Особенностью пилотного проекта внедрения ИИ является то, что нужно брать меньше целевых показателей, но ни в коем случае, не данных. От этого зависит точность обучения модели. Если на этапе тестирования у компании достаточно данных для одного целевого параметра, пилотный проект должен затрагивать только его. И даже, в случае, когда есть данные по нескольким параметрам, в пилотном проекте лучше сконцентрироваться на одном-двух. На данном этапе важно понять, все ли работает так, чтобы решить поставленную задачу.
7 шагЧасто на стадии пилотных проектов удается выявить и устранить разнообразные ошибки и неточности, которые могут сказаться на дальнейшей эффективности использования ИИ. Например, выясняется, что данных недостаточно. Нужно понимать, что решить данную проблему можно только сбором бОльшего количества данных. Также данные могут оказаться плохо подготовленными. Это может выражаться в пропусках в данных, неправильном формате. Компания может ошибиться с выбором факторов, влияющих на целевой параметр бизнеса. Можно упустить из внимания ключевой фактор, а можно выбрать факторы, которые зависимы между собой. Например, если при продажах мороженого не учесть фактор сезонности, модель, предсказывающая объемы продаж, будет менее точной. А если в качестве факторов выбрать сезонность и температуру воздуха, то это будет избыточно, потому что температура воздуха напрямую связана с сезоном.
Только устранив подобные ошибки, можно оценить эффективность всего проекта. Понять, как скоро можно ожидать возврата инвестиций (ROI), а также выявить сопутствующие эффекты для бизнеса. Так, например, за счет интеграции с ИТ-системами можно настроить алгоритмы сквозной аналитики и перейти к модели принятия решений, основанных на данных.
8 шагПосле получения нужной точности ИИ-модели можно переходить к полномасштабному внедрению по оптимальной модели (облако или on-premise). На данном этапе бизнес-задачи и целевые параметры откалиброваны. Сформированы необходимые датасеты. Однако результаты тестовых данных не всегда могут совпадать с результатами реальных данных. Поэтому на этом этапе важно предусмотреть возможность нивелирования расхождений, а также проверки и уточнения моделей. Эта работа может потребовать привлечения бизнес-аналитиков, которые могут внести корректировки, руководствуясь собственными знаниями технологических и поведенческих процессов. ИИ-алгоритмы чрезвычайно гибкие и позволяют обрабатывать данные параллельно, а также увеличивать или уменьшать объем используемых вычислительных ресурсов в зависимости от количества данных.
9 шагОперационные и бизнес-процессы компании необходимо подстроить под ИИ. Например, нужно провести обучение сотрудников. Важно правильно позиционировать проект. В частности, донести до сотрудников идею о том, зачем внедряется искусственный интеллект. Иногда такие проекты встречают негативную реакцию персонала, вызванную неоправданными опасениями замены человека ИИ-алгоритмом.
Также сотрудников может волновать, что для работы с ИИ могут потребоваться специфические навыки. Решить данную проблему можно при помощи привлечения специалистов подрядчика. Если же компания выбрала готовое решение, то, как правило, их применение не требует знаний основ программирования. Интуитивно понятные визуальные интерфейсы помогают пройти все этапы от загрузки данных в таблицы до подготовки отчетов.
Работа с данными требует определенной культуры и понимания их ценности. Развитие такой культуры – важный этап реализации ИИ-стратегии.
С помощью ValueAI любая компания может без риска обучить и внедрить ИИ в свое организационное ПО в течение двух недель. Знаний в области машинного обучения или программирования для пользования системой не требуется - все операции выполняются в визуальном редакторе.
10 шагНужно понимать, что с полномасштабным внедрением ИИ проект не заканчивается. Модели необходимо переобучать на вновь появившихся данных. Периодичность может быть любой (раз в полгода, раз в год) и зависеть от того, насколько быстро в компании появляются и накапливаются данные. Это позволяет бизнесу гибко реагировать на рыночные изменения.
Например, пандемия оказала серьезное влияние на работу ритейла. И если условной компании для поддержания бизнеса раньше хватало 30% процентов онлайн-продаж, то теперь их должно быть 80-90%. Такие закономерности ИИ обязательно должен учитывать.
В целом внедрение ИИ ускоряет цифровую трансформацию. Добавив интеллекта одному направлению бизнеса можно интегрировать ИИ с разными системами предприятия. Это позволит оцифровать и автоматизировать большее количество процессов, освободить персонал от рутины, сэкономить ресурсы. Не менее важным эффектом может стать повышение скорости и качества принятия управленческих решений, основанных на данных.
Предыдущий Следующий Чек-листНажимая кнопку «Подписаться», вы даете свое согласие на обработку и хранение персональных данных.