رفتن به محتوای اصلی
STسهیل تهرانی‌پور
هوش مصنوعی سازمانی۲ دقیقه مطالعه

هوش مصنوعی سازمانی: فاصله نمونه آزمایشی تا بهره‌برداری

بیشتر پروژه‌های هوش مصنوعی سازمانی در مرحله نمایش متوقف می‌شوند. پنج پرسشی که پیش از شروع هر پروژه باید پاسخ داد.

پیش‌نویس، در انتظار بازبینی نویسنده

ساختن یک نمونه آزمایشی (PoC) از هوش مصنوعی امروز کار چند روز است. یک مدل زبانی، چند سند و یک رابط ساده کافی است تا جلسه مدیران با تحسین تمام شود. اما فاصله این نمایش تا سامانه‌ای که هر روز در فرایند واقعی کار کند، بسیار بیشتر از آن است که در جلسه به نظر می‌رسد.

پنج پرسش پیش از شروع

۱. معیار موفقیت را چه کسی تعریف می‌کند؟ اگر معیار موفقیت را واحد کسب‌وکار تعریف نکند، پروژه با دقت مدل سنجیده می‌شود، نه با ارزش. معیار باید از جنس زمان پاسخگویی، هزینه هر تماس یا خطای فرایند باشد.

۲. داده واقعی کجاست و چه کسی مالک آن است؟ نمایش با داده تمیز ساخته می‌شود. محیط واقعی پر از صدای کم‌کیفیت، اسناد ناقص و استثناست. دسترسی به داده واقعی و مجوز استفاده از آن را باید از روز اول روشن کرد.

۳. سامانه کجا اجرا می‌شود؟ در بسیاری از سازمان‌ها داده نباید از زیرساخت سازمان خارج شود. این تصمیم انتخاب مدل، سخت‌افزار و هزینه را تعیین می‌کند و نباید به آخر پروژه موکول شود.

۴. خطا را چه کسی می‌گیرد؟ هیچ مدلی بی‌خطا نیست. سامانه تولیدی به مسیر بازبینی انسانی، ثبت خطا و چرخه بهبود نیاز دارد.

۵. بعد از تحویل، چه کسی آن را نگه می‌دارد؟ مدل‌ها با تغییر داده فرسوده می‌شوند. بدون تیم یا قرارداد نگهداری، بهترین سامانه هم پس از چند ماه کنار گذاشته می‌شود.

مقیاس، مسئله را عوض می‌کند

در مرکز تماسی با بیش از هزار اپراتور، مسئله دیگر «آیا مدل کار می‌کند؟» نیست؛ مسئله این است که سامانه در ساعت اوج، با تماس‌های همزمان و صدای واقعی تلفن، پایدار بماند و خروجی‌اش به کار سرپرست‌ها بیاید.

نمایش آزمایشی نشان می‌دهد که کاری ممکن است. بهره‌برداری نشان می‌دهد که آن کار ارزش دارد. پروژه‌ای که از ابتدا برای بهره‌برداری طراحی شود، شانس بسیار بیشتری برای رسیدن به آن دارد.

اشتراک‌گذاری:LinkedInXTelegram

پروژه‌های مرتبط

نوشته‌های مرتبط