2 điều cần cân nhắc trước khi bắt đầu một dự án Al
Khách hàng thường liên hệ với chúng tôi khi có thắc mắc và tò mò muốn biết Al có thể làm gì trong tổ chức của họ. Tuy nhiên, họ thường bị thu hút bởi những tiêu đề về việc Al đang thay đổi ngành này hay ngành kia, với ý tưởng rằng Al sẽ giải quyết mọi vấn đề của họ. Vì vậy, họ nhảy vào bắt đầu một dự án AI ngay lập tức.
Hầu hết các dự án gấp rút này đều thất bại, chủ yếu là do hầu hết các nhà tư vấn về Machine Learning và Al đều gặp khó khăn trong việc xây dựng một hoặc nhiều Bằng chứng về khái niệm (POC) mà không có nhiều tiến triển đối với giải pháp Al được áp dụng. Các doanh nghiệp có xu hướng tách biệt các quy trình và bộ phận khỏi những bộ phận khác, với ngân sách tối thiểu và bỏ qua tầm quan trọng của việc có lộ trình AI hoàn chỉnh mà toàn bộ tổ chức có thể được hưởng lợi từ.
Có một kế hoạch rõ ràng trong toàn bộ tổ chức và sự tham gia của mọi bộ phận, cộng với sự hiểu biết rõ ràng về những hạn chế, sẽ giúp Al của bạn thành công.
Trong blog này, chúng tôi tập trung vào hai hạn chế chính mà chúng tôi đã gặp phải từ kinh nghiệm của mình trong xây dựng Al cho khách hàng doanh nghiệp: con người và dữ liệu.
NHÂN SỰ
Hai câu hỏi cơ bản bạn nên hỏi để bắt đầu:
- Bạn có đủ người để điều hành và quản lý dự án Al không?
- Những người trong tổ chức có tư duy, quy trình và thẩm quyền phù hợp để đưa dự án AI thành công không?
Cho dù chuyên gia Al có đang điều hành dự án Al của bạn hay không, về cơ bản bạn cần một người có thể hiểu được những hạn chế và ràng buộc cả về mặt kỹ thuật và khía cạnh kinh doanh. Việc có các bên liên quan từ tất cả các bộ phận liên quan tham gia vào dự án này là điều vô cùng có giá trị đối với giải pháp Al của bạn. Ví dụ: Công cụ đề xuất nội dung sẽ yêu cầu các nhóm tiếp thị, khách hàng và CNTT tham gia.
Dân CNTT không nhất thiết cần phải biết các thuật toán sẽ được sử dụng nhưng sẽ cần hiểu các nguyên tắc đằng sau chúng. Họ sẽ cần hiểu những người tham gia chính sẽ tham gia, đặc biệt là khi sử dụng mô hình Học máy được giám sát sẽ yêu cầu loại hình đào tạo phù hợp từ các chuyên gia trong lĩnh vực. Ví dụ: đối với Công cụ đề xuất nội dung, đây có thể là quản trị viên hoặc người quản lý nội dung
Hãy làm rõ với tất cả các bên liên quan về những điều cần thực hiện để tạo nên thành công cho dự án AI ngay từ đầu và thu hút mọi người tham gia với chi phí và thời hạn rõ ràng được ấn định dựa trên Lợi tức đầu tư.
Các giới hạn về quy trình gắn liền với các giới hạn về dữ liệu sẽ được đề cập trong phần thứ hai của blog này. Các quy trình thủ công để thực hiện một nhiệm vụ có giá trị đối với việc thiết kế và xây dựng giải pháp Al, ví dụ: hãy lấy Phân loại tài liệu để sử dụng trong hệ thống Quản lý sự cố. Hỗ trợ khách hàng Cấp 1, viết một yêu cầu thường bao gồm mô tả ngắn gọn về vấn đề. Nếu phiếu hỗ trợ L1 đó không bao gồm đủ chi tiết hoặc không thể hiện được vấn đề thực sự theo một cách nào đó, thì khi sử dụng những phiếu đó để đào tạo bộ phân loại, Nhà khoa học dữ liệu có liên quan sẽ phải thực hiện rất nhiều thao tác làm sạch dữ liệu. Nó cũng làm cho dữ liệu kém tin cậy hơn, ảnh hưởng đến độ chính xác của bộ phân loại.
Nếu bạn đảm bảo nhóm của mình tuân theo đúng quy trình và thu thập dữ liệu chính xác, bạn sẽ tiết kiệm cho mình rất nhiều thời gian và tiền bạc khi xây dựng giải pháp Al.
DỮ LIỆU
Dữ liệu sẽ vô ích nếu bạn chỉ có quyền truy cập vào một phần dữ liệu, nếu nó không được lưu trữ và xử lý đúng cách, có vấn đề về tuân thủ khi sử dụng hoặc thậm chí bạn không biết mình có nó.
Dữ liệu có thể được chia thành hai loại, có cấu trúc và không có cấu trúc. Nói tóm lại, dữ liệu có cấu trúc sạch sẽ, được gắn thẻ và lưu trữ dễ dàng trong cơ sở dữ liệu (ví dụ: ngày sinh hoặc địa chỉ tại văn phòng bác sĩ của bạn). Dữ liệu phi cấu trúc có thể là những thứ như trang web, hình ảnh hoặc bản ghi âm giọng nói. Tất cả đều được tạo thành từ byte, nhưng máy không thể hiểu ý nghĩa của dữ liệu cho đến khi cấu trúc nhất định của nó trong cơ sở dữ liệu.
Một ví dụ về giải pháp Dữ liệu có cấu trúc là Dự đoán rời bỏ. Hãy giả sử bạn có một ứng dụng dành cho thiết bị di động. có hàng trăm nghìn người dùng tương tác trên ứng dụng của bạn hàng ngày. Họ tương tác thông qua các tương tác ‘mở’, ‘đóng’, ‘thích’, ‘bình luận’ và ‘gửi’. Chúng được cấu trúc trong cơ sở dữ liệu, Le Firebase. Với các chuỗi sự kiện đó, bạn có thể xây dựng mô hình Dự đoán rời bỏ dựa trên Machine Learning để ánh xạ các hành vi tới những người có khả năng rời khỏi ứng dụng của bạn.
Theo dự đoán của IDC, trong 5 năm tới, 80% thời gian hoạt động của doanh nghiệp sẽ không có cấu trúc. Hãy nghĩ đến email, cuộc gọi điện thoại, hóa đơn, phiếu dịch vụ khách hàng, bản trình bày powerpoint mà nhóm của bạn làm việc hàng ngày, có rất nhiều tiềm năng chưa được khai thác ở đó. Mặc dù không chỉ dữ liệu nội bộ là không có cấu trúc mà nó còn có thể được tìm thấy ở bên ngoài tổ chức của bạn, chẳng hạn như Tweet, Báo cáo thị trường hoặc thông tin chứng khoán. Khi xem xét các giải pháp Al và dữ liệu cho doanh nghiệp của mình, bạn nên xem xét tất cả các loại dữ liệu này. Tuy nhiên, càng khó đạt được ngày thì mức độ phức tạp của dự án càng cao. Vì vậy, hãy tự hỏi bạn đang xây dựng giải pháp Al của mình bằng loại dữ liệu nào?
Xử lý 80% dữ liệu phi cấu trúc trong một tổ chức hoàn toàn là một trò chơi khác. Chúng tôi thường nói chuyện với khách hàng của mình về Tháp nhu cầu của Sáng tạo Al:
Các bước này cho bạn thấy những gì cần thiết để đưa dữ liệu phi cấu trúc của bạn vào vị trí mà Al hoặc Deep Learning có thể diễn ra. Đó là một quá trình chậm bao gồm cách lưu trữ dữ liệu, đó là lý do tại sao chúng tôi hiện có các dịch vụ như giải pháp Kho dữ liệu hoặc Hồ dữ liệu chứa lượng dữ liệu khổng lồ (ví dụ: Redshift của Amazon). Có rất nhiều điều để nói về vấn đề này và không đủ chỗ cho bài đăng này, vì vậy đây có thể là điều chúng tôi sẽ sớm viết chi tiết hơn. Nhưng nếu không có các khối xây dựng phù hợp cho dữ liệu của bạn thì bạn không bao giờ có thể hy vọng có được một dự án Al thành công.
Điều này thực sự có thể thu hút các yêu cầu về tài nguyên từ CNTT để xây dựng Kho dữ liệu. Nhưng về lâu dài, điều này sẽ tiết kiệm nhiều thời gian hơn cho các Nhà khoa học dữ liệu hoặc Kỹ sư máy học có chi phí cao hơn. Ngoài ra, nó sẽ cung cấp cho bạn các khối xây dựng cho Al trên toàn doanh nghiệp, điều này có thể dẫn đến việc phát triển các giải pháp tiếp theo.
Phần kết luận?
Còn rất nhiều khía cạnh cần xem xét khi bắt tay vào một dự án Al. Dữ liệu và Con người là hai thứ mà nếu suy nghĩ đúng sẽ mang lại cho bạn cơ hội thành công cao nhất
Còn nhiều điều nữa về đạo đức và quản lý để thảo luận về các dự án Al, nhưng bạn có thể tưởng tượng tác động của những dự án này đối với Những người chưa hiểu lợi ích của những thay đổi này. Hầu hết các giải pháp chúng tôi thiết kế đều yêu cầu sự can thiệp của con người để đảm bảo không chỉ mức độ kiểm soát và đảm bảo cao hơn mà còn được chấp nhận. Chúng tôi luôn chủ trương đưa những người bị ảnh hưởng bởi giải pháp Al vào dự án sớm. Vì họ cần hiểu lợi ích của nó đối với cuộc sống hàng ngày của họ
Để thảo luận thêm hoặc nếu bạn có thêm bất kỳ câu hỏi nào về chủ đề này, vui lòng liên hệ với chúng tôi theo địa chỉ [email protected]
