Współpraca z wieloma founderami i menadżerami nauczyła nas, jak istotna jest znajomość branży dla powodzenia projektów AI. Niestety, doświadczenie z aplikacjami mobilnymi czy webowymi SaaSami nie wystarcza, by skutecznie przeprowadzić projekt. Poniżej omawiamy najczęściej popełniane błędy.
Niezrozumienie charakteru badawczego projektu AI
Projekty AI mają zazwyczaj charakter badawczy. Ich realizacja wymaga podejścia prób i błędów i nie można dać gwarancji na uzyskanie oczekiwanych rezultatów. Przyczyn jest wiele: zbyt ambitne cele, błędy podczas realizacji, niepoprawne sformułowanie problemu.
Postępem (inkrementacją) w projekcie jest weryfikacja hipotez, zdobycie wiedzy o tym, w którym kierunku iść. Nawet negatywna odpowiedź jest cenną wiedzą, która wymusza zmianę paradygmatu i postawienie kolejnych pytań, które przybliżają do realizacji projektu.
Niepoprawnie zebrane dane
Jaki to problem zebrać dane? - Zespół backendowy pisze crawler zbierający dane, opomiarowuje aplikację, instaluje fizyczne czujniki. Czekamy rok i przystępujemy do uczenia AI. Po dwóch miesiącach pracy realizujemy wdrożenie i produkt jest gotowy. Zgadza się? Oczywiście, że nie!
Co poszło nie tak? Otóż bardzo wiele czynników, wymieniając choćby: brak systematyczności w inspekcji systemu zbierania danych, błąd crawlera, który przez miesiące nie działał jak należy, awaria czujników. Gdy już awaria została naprawiona i pożar potencjalnie opanowany, zespół backendowy nie wyciągnął wszystkich istotnych danych. A nietechniczny manager projektu niestety nie był w stanie tego ocenić.
Brak czynnego zaangażowania interesariuszy związanych z analizą danych od momentu planowania projektu skutkuje błędami i lawinowym wzrostem czasu i kosztów.
Wiara w to, że AI może wszystko
Wbrew popkulturowej narracji, która często stawia AI w roli niemalże nieograniczonej technologii, sztuczna inteligencja nie jest uniwersalną, zawsze skuteczną metodą rozwiązywania problemów. Specjalista od AI jest w stanie zweryfikować już w momencie planowania, czy projekt, którego się podejmujemy, jest rutynowym działaniem, czy tematem badawczym, nad którym pracuje się na uczelniach. Oszacowanie ryzyka powodzenia projektu, z pewnością pomoże w podejmowaniu kluczowych decyzji.
Dobry doradca zwróci uwagę na to, czy użycie AI na pewno jest konieczne. Przez wiele lat informatyka doskonale radziła sobie za pomocą klasycznych algorytmów. Może wystarczy użyć jednego z nich?
Podsumowując, trzy najczęściej popełniane błędy, to również kluczowe momenty dla powodzenia projektu. Właściwie oszacowany budżet, nacisk na zebranie danych oraz krytyczne podejście do metody mogą przesądzić o efektywności projektu AI.
