Кароткі адказ: кампанія, якая працуе са штучным інтэлектам, — гэта тая, асноўны прадукт, каштоўнасць або канкурэнтная перавага якой абапіраюцца на штучны інтэлект. Калі выключыць штучны інтэлект, прапанова абваліцца або значна пагоршыцца. Калі заўтра штучны інтэлект выйдзе з ладу, а вы ўсё яшчэ зможаце прапанаваць свае паслугі з дапамогай электронных табліц або базавага праграмнага забеспячэння, хутчэй за ўсё, вы выкарыстоўваеце штучны інтэлект, а не выкарыстоўваеце яго. Сапраўдныя кампаніі, якія працуюць са штучным інтэлектам, адрозніваюцца дадзенымі, ацэнкай, разгортваннем і шчыльнымі цыкламі ітэрацый.
Асноўныя высновы:
Асноўная залежнасць : калі выдаленне штучнага інтэлекту парушае працу прадукту, вы маеце справу з кампаніяй, якая працуе са штучным інтэлектам.
Просты тэст : калі вы можаце кульгаць без штучнага інтэлекту, верагодна, у вас ёсць штучны інтэлект.
Аперацыйныя сігналы : Каманды, якія абмяркоўваюць дрэйф, наборы ацэнкі, затрымку і рэжымы збояў, як правіла, выконваюць цяжкую працу.
Супраціў злоўжыванням : стварыце ахоўныя агароджы, планы маніторынгу і адкату на выпадак збою мадэляў.
Абачлівасць пакупніка : пазбягайце штучнага інтэлекту, патрабуючы механізмаў, метрык і выразнага кіравання дадзенымі.
«Кампанію штучнага інтэлекту» так свабодна выкарыстоўваюць, што яна рызыкуе азначаць усё і нічога адначасова. Адзін стартап прэтэндуе на статус штучнага інтэлекту, таму што дадаў поле аўтазапаўнення. Іншая кампанія навучае мадэлі, стварае інструменты, пастаўляе прадукты і разгортвае іх у вытворчым асяроддзі... і ўсё роўна трапляе ў адно цэлае.
Такім чынам, этыкетка павінна мець больш выразныя межы. Розніца паміж бізнесам, які выкарыстоўвае штучны інтэлект, і звычайным бізнесам з лёгкім налётам машыннага навучання хутка выяўляецца, калі вы ведаеце, на што звяртаць увагу.
Артыкулы, якія вам могуць спадабацца пасля гэтага:
🔗 Як працуе маштабаванне з дапамогай штучнага інтэлекту
Даведайцеся, як мадэлі дадаюць дэталі для акуратнага павелічэння малюнкаў.
🔗 Як выглядае код штучнага інтэлекту
Глядзіце прыклады згенераванага кода і яго структуру.
🔗 Што такое алгарытм штучнага інтэлекту?
Зразумейце алгарытмы, якія дапамагаюць штучнаму інтэлекту вучыцца, прагназаваць і аптымізаваць.
🔗 Што такое папярэдняя апрацоўка штучнага інтэлекту?
Даведайцеся пра крокі, якія ачышчаюць, пазначаюць і фарматуюць дадзеныя для навучання.
Што такое кампанія са штучным інтэлектам: выразнае вызначэнне, якое вытрымлівае ✅
Практычнае вызначэнне:
Кампанія , якая працуе са штучным інтэлектам, — гэта бізнес, асноўны прадукт, каштоўнасць або канкурэнтная перавага якога залежыць ад штучнага інтэлекту , гэта значыць, калі вы прыбярэце штучны інтэлект, «рэч» кампаніі разваліцца або значна пагоршыцца. ( АЭСР , NIST AI RMF )
Не «мы аднойчы выкарысталі штучны інтэлект на хакатоне». Не «мы дадалі чат-бота на старонку кантактаў». Хутчэй так:
-
Прадукт з'яўляецца сістэмай штучнага інтэлекту (або працуе на адной з іх ад пачатку да канца) ( АЭСР )
-
Перавага кампаніі заключаецца ў мадэлях, дадзеных, ацэнцы і ітэрацыях ( Google Cloud MLOps , NIST AI RMF Playbook - Measure ).
-
Штучны інтэлект — гэта не функцыя, а рухавічок 🧠⚙️
Вось простая праверка інтуіцыі:
Уявіце сабе, што заўтра пацерпіць няўдача ў штучным інтэлекце. Калі кліенты будуць вам усё яшчэ плаціць, а вы зможаце абыходзіцца з электроннымі табліцамі або базавым праграмным забеспячэннем, хутчэй за ўсё, вы выкарыстоўваеце штучны інтэлект, а не з'яўляецеся яго носьбітам.
І так, ёсць размытая сярэдняя частка. Як фота, зробленае праз туманнае акно... не вельмі добрая метафара, але вы зразумелі 😄
Розніца паміж «кампаніяй са штучным інтэлектам» і «кампаніяй з падтрымкай штучнага інтэлекту» (гэтая частка ратуе спрэчкі) 🥊
Большасць сучасных кампаній выкарыстоўваюць нейкую форму штучнага інтэлекту. Само па сабе гэта не робіць іх кампаніяй са штучным інтэлектам. ( АЭСР )
Звычайна кампанія, якая займаецца штучным інтэлектам:
-
Прадае магчымасці штучнага інтэлекту непасрэдна (мадэлі, другія пілоты, інтэлектуальная аўтаматызацыя)
-
Стварае ўласныя сістэмы штучнага інтэлекту ў якасці асноўнага прадукту
-
Мае сур'ёзную распрацоўку, ацэнку і разгортванне штучнага інтэлекту ў якасці асноўнай функцыі ( Google Cloud MLOps )
-
Пастаянна вучыцца на дадзеных і паляпшае прадукцыйнасць як ключавы паказчык 📈 ( Белая кніга Google MLOps )
Звычайна кампанія з падтрымкай штучнага інтэлекту:
-
Выкарыстоўвае штучны інтэлект унутрана для скарачэння выдаткаў, паскарэння працоўных працэсаў або паляпшэння таргетынгу
-
Усё яшчэ прадае нешта іншае (рознічныя тавары, банкаўскія паслугі, лагістыку, СМІ і г.д.)
-
Можа замяніць штучны інтэлект традыцыйным праграмным забеспячэннем і пры гэтым «заставацца сабой»
Прыклады (абагульненыя наўмысна, бо для некаторых людзей дыскусіі аб брэндах — гэта хобі):
-
Банк выкарыстоўвае штучны інтэлект для выяўлення махлярства - з падтрымкай штучнага інтэлекту
-
Рознічны гандляр выкарыстоўвае штучны інтэлект для прагназавання запасаў - з падтрымкай штучнага інтэлекту
-
Кампанія, прадуктам якой з'яўляецца агент падтрымкі кліентаў на базе штучнага інтэлекту — хутчэй за ўсё, кампанія, якая працуе са штучным інтэлектам
-
Платформа, якая прадае інструменты маніторынгу, ацэнкі і разгортвання мадэляў - кампанія штучнага інтэлекту (інфраструктура) ( Google Cloud MLOps )
Так... ваш стаматолаг можа выкарыстоўваць штучны інтэлект для планавання напамінаў. Гэта не робіць іх кампаніяй са штучным інтэлектам 😬🦷
Што робіць кампанію са штучным інтэлектам добрай 🏗️
Не ўсе кампаніі, якія працуюць са штучным інтэлектам, пабудаваныя аднолькава, і некаторыя з іх, па праўдзе кажучы, у асноўным з'яўляюцца вібрацыямі і венчурным капіталам. Добрая версія кампаніі, якая працуе са штучным інтэлектам, як правіла, мае некалькі агульных рыс, якія праяўляюцца зноў і зноў:
-
Выразная адказнасць за праблему : яны вырашаюць канкрэтную праблему, а не «штучны інтэлект для ўсяго»
-
Вымерныя вынікі : дакладнасць, эканомія часу, зніжэнне выдаткаў, менш памылак, больш высокая канверсія - выберыце што-небудзь і адсочвайце гэта ( NIST AI RMF )
-
Дысцыпліна дадзеных : якасць дадзеных, дазволы, кіраванне і цыклы зваротнай сувязі не з'яўляюцца неабавязковымі ( NIST AI RMF )
-
Культура ацэнкі : яны тэстуюць мадэлі, як дарослыя — з дапамогай бенчмаркаў, памежных выпадкаў і маніторынгу 🔍 ( Google Cloud MLOps , Datadog )
-
Рэальнасць разгортвання : сістэма працуе ў неахайных штодзённых умовах, а не толькі ў дэманстрацыйных версіях
-
Абароненая перавага : даныя дамена, распаўсюджванне, інтэграцыя працоўных працэсаў або ўласныя інструменты (а не проста «мы называем API»)
Дзіўна паказальны знак:
-
Калі каманда абмяркоўвае затрымку, дрэйф, наборы ацэнкі, галюцынацыі і рэжымы збояў , яны, верагодна, робяць рэальную працу са штучным інтэлектам. ( IBM - дрэйф мадэлі , OpenAI - галюцынацыі , Google Cloud MLOps )
-
Калі яны ў асноўным кажуць пра «рэвалюцыйную сінергію з інтэлектуальнымі вібрацыямі», ну... вы ж ведаеце, як гэта бывае 😅
Параўнальная табліца: распаўсюджаныя «тыпы» кампаній, якія працуюць са штучным інтэлектам, і што яны прадаюць 📊🤝
Ніжэй прыведзена кароткая, крыху недасканалая параўнальная табліца (як у паўсядзённым бізнэсе). Цэны — гэта «тыповыя стылі цэнаўтварэння», а не дакладныя лічбы, бо яны моцна адрозніваюцца.
| Варыянт / «Тып» | Найлепшая аўдыторыя | Кошт (тыповы) | Чаму гэта працуе |
|---|---|---|---|
| Канструктар мадэляў падмуркаў | Распрацоўшчыкі, прадпрыемствы, усе… так сабе | Буйныя кантракты, заснаваныя на выкарыстанні | Моцныя агульныя мадэлі становяцца платформай — узроўнем, падобным да аперацыйнай сістэмы ( цэны на OpenAI API ) |
| Вертыкальнае прыкладанне штучнага інтэлекту (юрыдычнае, медыцынскае, фінансавае і г.д.) | Каманды са спецыфічнымі працоўнымі працэсамі | Кошт падпіскі + месца | Абмежаванні дамена памяншаюць хаос; дакладнасць можа рэзка ўзрасці (калі ўсё зроблена правільна) |
| Штучны інтэлект Copilot для працы з ведамі | Продажы, падтрымка, аналітыкі, аперацыі | Штомесяц за карыстальніка | Хутка эканоміць час, інтэгруецца ў штодзённыя інструменты… застаецца ў сіле, калі добра ( цэны на Microsoft 365 Copilot ) |
| MLOps / Платформа мадэльных аперацый | Каманды па штучным інтэлекце ў вытворчасці | Карпаратыўны кантракт (часам балючы) | Маніторынг, разгортванне, кіраванне — непрыгожа, але неабходна ( Google Cloud MLOps ) |
| Кампанія па вытворчасці даных і маркіроўцы | Мадэлісты, прадпрыемствы | Для кожнай задачы, для кожнай этыкеткі, змяшана | Лепшыя дадзеныя нечакана часта пераўзыходзяць «больш вытанчаную мадэль» ( MIT Sloan / Andrew Ng пра штучны інтэлект, арыентаваны на дадзеныя ) |
| Штучны інтэлект на мяжы / Штучны інтэлект на прыладзе | Апаратнае забеспячэнне + Інтэрнэт рэчаў, арганізацыі, якія надаюць вялікую ўвагу прыватнасці | Ліцэнзаванне на прыладу | Нізкая затрымка + прыватнасць; таксама працуе афлайн (вельмі важна) ( NVIDIA , IBM ) |
| Кансалтынг / інтэгратар штучнага інтэлекту | Арганізацыі, якія не выкарыстоўваюць штучны інтэлект | Праектныя, авансы | Прасоўваецца хутчэй, чым унутраны найм, але на практыцы залежыць ад талентаў |
| Ацэнка / Інструменты бяспекі | Мадэлі дастаўкі Teams | Шматузроўневая падпіска | Дапамагае пазбегнуць ціхіх збояў — і так, гэта вельмі важна ( NIST AI RMF , OpenAI — галюцынацыі ) |
Звярніце ўвагу на адну рэч. Тэрмін «кампанія штучнага інтэлекту» можа азначаць вельмі розныя віды дзейнасці. Некаторыя прадаюць мадэлі. Некаторыя прадаюць рыдлёўкі для мадэлістаў. Некаторыя прадаюць гатовую прадукцыю. Адна і тая ж назва, зусім іншая рэальнасць.
Асноўныя архетыпы кампаній, якія працуюць са штучным інтэлектам (і ў чым яны памыляюцца) 🧩
Давайце паглыбімся ў гэта, бо менавіта тут людзі і спатыкаюцца.
1) Кампаніі, якія арыентуюцца на мадэль 🧠
Яны ствараюць або дапрацоўваюць мадэлі. Іх моцныя бакі звычайна заключаюцца ў:
-
даследчы талент
-
аптымізацыя вылічэнняў
-
цыклы ацэнкі і ітэрацыі
-
высокапрадукцыйная абслугоўваючая інфраструктура ( дакументальны дакумент Google MLOps )
Распаўсюджаная памылка:
-
Яны мяркуюць, што «лепшая мадэль» аўтаматычна азначае «лепшы прадукт».
Гэта не так. Карыстальнікі купляюць не мадэлі, яны купляюць вынікі.
2) Кампаніі са штучным інтэлектам, арыентаваныя на прадукт 🧰
Яны ўбудоўваюць штучны інтэлект у працоўны працэс. Яны перамагаюць дзякуючы:
-
размеркаванне
-
UX і інтэграцыя
-
моцныя цыклы зваротнай сувязі
-
надзейнасць важнейшая за неапрацаваны інтэлект
Распаўсюджаная памылка:
-
Яны недаацэньваюць паводзіны мадэлі ў рэальных умовах. Рэальныя карыстальнікі будуць ламаць вашу сістэму новымі і крэатыўнымі спосабамі. Штодня.
3) Інфраструктурныя кампаніі са штучным інтэлектам ⚙️
Падумайце пра маніторынг, разгортванне, кіраванне, ацэнку, аркестроўку. Яны перамагаюць дзякуючы:
-
зніжэнне аперацыйнага болю
-
кіраванне рызыкамі
-
зрабіць штучны інтэлект паўтаральным і больш бяспечным ( NIST AI RMF , Google Cloud MLOps )
Распаўсюджаная памылка:
-
Яны ствараюць для прасунутых каманд і ігнаруюць усіх астатніх, а потым здзіўляюцца, чаму ўкараненне ідзе павольна.
4) Кампаніі, арыентаваныя на дадзеныя, якія выкарыстоўваюць штучны інтэлект 🗂️
Яны сканцэнтраваны на канвеерах дадзеных, маркіроўцы, сінтэтычных дадзеных і кіраванні дадзенымі. Яны перамагаюць дзякуючы:
-
паляпшэнне якасці трэніровачнага сігналу
-
зніжэнне шуму
-
спрыяльная спецыялізацыя ( MIT Sloan / Andrew Ng пра штучны інтэлект, арыентаваны на дадзеныя )
Распаўсюджаная памылка:
-
Яны перабольшваюць тэорыю «дадзеныя вырашаюць усё». Дадзеныя — гэта магутная рэч, але вам усё роўна патрэбна добрае мадэляванне і моцнае прадуктовае мысленне.
Што знаходзіцца ўнутры кампаніі, якая займаецца штучным інтэлектам, пад капотам: стэк, прыкладна 🧱
Калі зазірнуць за кулісы, то можна заўважыць, што большасць рэальных кампаній, якія займаюцца штучным інтэлектам, маюць падобную ўнутраную структуру. Не заўсёды, але часта.
Слой дадзеных 📥
-
збор і прыём
-
маркіроўка або слабы кантроль
-
прыватнасць, дазволы, захоўванне
-
цыклы зваротнай сувязі (карэкцыі карыстальнікамі, вынікі, праверка чалавекам) ( NIST AI RMF )
Мадэльны слой 🧠
-
выбар базавых мадэляў (або навучанне з нуля)
-
тонкая налада, дыстыляцыя, хуткая інжынерыя (так, усё яшчэ лічыцца)
-
сістэмы пошуку (пошук + ранжыраванне + вектарныя базы дадзеных) ( дакумент RAG (Lewis et al., 2020) , Oracle - вектарны пошук )
-
пакеты ацэнкі і тэставыя наборы ( Google Cloud MLOps )
Слой прадукту 🧑💻
-
UX, які апрацоўвае нявызначанасць (сігналы ўпэўненасці, станы «агляду»)
-
агароджы (палітыка, адмова, бяспечнае завяршэнне) ( NIST AI RMF )
-
інтэграцыя працоўных працэсаў (электронная пошта, CRM, дакументы, продаж заявак і г.д.)
Аперацыйны ўзровень 🛠️
-
маніторынг дрэйфу і дэградацыі ( зрух IBM-Model , Google Cloud MLOps )
-
рэагаванне на інцыдэнты і адкат ( бяспека разгортвання Uber )
-
кіраванне выдаткамі (вылічэнні могуць быць галодным маленькім монстрам)
-
кіраванне, аўдыты, кантроль доступу ( NIST AI RMF , агляд ISO/IEC 42001 )
І тая частка, якую ніхто не рэкламуе:
-
чалавечыя працэсы — рэцэнзенты, эскалацыя, кантроль якасці і канвееры зваротнай сувязі з кліентамі.
Штучны інтэлект не працуе па прынцыпе «наладзіў і забыўся». Гэта больш падобна на садоўніцтва. Ці на тое, як мець хатняга янота. Гэта можа быць міла, але калі вы не будзеце глядзець, гэта цалкам сапсуе вашу кухню 😬🦝
Бізнес-мадэлі: як кампаніі са штучным інтэлектам зарабляюць грошы 💸
Кампаніі, якія працуюць са штучным інтэлектам, звычайна маюць некалькі распаўсюджаных формаў манетызацыі:
-
На аснове выкарыстання (за запыт, за токен, за хвіліну, за выяву, за задачу) ( цэны OpenAI API , OpenAI - токены )
-
Падпіскі на колькасць месцаў (на карыстальніка ў месяц) ( цэны Microsoft 365 Copilot )
-
Цэнаўтварэнне на аснове вынікаў (рэдка, але эфектыўна — аплата за канверсію або вырашаны запыт)
-
Карпаратыўныя кантракты (падтрымка, адпаведнасць, SLA, разгортванне на заказ)
-
Ліцэнзаванне (на прыладзе, убудаванае, у стылі OEM) ( NVIDIA )
Праблемы, з якімі сутыкаюцца многія кампаніі, якія працуюць са штучным інтэлектам:
-
Кліенты хочуць прадказальных выдаткаў 😌
-
Кошт штучнага інтэлекту можа вагацца ў залежнасці ад выкарыстання і выбару мадэлі 😵
Такім чынам, добрыя кампаніі, якія працуюць са штучным інтэлектам, вельмі добра спраўляюцца з наступным:
-
маршрутызацыя задач да больш танных мадэляў, калі гэта магчыма
-
вынікі кэшавання
-
пакетныя запыты
-
кіраванне памерам кантэксту
-
распрацоўка UX-праекта, які прадухіляе «бясконцыя спіралі падказак» (мы ўсе гэта рабілі...)
Пытанне з ровам: што робіць кампанію са штучным інтэлектам абараняльнай 🏰
Гэта самая пікантная частка. Многія людзі мяркуюць, што роў — гэта «наша мадэль лепшая». Часам гэта так, але часцей за ўсё… не.
Агульныя перавагі, якія можна абараніць:
-
Уласныя дадзеныя (асабліва спецыфічныя для дамена)
-
Распаўсюджванне (убудавана ў працоўны працэс, у якім ужо працуюць карыстальнікі)
-
Выдаткі на пераключэнне (інтэграцыі, змены працэсаў, звычкі каманды)
-
Давер да брэнда (асабліва для даменаў з высокімі стаўкамі)
-
Аперацыйная дасканаласць (пастаўка надзейнага штучнага інтэлекту ў вялікіх маштабах — складаная задача) ( Google Cloud MLOps )
-
Сістэмы з удзелам чалавека (гібрыдныя рашэнні могуць пераўзысці чыстую аўтаматызацыю) ( NIST AI RMF , Закон ЕС аб штучным інтэлекце — кантроль з боку чалавека (артыкул 14) )
Трохі нязручная праўда:
дзве кампаніі могуць выкарыстоўваць адну і тую ж базавую мадэль і ўсё роўна атрымліваць вельмі розныя вынікі. Розніца звычайна заключаецца ва ўсім, што тычыцца мадэлі — дызайне прадукту, ацэнках, цыклах даных і тым, як яны апрацоўваюць памылкі.
Як распазнаць штучны інтэлект (г. зн. «мы дадалі бляску і назвалі гэта інтэлектам») 🚩
Калі вы ацэньваеце, што сабой уяўляе кампанія, якая працуе са штучным інтэлектам, звярніце ўвагу на наступныя трывожныя сігналы:
-
Няма выразнага апісання магчымасцей штучнага інтэлекту : шмат маркетынгу, няма механізму
-
Магія дэма : уражлівая дэма, ніводнай згадкі пра парогавыя выпадкі
-
Няма гісторыі ацэнкі : яны не могуць растлумачыць, як яны правяраюць надзейнасць ( Google Cloud MLOps )
-
Адказы на хвалістыя дадзеныя ўручную : незразумела, адкуль паступаюць дадзеныя і як яны кіруюцца ( NIST AI RMF )
-
Няма плана маніторынгу : яны паводзяць сябе так, быццам мадэлі не дрэйфуюць ( IBM - Дрэйф мадэлі )
-
Яны не могуць растлумачыць рэжымы збояў : усё «амаль ідэальна» (нічога не ідэальна) ( OpenAI - галюцынацыі )
Зялёныя сцягі (супакойваючая супрацьлегласць) ✅:
-
Яны паказваюць, як яны вымяраюць прадукцыйнасць
-
Яны кажуць пра абмежаванні без панікі
-
Яны маюць шляхі праверкі чалавекам і эскалацыю ( NIST AI RMF , Закон ЕС аб штучным інтэлекце — кантроль чалавекам (артыкул 14) ).
-
Яны разумеюць патрэбы ў прыватнасці і захаванні адпаведнасці ( NIST AI RMF , агляд Закона ЕС аб штучным інтэлекце )
-
Яны могуць сказаць «мы гэтага не робім», не зрываючыся эмацыйна 😅
Калі вы ствараеце кампанію: практычны кантрольны спіс для таго, каб стаць кампаніяй са штучным інтэлектам 🧠📝
Калі вы спрабуеце перайсці ад «кампаніі з падтрымкай штучнага інтэлекту» да «кампаніі са штучным інтэлектам», вось магчымы шлях:
-
Пачніце з аднаго працоўнага працэсу, які шкодзіць дастатковай колькасці людзей, каб яны заплацілі за яго выпраўленне
-
Вымярайце вынікі загадзя (да маштабавання)
-
Стварыце набор ацэнак з рэальных выпадкаў выкарыстання ( Google Cloud MLOps )
-
Дадайце цыклы зваротнай сувязі з першага дня
-
Зрабіце агароджы часткай дызайну, а не другараднай думкай ( NIST AI RMF )
-
Не перарабляйце — адпраўце вузкі, надзейны клін
-
Разглядайце разгортванне як прадукт, а не як апошні крок ( Google Cloud MLOps )
Акрамя таго, парада, якая супярэчыць інтуіцыі, але працуе:
-
Больш часу прысвячайце таму, што адбываецца, калі штучны інтэлект памыляецца, чым таму, што ён мае рацыю.
Менавіта на гэтым заваёўваецца або губляецца давер. ( NIST AI RMF )
Заключнае рэзюмэ 🧠✨
Такім чынам… што сабой уяўляе кампанія, якая займаецца штучным інтэлектам, зводзіцца да простай сутнасці:
Гэта кампанія, дзе штучны інтэлект — гэта рухавік , а не дэкарацыя. Калі вы прыбярэце штучны інтэлект, і прадукт перастане мець сэнс (ці страціць сваю прывабнасць), вы, верагодна, маеце справу з сапраўднай кампаніяй, якая працуе са штучным інтэлектам. Калі штучны інтэлект — гэта толькі адзін з многіх інструментаў, то дакладней будзе назваць яго кампаніяй, якая працуе на базе штучнага інтэлекту.
І абодва варыянты добрыя. Свету патрэбныя абодва. Але ярлык мае значэнне, калі вы інвестуеце, наймаеце, купляеце праграмнае забеспячэнне або спрабуеце высветліць, што вам прадаюць — робата ці кардонную фігурку з выпуклымі вачыма 🤖👀
Часта задаваныя пытанні
Што лічыцца кампаніяй са штучным інтэлектам у параўнанні з кампаніяй з падтрымкай штучнага інтэлекту?
Кампанія, якая выкарыстоўвае штучны інтэлект, — гэта кампанія, асноўны прадукт, каштоўнасць або канкурэнтная перавага якой залежыць ад штучнага інтэлекту. Калі выдаліць штучны інтэлект, прапанова абваліцца або значна пагоршыцца. Кампанія, якая выкарыстоўвае штучны інтэлект, выкарыстоўвае яго для ўмацавання аперацый (напрыклад, прагназавання або выяўлення махлярства), але ўсё роўна прадае нешта фундаментальна не звязанае са штучным інтэлектам. Простая праверка: калі заўтра штучны інтэлект выйдзе з ладу, а вы ўсё яшчэ зможаце працаваць з базавым праграмным забеспячэннем, хутчэй за ўсё, у вас ёсць штучны інтэлект.
Як я магу хутка вызначыць, ці сапраўды бізнес з'яўляецца кампаніяй штучнага інтэлекту?
Падумайце, што адбудзецца, калі штучны інтэлект перастане працаваць. Калі кліенты будуць усё яшчэ плаціць, а бізнес зможа працаваць з электроннымі табліцамі або традыцыйным праграмным забеспячэннем, то, верагодна, гэта не натыўнае праграмнае забеспячэнне для штучнага інтэлекту. Сапраўдныя кампаніі, якія працуюць са штучным інтэлектам, таксама схільныя казаць пра канкрэтныя аперацыйныя тэрміны: наборы ацэнак, затрымка, дрэйф, галюцынацыі, маніторынг і рэжымы збояў. Калі ўсё гэта маркетынг, а не механізм, гэта трывожны сігнал.
Ці трэба вам навучыць сваю ўласную мадэль, каб стаць кампаніяй са штучным інтэлектам?
Не. Шматлікія кампаніі, якія займаюцца штучным інтэлектам, ствараюць моцныя прадукты на аснове існуючых мадэляў і ўсё роўна кваліфікуюцца як AI-арыентаваныя, калі штучны інтэлект з'яўляецца рухавіком прадукту. Важна тое, ці мадэлі, дадзеныя, ацэнка і цыклы ітэрацый стымулююць прадукцыйнасць і дыферэнцыяцыю. Фірмовыя дадзеныя, інтэграцыя працоўных працэсаў і строгая ацэнка могуць стварыць сапраўдную перавагу нават без навучання з нуля.
Якія асноўныя тыпы кампаній, якія працуюць са штучным інтэлектам, і чым яны адрозніваюцца?
Да распаўсюджаных тыпаў адносяцца канструктары базавых мадэляў, вертыкальныя праграмы штучнага інтэлекту (напрыклад, юрыдычныя або медыцынскія інструменты), сумесныя пілоты для працы з ведамі, платформы MLOps/model ops, бізнесы па працы з дадзенымі і маркіроўцы, штучны інтэлект на перыферыі/на прыладах, кансалтынгавыя кампаніі/інтэгратары і пастаўшчыкі інструментаў ацэнкі/бяспекі. Усе яны могуць быць «кампаніямі штучнага інтэлекту», але яны прадаюць вельмі розныя рэчы: мадэлі, гатовыя прадукты або інфраструктуру, якая робіць вытворчы штучны інтэлект надзейным і кіраваным.
Як выглядае тыповы стэк кампаніі, якая займаецца штучным інтэлектам, "пад капотам"?
Шмат якія кампаніі, якія займаюцца штучным інтэлектам, маюць агульны стэк: узровень дадзеных (збор, маркіроўка, кіраванне, цыклы зваротнай сувязі), узровень мадэлі (выбар базавай мадэлі, тонкая налада, пошук па RAG/вектарах, пакеты ацэнак), узровень прадукту (карыстальніцкі досвед для нявызначанасці, агароджы, інтэграцыя працоўных працэсаў) і ўзровень аперацый (маніторынг дрэйфу, рэагаванне на інцыдэнты, кантроль выдаткаў, аўдыт). Чалавечыя працэсы — рэцэнзенты, эскалацыя, кантроль якасці — часта з'яўляюцца непрыкметнай асновай.
Якія паказчыкі паказваюць, што кампанія, якая займаецца штучным інтэлектам, выконвае «рэальную працу», а не проста дэманстрацыі?
Больш моцным сігналам з'яўляюцца вымерныя вынікі, звязаныя з прадуктам: дакладнасць, зэканомлены час, зніжэнне выдаткаў, менш памылак або больш высокая канверсія — у спалучэнні з выразным метадам ацэнкі і маніторынгу гэтых паказчыкаў. Сапраўдныя каманды ствараюць бенчмаркі, тэстуюць памежныя выпадкі і адсочваюць прадукцыйнасць пасля разгортвання. Яны таксама плануюць, калі мадэль памылковая, а не толькі калі яна правільная, таму што давер залежыць ад апрацоўкі памылак.
Як кампаніі, якія займаюцца штучным інтэлектам, звычайна зарабляюць грошы, і якіх цэнавых пастак павінны сачыць пакупнікі?
Распаўсюджаныя мадэлі ўключаюць цэнаўтварэнне на аснове выкарыстання (за запыт/токен/задачу), падпіскі на аснове колькасці месцаў, цэнаўтварэнне на аснове вынікаў (радзей), карпаратыўныя кантракты з пагадненнямі аб узроўні абслугоўвання і ліцэнзаванне ўбудаванага або на прыладзе штучнага інтэлекту. Ключавой праблемай з'яўляецца прадказальнасць: кліенты хочуць стабільных выдаткаў, у той час як кошт штучнага інтэлекту можа вагацца ў залежнасці ад выкарыстання і выбару мадэлі. Моцныя пастаўшчыкі спраўляюцца з гэтым з дапамогай перанакіравання на больш танныя мадэлі, кэшавання, пакетнай апрацоўкі і кантролю памеру кантэксту.
Што робіць кампанію, якая працуе са штучным інтэлектам, абараняльнай, калі ўсе могуць выкарыстоўваць падобныя мадэлі?
Часта роў — гэта не проста «лепшая мадэль». Абараняльнасць можа заключацца ў запатэнтаваных даных дамена, размеркаванні ўнутры працоўнага працэсу, у якім карыстальнікі ўжо працуюць, пераключэнні выдаткаў з інтэграцый і звычак, даверы да брэнда ў важных галінах і аперацыйнай дасканаласці ў распрацоўцы надзейнага штучнага інтэлекту. Сістэмы з улікам фактару «чалавек у цыкле» таксама могуць пераўзыходзіць чыстую аўтаматызацыю. Дзве каманды могуць выкарыстоўваць адну і тую ж мадэль і атрымліваць вельмі розныя вынікі ў залежнасці ад усяго навакольнага асяроддзя.
Як распазнаць штучны інтэлект пры ацэнцы пастаўшчыка або стартапа?
Звяртайце ўвагу на расплывістыя заявы без выразна акрэсленых магчымасцей штучнага інтэлекту, «дэма-магію» без парогавых выпадкаў і немагчымасць растлумачыць ацэнку, кіраванне дадзенымі, маніторынг або рэжымы збояў. Занадта самаўпэўненыя заявы, такія як «амаль ідэальна» — яшчэ адзін папераджальны знак. Да «зялёных сцяжкоў» адносяцца празрыстыя вымярэнні, выразныя абмежаванні, планы маніторынгу адхіленняў і добра акрэсленыя шляхі праверкі чалавекам або эскалацыі. Кампанія, якая можа сказаць «мы гэтага не робім», часта больш надзейная, чым тая, якая абяцае ўсё на свеце.
Спасылкі
-
АЭСР - oecd.ai
-
АЭСР - oecd.org
-
Нацыянальны інстытут стандартаў і тэхналогій (NIST) - NIST AI RMF (AI 100-1) - nist.gov
-
Дапаможнік па сістэме кіравання рызыкамі ў галіне штучнага інтэлекту NIST (AI RMF) - Вымярэнне - nist.gov
-
Google Cloud - MLOps: бесперапынная дастаўка і канвееры аўтаматызацыі ў машынным навучанні - google.com
-
Google - Кіраўніцтва па MLOps для спецыялістаў (Белая кніга) - google.com
-
Google Cloud - Што такое MLOps? - google.com
-
Datadog - Найлепшыя практыкі ацэнкі структуры LLM - datadoghq.com
-
IBM - Зрушэнне мадэлі - ibm.com
-
OpenAI - Чаму моўныя мадэлі галюцынуюць - openai.com
-
OpenAI - цэны API - openai.com
-
Даведачны цэнтр OpenAI - Што такое токены і як іх лічыць - openai.com
-
Microsoft - Кошты Microsoft 365 Copilot - microsoft.com
-
Школа менеджменту Слоуна пры Масачусецкім тэхналагічным інстытуце - Чаму настаў час для штучнага інтэлекту, арыентаванага на дадзеныя - mit.edu
-
NVIDIA - Што такое перыферыйны штучны інтэлект? - nvidia.com
-
IBM - Параўнанне штучнага інтэлекту на Edge і воблачных тэхналогій - ibm.com
-
Uber - Павышэнне планкі бяспекі разгортвання мадэлі машыннага навучання - uber.com
-
Міжнародная арганізацыя па стандартызацыі (ISO) - Агляд ISO/IEC 42001 - iso.org
-
arXiv - Генерацыя з дапоўненым пошукам дадзеных для задач NLP з інтэнсіўным выкарыстаннем ведаў (Lewis et al., 2020) - arxiv.org
-
Oracle - Пошук вектараў - oracle.com
-
Закон аб штучным інтэлекце (ЕС) - Кантроль чалавека (артыкул 14) - artificialintelligenceact.eu
-
Еўрапейская камісія - Рэгулятарная база па штучным інтэлекце (агляд Закона аб штучным інтэлекце) - europa.eu
-
YouTube - youtube.com
-
Крама памочнікаў штучнага інтэлекту - Як працуе маштабаванне штучнага інтэлекту - aiassistantstore.com
-
Крама памочнікаў штучнага інтэлекту - Як выглядае код штучнага інтэлекту - aiassistantstore.com
-
Крама памочнікаў штучнага інтэлекту - Што такое алгарытм штучнага інтэлекту - aiassistantstore.com
-
Крама памочнікаў штучнага інтэлекту - Што такое папярэдняя апрацоўка з дапамогай штучнага інтэлекту - aiassistantstore.com