(Первоначально опубликовано в Forbes 2 июля 2019 г.)
Сегодня большинство корпоративных компаний приступают к работе с искусственным интеллектом (ИИ). И с таким дефицитом талантов в области ИИ ваша лучшая команда часто вздыхает с облегчением, когда набираются первые ИИ. Но по моему опыту, требуется высококвалифицированная команда инженеров-программистов, не занимающихся ИИ, для создания инженерной инфраструктуры и функций продукта, которые превращают ИИ из пробной версии в надежный продукт, который радует пользователей. На самом деле, по нашим оценкам, наша компания потратила в 15 раз больше на элементы нашего продукта, не связанные с ИИ, чем на сам ИИ.
Мы начали создавать наш ИИ-продукт три года назад. За эти годы мы разработали функции продукта, необходимые для упрощения внедрения ИИ. Вот как сложились наши расходы:
Инфраструктура искусственного интеллекта: в 11 раз дороже специалиста по искусственному интеллекту
Самой дорогостоящей задачей, с которой нам пришлось столкнуться, была программная система, которая перемещает данные в наше приложение и из него, а также организует библиотеку моделей машинного обучения. Каждая система искусственного интеллекта нуждается в этой функции, которая известна как система оркестровки и конвейерной обработки.
Поскольку система оркестрации и конвейерной обработки имеет основополагающее значение для производительности продукта ИИ, мы искали подходящие существующие инструменты на рынке. Было несоответствие между инструментами для довольно простых моделей и решений ИИ и нашим сложным вариантом использования. С неохотой мы создали собственное решение, которое могло бы управлять нашим сложным ИИ-решением, мгновенно увеличивая или уменьшая его в зависимости от имеющейся нагрузки, быстро обрабатывать данные и обеспечивать безопасность данных наших клиентов.
Доступ к ИИ через API: стоимость одного эксперта по ИИ
ИИ — это средство для достижения цели, позволяющее получать более качественные данные, идеи, эвристики, сопоставление с образцом или более быструю обработку, чем традиционное программное обеспечение. Решения корпоративного ИИ должны быть встроены в бизнес-процессы и связаны с тем, что происходит до и после. Мы нашли гораздо более быстрое признание нашего продукта ИИ, когда предложили API, которые упрощают эти соединения.
Благодаря опубликованному API наши клиенты просто интегрируют сервис. Как ни странно, им не нужны знания в области ИИ, но благодаря соединению с API их компания получает мощь ИИ-решения. С нашей стороны, команда потратила долгие месяцы на подготовку API.
В недавнем сообщении в блоге Марк Цукерберг подчеркнул важность API в своем личном проекте ИИ, и неудивительно, что компании, которые упрощают подключение API, высоко ценятся. Apigee был куплен Google за 625 миллионов долларов в 2016 году, а в прошлом году Salesforce купила Mulesoft в 10 раз больше, 6,25 миллиарда долларов.
Защита данных для каждого клиента: стоимость одного эксперта по искусственному интеллекту
К счастью, мы поняли это с самого начала. Наши первые клиенты настаивали на том, чтобы их данные, документы и модели искусственного интеллекта находились в их системе, соблюдая передовые методы обеспечения безопасности и управления корпоративными данными.
Проблема большинства алгоритмов ИИ заключается в том, что отличные результаты зависят от огромных наборов обучающих данных. Типичная практика компаний, занимающихся искусственным интеллектом, заключается в объединении данных и документов от всех клиентов, открывая дверь через границы управления предприятием. Напротив, нашей системе искусственного интеллекта для обучения требуется всего несколько документов, поэтому все данные и документы остаются в системе управления клиента.
Чтобы удовлетворить потребности клиентов, мы создали программную инфраструктуру для поддержки этой ключевой функции, известной как многопользовательская архитектура. Политики удаления данных, надежные меры безопасности и другие функции также необходимы в большинстве случаев.
Трудно недооценить влияние на принятие клиентами того, как продукт на основе ИИ соответствует корпоративным стратегиям управления данными. Как отмечается в недавней статье Forbes, в 2019 году управление данными больше не является обязательным, поскольку оно лежит в основе безопасности данных, соответствия требованиям и конфиденциальности.
Опросы рынка показывают большие корпоративные расходы (22 миллиарда долларов в год к 2023 году) и быстрый рост расходов (почти 20% CAGR) на решения по управлению данными и мастер-данным. В частности, в качестве решения часто рассматриваются локальные конфигурации, не подключенные к облаку. Это создает особые проблемы для продуктов ИИ, которые требуют постоянной подачи помеченных данных в их большой обучающий корпус.
Глядя на ландшафт ИИ, мы видим, что другим тоже пришлось потратить на это довольно много. Например, OpenAI вложила более 1 миллиарда долларов в создание похожего набора инструментов, и они сообщают, что 1 миллиарда долларов недостаточно!
Управление искусственным интеллектом человеком: вдвое дороже, чем эксперту по искусственному интеллекту
Страх перед тем, что ИИ — это черный ящик, широко распространен, но мы нашли еще одну серьезную боевую точку: контроль. Устаревшие программные системы часто требуют, чтобы инженеры-программисты управляли процессами, устраняли все проблемы и упаковывали результаты. Пользователи многих корпоративных процессов хотят восстановить контроль. Они хотят сами использовать сложное программное обеспечение, кодирование не требуется. И последствия идут дальше. Как сказал один журналист Forbes, ожидается, что компании, которые укрепляют доверие своей клиентской базы за счет прозрачности и фактической информации, которую можно проверить с помощью данных, будут иметь конкурентное преимущество.
Продукты ИИ должны обеспечивать приятный и простой в использовании интерфейс для продукта ИИ. Мы создали пользовательский интерфейс для нашей системы искусственного интеллекта, повторяя версии для множества пользователей. По иронии судьбы, это пользовательский интерфейс продукта ИИ, который обеспечивает прозрачность и прямой контроль для корпоративного пользователя. Из того, что мы видим, это обязательное требование рынка.
Всего в 15 раз
В нашем 15-кратном общем количестве есть много хороших новостей. Наш опыт показывает, что 15-кратная стоимость эксперта по ИИ является разумной и ограниченной цифрой. Проекты ИИ — это не убегающий поезд; это проекты, которые можно планировать и выполнять, чтобы свести к минимуму риск. Приступая к собственному проекту, обязательно помните об этих шагах:
• Планируйте потоки данных и разрешения пользователей.
• Создайте свой прототип ИИ.
• Создайте примитивную инфраструктуру первого прохода для поддержки ИИ.
• Добавить в систему человеческий интерфейс.
• Совершенствуйте ИИ и инфраструктуру вместе с помощью серии скоординированных выпусков.
Этот список кажется немного знакомым, и опытные руководители программного обеспечения узнают пошаговый гибкий подход. Как видно из списка, секретным ингредиентом является не большая команда экспертов по ИИ; это скорее команда поддержки программного обеспечения и инфраструктура, которые создают полное решение.
** Автор: Сандра Каррико (Sandra Carrico), вице-президент по проектированию и главный специалист по обработке и анализу данных компании GLYNT.AI, решения для машинного обучения для извлечения неструктурированных данных из документов. Сандра является членом Технологического совета Forbes.
