在將 AI 產品化時,您可能會遇到許多挑戰,例如如何將您的 AI 模型應用於流程或人員、穩定數據和模型、如何在不斷變化的環境中和隨著時間的推移保持模型準確、擴展以及如何增長或增強您的 AI 模型的功能。
嵌入人工智能
使用新算法運行成功的機器學習概念證明 (PoC) 只需將其產品化並從中獲得實際價值所需工作量的 10%。 剩下的 90% 可以分為製作可用產品所需要做的事情和製作有用產品所需要做的事情。
要製作可用的產品,您需要放大將產品提供給用戶的技術實現。 為了使它有用,您應該考慮將產品嵌入到用戶的流程中。 然而,首先,PoC 和可用產品之間究竟有什麼區別?
首先,PoC 並非用於生產。 產品需要在不斷變化的環境中始終工作。 在 PoC 期間,您找到要查找的數據,製作副本,然後開始對其進行清理和分析。 在生產中,您的數據源必須實時、安全、可靠地連接到數據平台; 數據流必須自動處理並與其他數據源進行比較/組合。
在 PoC 期間,您要么有幸與未來的用戶交談並與他們一起設計解決方案,要么根本沒有用戶,而您正在設計技術解決方案。 對於產品,您有需要了解該解決方案的用戶,以及負責保持技術解決方案運行的人員。 因此,產品需要培訓、常見問題解答和/或支持熱線才能使用。 此外,您只需為 PoC 中的一個用例創建一個新版本。 產品需要更新,當您為多個客戶推出產品時,您需要一種方法來測試和部署生產代碼(CI/CD 管道)。
“在 Itility,我們開發了 Itility 數據工廠和 AI 工廠,涵蓋了我們任何項目的構建塊和底層平台。 這意味著我們從一開始就涵蓋了可用的角度,因此我們可以專注於有用的角度(這更依賴於客戶和用例),”該公司表示。
害蟲檢測應用程序——從 PoC 到可用產品
“我們的害蟲檢測應用程序的概念驗證階段包括一個模型,該模型可以根據溫室團隊成員拍攝的圖像執行對膠水陷阱上的蒼蠅進行分類和計數的狹窄任務。 如果他們錯過了圖片或出現問題,他們可以返回並拍攝另一張,或者直接在儀表板中修復它。 需要相當多的人工檢查。
“我們的 PoC 世界很簡單,基於一台設備、一位用戶和一位客戶。 但是,要使其成為可用的產品,我們需要擴展和支持多個客戶。 然後,出現瞭如何保持數據分離和安全的問題。 此外,每個單獨的客戶/機器都需要設置和默認配置。 那麼,如何配置/設置 20 個新客戶? 您如何知道何時構建管理界面並自動化入職? 2 個客戶,20 個還是 200 個?”
當然,您可能會有疑問,例如“數蒼蠅如何幫助我的客戶? 如何從這些信息中創造價值? 如何推薦決策並採取行動? 這個 AI 應用程序如何適應業務流程?”。 第一步是將您的參考框架從技術/數據角度更改為最終用戶角度。 這意味著繼續與您的客戶進行對話,並了解經過驗證的 PoC 如何融入日常流程。
“你還必須在更長的時間內密切關注流程,你需要參加運營和戰術會議,以真正了解每天根據哪些信息採取哪些行動,在做什麼上花費了多少時間,以及推理過程。某些行為的背後。 如果不了解您的模型中的信息如何用於創造業務價值,您將無法獲得有用的產品。
“在我們的案例中,我們發現了哪些信息用於做出決策。 例如,我們發現對於某些害蟲而言,遵循每週趨勢更為重要(為此您不需要超高準確度),而其他害蟲則需要在害蟲的第一個跡象時採取行動(這意味著最好有幾個誤報比有一個誤報)。
“此外,我們發現我們的客戶之前在使用類似工具時有過‘糟糕’的體驗,聲稱其在實踐中無法提供準確度。 為什麼他們會信任我們的? 我們正面解決了這個信任問題,並將準確性和透明度作為產品的一個關鍵特徵。 我們利用這些信息使應用程序適應最終用戶的工作方法,並提高交互的透明度,讓用戶更好地控制應用程序,從而使我們的產品變得有用,”該公司繼續說道。
最大的挑戰是什麼?
“在我們的飛行計數場景中,我們可以隨心所欲地談論我們的準確度分數。 然而,為了有用,用戶(溫室專家)需要的不僅僅是百分比。 需要的是去體驗它,並學會信任它。 可能發生的最糟糕的事情是當您的用戶將您的結果與他們自己的手動結果進行比較並且存在(大)差異時。 你的名聲已經毀了,沒有重新獲得信任的餘地。 我們通過在產品中添加鼓勵用戶查找這些差異並糾正它們的軟件來抵消這一點。
“因此,我們的方法是讓用戶成為 AI 解決方案的一部分,而不是將其呈現為將取代專家的系統。 我們將專家變成了操作員。 AI 正在增強他們的能力,專家們通過不斷教導和指導 AI 學習更多知識並在環境或其他變量發生變化時進行糾正來保持控制。 作為操作員,專家是解決方案不可或缺的一部分——用特定的動作教授和訓練人工智能。”
點擊 点击這裡 觀看包含有關以操作員為中心的方法的更多詳細信息的視頻。