23.10.2019
На стенде РВК в рамках форума «Открытые инновации» прошла лекция «Искусственный интеллект для руководителей». Своим опытом поделились эксперты с большим стажем разработки и применения технологий искусственного интеллекта — основатель Лаборатории бизнес-решений на основе ИИ Артемий Малков и основатель SkrumTrek Асхат Уразбаев.
Эксперты выделили ключевые проблемы при реализации ИИ-проектов и на примере реальных бизнес-кейсов рассказали, откуда берутся эти трудности и что можно сделать, чтобы их избежать.
➡️ Сложные запросы
Малков разобрал кейс с ботом для работников Кремниевой долины, который помогает найти инвесторов и партнеров. Боту, нацеленному на решение бизнес-задач, регулярно поступали личные запросы от пользователей, с которыми он не мог справиться. Даже если бот обработал и правильно понял 70% запросов, он давал 30% неправильных ответов, из-за которых пользователь думал, что бот не работает в принципе.
➡️ Стоимость разработки
Малков: «Если для каких-то бизнесов приемлемы 70% правильных ответов, то есть сферы, где заказчики хотят видеть точность в 95%, например банки. В этом случае стоимость алгоритма с высокой точностью может стремиться к бесконечности. Не каждый бизнес к такому готов».
Уразбаев: «Нужно помнить, что задачи ИИ не всегда могут принести деньги клиенту напрямую — нужно создавать “инновации ради инноваций”».
➡️ Большое количество ошибок на ранних этапах
Неточности берутся из-за редких случаев — именно нетипичные ситуации и запросы приводят к 10–15% всех ошибок в работе алгоритма.
Прежде чем начать делать проекты с ИИ, нужно получить и обработать массив данных от клиента, провести Data-анализ. И уже на основе первых шагов задать вопрос клиенту: «Это примерно то, что вы хотели?» Нужно превращать гипотезы в эксперименты, заимствуя подходы из других областей знаний, и решать проблемы методом проб и ошибок, увеличивая выборку и внедряя в процесс живого человека.
Малков сравнил ИИ с ребенком: «Если вы хотите успешный ИИ для бизнеса, надо правильно выбирать задачи, например, брать те, которые решит ребенок или с которой вы сами справитесь за 4 секунды. Зачем бизнесу такие задачи? Таких задач полно, тысячи задач, с которыми справится пятилетний ребенок».
➡️ Недопонимание процесса со стороны заказчика
Малков объяснил, что сегодня существуют только 4 вида задач, с которыми искусственный интеллект способен справиться успешно: это распознавание, выбор, предсказание и синтез. Заказчики не всегда понимают, что разработчики ограничены этими четырьмя сферами, и поэтому многие проекты по созданию ИИ так и не доходят до финала. Большая часть процесса разработки ИИ-алгоритмов учеными состоит из ошибок, и это нормально, напоминает Малков, — если бизнес не готов платить за ошибки, то не нужно нанимать ученых. Чтобы между заказчиком и разработчиком возникло взаимопонимание, менеджер должен быть погружен в процесс создания и понимать принципы обучения.
Уразбаев рассказал про взаимодействие с заказчиками, привел примеры из своего опыта, объяснив, что делать, если на первичных этапах клиент разочарован результатом разработки: «Надо, чтобы клиент начал разбираться в предметной области, начал понимать, что такое искусственный интеллект и сумел “выдавить” из проекта максимум ценности, возможно, даже переформулировать исходные задачи. Заказчик должен быть частью команды».
Эксперты выделили ключевые проблемы при реализации ИИ-проектов и на примере реальных бизнес-кейсов рассказали, откуда берутся эти трудности и что можно сделать, чтобы их избежать.
➡️ Сложные запросы
Малков разобрал кейс с ботом для работников Кремниевой долины, который помогает найти инвесторов и партнеров. Боту, нацеленному на решение бизнес-задач, регулярно поступали личные запросы от пользователей, с которыми он не мог справиться. Даже если бот обработал и правильно понял 70% запросов, он давал 30% неправильных ответов, из-за которых пользователь думал, что бот не работает в принципе.
➡️ Стоимость разработки
Малков: «Если для каких-то бизнесов приемлемы 70% правильных ответов, то есть сферы, где заказчики хотят видеть точность в 95%, например банки. В этом случае стоимость алгоритма с высокой точностью может стремиться к бесконечности. Не каждый бизнес к такому готов».
Уразбаев: «Нужно помнить, что задачи ИИ не всегда могут принести деньги клиенту напрямую — нужно создавать “инновации ради инноваций”».
➡️ Большое количество ошибок на ранних этапах
Неточности берутся из-за редких случаев — именно нетипичные ситуации и запросы приводят к 10–15% всех ошибок в работе алгоритма.
Прежде чем начать делать проекты с ИИ, нужно получить и обработать массив данных от клиента, провести Data-анализ. И уже на основе первых шагов задать вопрос клиенту: «Это примерно то, что вы хотели?» Нужно превращать гипотезы в эксперименты, заимствуя подходы из других областей знаний, и решать проблемы методом проб и ошибок, увеличивая выборку и внедряя в процесс живого человека.
Малков сравнил ИИ с ребенком: «Если вы хотите успешный ИИ для бизнеса, надо правильно выбирать задачи, например, брать те, которые решит ребенок или с которой вы сами справитесь за 4 секунды. Зачем бизнесу такие задачи? Таких задач полно, тысячи задач, с которыми справится пятилетний ребенок».
➡️ Недопонимание процесса со стороны заказчика
Малков объяснил, что сегодня существуют только 4 вида задач, с которыми искусственный интеллект способен справиться успешно: это распознавание, выбор, предсказание и синтез. Заказчики не всегда понимают, что разработчики ограничены этими четырьмя сферами, и поэтому многие проекты по созданию ИИ так и не доходят до финала. Большая часть процесса разработки ИИ-алгоритмов учеными состоит из ошибок, и это нормально, напоминает Малков, — если бизнес не готов платить за ошибки, то не нужно нанимать ученых. Чтобы между заказчиком и разработчиком возникло взаимопонимание, менеджер должен быть погружен в процесс создания и понимать принципы обучения.
Уразбаев рассказал про взаимодействие с заказчиками, привел примеры из своего опыта, объяснив, что делать, если на первичных этапах клиент разочарован результатом разработки: «Надо, чтобы клиент начал разбираться в предметной области, начал понимать, что такое искусственный интеллект и сумел “выдавить” из проекта максимум ценности, возможно, даже переформулировать исходные задачи. Заказчик должен быть частью команды».