.

Si fitojnë zakonisht para kompanitë e inteligjencës artificiale dhe cilat kurthe çmimesh duhet t'i kenë parasysh blerësit?

Modelet e zakonshme përfshijnë çmimet e bazuara në përdorim (për kërkesë/token/detyrë), abonimet e bazuara në vende, çmimet e bazuara në rezultate (më të rralla), kontratat e ndërmarrjeve me SLA dhe licencimin për IA të integruar ose në pajisje. Një tension kyç është parashikueshmëria: klientët duan shpenzime të qëndrueshme, ndërsa kostot e IA mund të ndryshojnë me përdorimin dhe zgjedhjen e modelit. Shitësit e fortë e menaxhojnë këtë duke drejtuar modele më të lira, duke ruajtur në memorien e përkohshme, duke grumbulluar dhe duke kontrolluar madhësinë e kontekstit.

Çfarë e bën një kompani të inteligjencës artificiale të mbrojtshme nëse të gjithë mund të përdorin modele të ngjashme?

Shpesh hendeku nuk është thjesht "model më i mirë". Mbrojtja mund të vijë nga të dhënat e domenit pronësor, shpërndarja brenda një fluksi pune në të cilin përdoruesit tashmë jetojnë, kostot e ndërrimit nga integrimet dhe zakonet, besimi në markë në fushat me rrezik të lartë dhe përsosmëria operacionale në ofrimin e inteligjencës artificiale të besueshme. Sistemet njerëzore në ciklin e punës gjithashtu mund të tejkalojnë automatizimin e pastër. Dy ekipe mund të përdorin të njëjtin model dhe të marrin rezultate shumë të ndryshme bazuar në gjithçka përreth tij.

Si mund ta dalloj larjen e inteligjencës artificiale kur vlerësoj një shitës ose startup?

Kushtojini vëmendje pretendimeve të paqarta pa aftësi të qarta të inteligjencës artificiale, "magjisë demonstruese" pa raste të veçanta dhe pamundësisë për të shpjeguar vlerësimin, qeverisjen e të dhënave, monitorimin ose mënyrat e dështimit. Pretendimet tepër të sigurta si "pothuajse perfekte" janë një tjetër shenjë paralajmëruese. Flamujt e gjelbër përfshijnë matje transparente, kufizime të qarta, plane monitorimi për devijime dhe rishikime ose shtigje përshkallëzimi njerëzorë të përcaktuara mirë. Një kompani që mund të thotë "ne nuk e bëjmë këtë" është shpesh më e besueshme se një që premton gjithçka.

Referencat

1. OECD - oecd.ai

2. OECD - oecd.org

3. Instituti Kombëtar i Standardeve dhe Teknologjisë (NIST) - NIST AI RMF (AI 100-1) - nist.gov

4. Korniza e Menaxhimit të Rrezikut të IA-së (IA RMF) e NIST - i Masave - nist.gov

5. Google Cloud - MLOps: Rrjedha të vazhdueshme të ofrimit dhe automatizimit në të mësuarit automatik - google.com

6. Google - Udhëzuesi i Praktikuesit për MLOps (Dokumenti i Bardhë) - google.com

7. Google Cloud - Çfarë është MLOps? - google.com

8. Datadog - Praktikat më të mira të kornizës së vlerësimit të LLM - datadoghq.com

9. IBM - Zhvendosja e modelit - ibm.com

10. OpenAI - Pse modelet gjuhësore halucinojnë - openai.com

11. OpenAI - Çmimet API - openai.com

12. Qendra e Ndihmës OpenAI - Çfarë janë tokenët dhe si t'i numëroni ato - openai.com

13. Microsoft - Çmimet e Microsoft 365 Copilot - microsoft.com

14. Shkolla e Menaxhimit MIT Sloan - Pse është koha për inteligjencë artificiale të përqendruar në të dhëna - mit.edu

15. NVIDIA - Çfarë është inteligjenca artificiale në skaj? - nvidia.com

16. IBM - Edge kundrejt AI në cloud - ibm.com

17. Uber - Ngritja e standardit në sigurinë e vendosjes së modelit ML - uber.com

18. Organizata Ndërkombëtare për Standardizim (ISO) - Përmbledhje e ISO/IEC 42001 - iso.org

19. arXiv - Gjenerim i Zgjeruar i Rikthimit për Detyra NLP me Intensitet të Njohurive (Lewis et al., 2020) - arxiv.org

20. Oracle - Kërkim vektorial - oracle.com

21. Akti i Inteligjencës Artificiale (BE) - Mbikëqyrja njerëzore (Neni 14) - artificialintelligenceact.eu

22. Komisioni Evropian - Korniza rregullatore mbi IA-në (Përmbledhje e Aktit të IA-së) - europa.eu

23. YouTube - youtube.com

24. Dyqani i Asistentëve të IA-së - Si funksionon përmirësimi i shkallëzimit të IA-së - aiasssistantstore.com

25. Dyqani i Asistentëve të IA-së - Si duket kodi i IA-së - aiasssistantstore.com

26. Dyqani i Asistentëve të IA-së - Çfarë është një algoritëm i IA-së - aiasssistantstore.com

27. Dyqani i Asistentëve të IA-së - Çfarë është parapërpunimi i IA-së - aiasssistantstore.com

Gjeni IA-në më të fundit në Dyqanin Zyrtar të Asistentëve të IA-së

Rreth Nesh