ເມື່ອຜະລິດ AI, ມີຄວາມທ້າທາຍຫຼາຍຢ່າງທີ່ທ່ານສາມາດພົບໄດ້, ເຊັ່ນ: ວິທີການນໍາໃຊ້ຕົວແບບ AI ຂອງທ່ານເຂົ້າໃນຂະບວນການຫຼືປະຊາຊົນ, ສະຖຽນລະພາບຂໍ້ມູນແລະຕົວແບບ, ວິທີການຮັກສາຕົວແບບຂອງເຈົ້າໃຫ້ຖືກຕ້ອງໃນສະພາບແວດລ້ອມທີ່ມີການປ່ຽນແປງແລະໃນໄລຍະເວລາ, ການຂະຫຍາຍຂະຫນາດ, ແລະວິທີການຂະຫຍາຍຕົວ. ຫຼືເພີ່ມຄວາມສາມາດຂອງຕົວແບບ AI ຂອງທ່ານ.
ການຝັງ AI
ການເຮັດວຽກຂອງການຮຽນຮູ້ເຄື່ອງຈັກທີ່ປະສົບຜົນສໍາເລັດ Proof of Concept (PoC) ດ້ວຍວິທີໃຫມ່ແມ່ນພຽງແຕ່ 10% ຂອງຄວາມພະຍາຍາມທີ່ຕ້ອງການເພື່ອຜະລິດມັນແລະໄດ້ຮັບມູນຄ່າຕົວຈິງຈາກມັນ. 90% ທີ່ຍັງເຫຼືອສາມາດແບ່ງອອກເປັນສິ່ງທີ່ທ່ານຕ້ອງເຮັດເພື່ອເຮັດໃຫ້ຜະລິດຕະພັນສາມາດໃຊ້ໄດ້ແລະສິ່ງທີ່ທ່ານຈໍາເປັນຕ້ອງເຮັດເພື່ອເຮັດໃຫ້ຜະລິດຕະພັນທີ່ເປັນປະໂຫຍດ.
ເພື່ອເຮັດໃຫ້ຜະລິດຕະພັນທີ່ສາມາດໃຊ້ໄດ້, ທ່ານຈໍາເປັນຕ້ອງຊູມເຂົ້າໄປໃນການປະຕິບັດດ້ານວິຊາການເພື່ອເຮັດໃຫ້ຜະລິດຕະພັນມີໃຫ້ກັບຜູ້ໃຊ້ຂອງທ່ານ. ເພື່ອເຮັດໃຫ້ມັນເປັນປະໂຫຍດ, ທ່ານຄວນເບິ່ງການຝັງຜະລິດຕະພັນເຂົ້າໄປໃນຂະບວນການສໍາລັບຜູ້ໃຊ້. ຫນ້າທໍາອິດ, ແນວໃດກໍ່ຕາມ, ແມ່ນຫຍັງຄືຄວາມແຕກຕ່າງລະຫວ່າງ PoC ແລະຜະລິດຕະພັນທີ່ສາມາດໃຊ້ໄດ້?
ກ່ອນອື່ນ ໝົດ, PoCs ບໍ່ໄດ້ ໝາຍ ເຖິງການຜະລິດ. ຜະລິດຕະພັນຕ້ອງເຮັດວຽກຕະຫຼອດເວລາ, ທຸກເວລາ, ແລະພາຍໃຕ້ສະຖານະການປ່ຽນແປງ. ໃນລະຫວ່າງ PoC ຂອງທ່ານ, ທ່ານຊອກຫາຂໍ້ມູນທີ່ທ່ານກໍາລັງຊອກຫາ, ເຮັດສໍາເນົາ, ແລະເລີ່ມຕົ້ນເຮັດຄວາມສະອາດແລະວິເຄາະມັນ. ໃນການຜະລິດ, ແຫຼ່ງຂໍ້ມູນຂອງທ່ານຕ້ອງເຊື່ອມຕໍ່ກັບແພລະຕະຟອມຂໍ້ມູນໃນເວລາທີ່ແທ້ຈິງ, ປອດໄພ, ແລະປອດໄພ; ກະແສຂໍ້ມູນຕ້ອງໄດ້ຮັບການຈັດການໂດຍອັດຕະໂນມັດແລະປຽບທຽບກັບ / ປະສົມປະສານກັບແຫຼ່ງຂໍ້ມູນອື່ນໆ.
ໃນລະຫວ່າງ PoC ຂອງທ່ານ, ທ່ານມີຄວາມຫລູຫລາໃນການສາມາດສົນທະນາກັບຜູ້ໃຊ້ໃນອະນາຄົດຂອງທ່ານແລະເຮັດວຽກກັບພວກເຂົາເພື່ອອອກແບບການແກ້ໄຂ, ຫຼືທ່ານບໍ່ມີຜູ້ໃຊ້ໃດໆ, ແລະທ່ານກໍາລັງອອກແບບການແກ້ໄຂດ້ານວິຊາການ. ສໍາລັບຜະລິດຕະພັນໃດຫນຶ່ງ, ທ່ານມີຜູ້ໃຊ້ທີ່ຕ້ອງການເຂົ້າໃຈການແກ້ໄຂນັ້ນ, ແລະປະຊາຊົນທີ່ຮັບຜິດຊອບໃນການຮັກສາການແກ້ໄຂດ້ານວິຊາການເຮັດວຽກ. ດັ່ງນັ້ນ, ຜະລິດຕະພັນຕ້ອງການການຝຶກອົບຮົມ, ຄໍາຖາມທີ່ຖາມເລື້ອຍໆ, ແລະ / ຫຼືສາຍສະຫນັບສະຫນູນເພື່ອໃຫ້ມັນສາມາດໃຊ້ໄດ້. ນອກຈາກນັ້ນ, ທ່ານພຽງແຕ່ສ້າງສະບັບໃຫມ່ສໍາລັບກໍລະນີການນໍາໃຊ້ຫນຶ່ງຂອງທ່ານໃນ PoC. ຜະລິດຕະພັນຕ້ອງການການປັບປຸງ, ແລະເມື່ອທ່ານໄດ້ເຜີຍແຜ່ຜະລິດຕະພັນຂອງທ່ານສໍາລັບລູກຄ້າຫຼາຍໆຄົນ, ທ່ານຕ້ອງການວິທີການທົດສອບແລະນໍາໃຊ້ລະຫັດຂອງທ່ານໃນການຜະລິດ (ທໍ່ CI / CD).
"ຢູ່ທີ່ Itility, ພວກເຮົາໄດ້ພັດທະນາໂຮງງານຜະລິດຂໍ້ມູນ Itility ແລະໂຮງງານ AI ຂອງພວກເຮົາທີ່ກວມເອົາອາຄານແລະເວທີພື້ນຖານສໍາລັບໂຄງການໃດໆຂອງພວກເຮົາ. ນີ້ຫມາຍຄວາມວ່າພວກເຮົາມີມຸມທີ່ໃຊ້ໄດ້ກວມເອົາຕັ້ງແຕ່ເລີ່ມຕົ້ນ, ດັ່ງນັ້ນພວກເຮົາສາມາດສຸມໃສ່ມຸມທີ່ເປັນປະໂຫຍດ (ເຊິ່ງແມ່ນລູກຄ້າແລະກໍລະນີການນໍາໃຊ້ຫຼາຍຂື້ນ), "ບໍລິສັດກ່າວ.
ແອັບກວດຫາສັດຕູພືດ – ຈາກ PoC ໄປຫາຜະລິດຕະພັນທີ່ສາມາດໃຊ້ໄດ້
"ໄລຍະຫຼັກຖານສະແດງແນວຄວາມຄິດຂອງ App ກວດພົບສັດຕູພືດຂອງພວກເຮົາປະກອບດ້ວຍຕົວແບບທີ່ສາມາດປະຕິບັດຫນ້າທີ່ແຄບໃນການຈັດປະເພດແລະນັບແມງວັນໃສ່ກັບດັກກາວໂດຍອີງໃສ່ຮູບພາບທີ່ຖ່າຍໂດຍສະມາຊິກທີມງານເຮືອນແກ້ວ. ໃນກໍລະນີທີ່ພວກເຂົາພາດຮູບພາບຫຼືຖ້າມີບາງຢ່າງຜິດພາດ, ພວກເຂົາສາມາດກັບຄືນແລະເອົາຮູບອື່ນ, ຫຼືແກ້ໄຂມັນໂດຍກົງໃນ dashboard. ຈໍາເປັນຕ້ອງມີການກວດສອບຄູ່ມືບາງຢ່າງ.
“PoC-world ຂອງພວກເຮົາແມ່ນງ່າຍດາຍ, ອີງໃສ່ອຸປະກອນດຽວ, ຜູ້ໃຊ້ດຽວ, ແລະຫນຶ່ງລູກຄ້າດຽວ. ຢ່າງໃດກໍຕາມ, ເພື່ອເຮັດໃຫ້ມັນກາຍເປັນຜະລິດຕະພັນທີ່ເປັນປະໂຫຍດ, ພວກເຮົາຈໍາເປັນຕ້ອງໄດ້ຂະຫນາດແລະສະຫນັບສະຫນູນລູກຄ້າຫຼາຍ. ຫຼັງຈາກນັ້ນ, ຄໍາຖາມກ່ຽວກັບວິທີການຮັກສາຂໍ້ມູນແຍກຕ່າງຫາກແລະປອດໄພເກີດຂື້ນ. ຍິ່ງໄປກວ່ານັ້ນ, ແຕ່ລະລູກຄ້າ / ເຄື່ອງແຕ່ລະຄົນຮຽກຮ້ອງໃຫ້ມີການຕິດຕັ້ງແລະການຕັ້ງຄ່າເລີ່ມຕົ້ນ. ດັ່ງນັ້ນ, ວິທີການ configure / ສ້າງຕັ້ງຂຶ້ນ 20 ລູກຄ້າໃຫມ່? ເຈົ້າຮູ້ໄດ້ແນວໃດວ່າເວລາໃດທີ່ຈະສ້າງສ່ວນຕິດຕໍ່ຜູ້ເບິ່ງແຍງລະບົບ ແລະເລີ່ມການເລີ່ມຕົ້ນອັດຕະໂນມັດ? ຢູ່ 2 ລູກຄ້າ, 20, ຫຼື 200?"
ແນ່ນອນ, ທ່ານອາດຈະມີຄໍາຖາມ, ເຊັ່ນ: 'ການນັບແມງວັນຊ່ວຍລູກຄ້າຂອງຂ້ອຍໄດ້ແນວໃດ? ວິທີການສ້າງມູນຄ່າຈາກຂໍ້ມູນນີ້? ວິທີການແນະນໍາການຕັດສິນໃຈແລະດໍາເນີນການ? ຄໍາຮ້ອງສະຫມັກ AI ນີ້ເຫມາະສົມກັບຂະບວນການທຸລະກິດແນວໃດ?' ຂັ້ນຕອນທີຫນຶ່ງແມ່ນການປ່ຽນແປງຂອບການກະສານອ້າງອີງຂອງທ່ານຈາກທັດສະນະດ້ານວິຊາການ / ຂໍ້ມູນກັບທັດສະນະຜູ້ໃຊ້ສຸດທ້າຍ. ນີ້ຫມາຍຄວາມວ່າສືບຕໍ່ການສົນທະນາກັບລູກຄ້າຂອງທ່ານແລະເບິ່ງວ່າ PoC ທີ່ພິສູດແລ້ວເຫມາະສົມກັບຂະບວນການປະຈໍາວັນ.
"ທ່ານຍັງຕ້ອງຕິດຕາມຢ່າງໃກ້ຊິດຂະບວນການເປັນເວລາດົນກວ່າ, ທ່ານຈໍາເປັນຕ້ອງເຂົ້າຮ່ວມກອງປະຊຸມປະຕິບັດງານແລະມີສິດເທົ່າທຽມເພື່ອເຂົ້າໃຈຢ່າງແທ້ຈິງວ່າການກະທໍາໃດຖືກປະຕິບັດທຸກໆມື້ໂດຍອີງໃສ່ຂໍ້ມູນໃດ, ໃຊ້ເວລາຫຼາຍປານໃດເພື່ອເຮັດຫຍັງ, ແລະການສົມເຫດສົມຜົນ. ຢູ່ເບື້ອງຫລັງການກະທໍາສະເພາະໃດຫນຶ່ງ. ໂດຍບໍ່ມີການເຂົ້າໃຈວິທີການຂໍ້ມູນຈາກຕົວແບບຂອງທ່ານຖືກນໍາໃຊ້ເພື່ອສ້າງມູນຄ່າທຸລະກິດ, ທ່ານຈະບໍ່ໄດ້ຮັບຜະລິດຕະພັນທີ່ເປັນປະໂຫຍດ.
“ໃນກໍລະນີຂອງພວກເຮົາ, ພວກເຮົາຄົ້ນພົບວ່າຂໍ້ມູນໃດຖືກໃຊ້ເພື່ອຕັດສິນໃຈ. ຕົວຢ່າງ, ພວກເຮົາຄົ້ນພົບວ່າສັດຕູພືດບາງຊະນິດມັນມີຄວາມສໍາຄັນກວ່າທີ່ຈະປະຕິບັດຕາມແນວໂນ້ມປະຈໍາອາທິດ (ທີ່ທ່ານບໍ່ຕ້ອງການຄວາມຖືກຕ້ອງສູງທີ່ສຸດ) ໃນຂະນະທີ່ຄົນອື່ນຕ້ອງການການປະຕິບັດຢູ່ໃນສັນຍານທໍາອິດຂອງສັດຕູພືດ (ຊຶ່ງຫມາຍຄວາມວ່າມັນເປັນການດີກວ່າທີ່ຈະມີຄູ່ຜົວເມຍ. ຂອງຜົນບວກທີ່ບໍ່ຖືກຕ້ອງກ່ວາທີ່ຈະມີແມ້ແຕ່ຫນຶ່ງລົບທີ່ບໍ່ຖືກຕ້ອງ).
"ນອກຈາກນັ້ນ, ພວກເຮົາຄົ້ນພົບວ່າລູກຄ້າຂອງພວກເຮົາເຄີຍມີປະສົບການ 'ບໍ່ດີ' ກັບເຄື່ອງມືທີ່ຄ້າຍຄືກັນທີ່ອ້າງວ່າມີຄວາມຖືກຕ້ອງທີ່ມັນບໍ່ສາມາດປະຕິບັດໄດ້. ເປັນຫຍັງເຂົາເຈົ້າຈຶ່ງເຊື່ອເຮົາ? ພວກເຮົາໄດ້ເອົາບັນຫາຄວາມເຊື່ອຖືນີ້ເປັນຫົວຫນ້າ ແລະເຮັດໃຫ້ຄວາມຖືກຕ້ອງແລະຄວາມໂປ່ງໃສເປັນຄຸນນະສົມບັດທີ່ສໍາຄັນຂອງຜະລິດຕະພັນ. ພວກເຮົາໃຊ້ຂໍ້ມູນນີ້ເພື່ອເຮັດໃຫ້ຜະລິດຕະພັນຂອງພວກເຮົາເປັນປະໂຫຍດໂດຍການປັບຄໍາຮ້ອງສະຫມັກໄປສູ່ວິທີການເຮັດວຽກຂອງຜູ້ໃຊ້ສຸດທ້າຍ, ແລະໂດຍການເພີ່ມຄວາມໂປ່ງໃສໃນການໂຕ້ຕອບ, ເຮັດໃຫ້ຜູ້ໃຊ້ສາມາດຄວບຄຸມແອັບພລິເຄຊັນໄດ້ຫຼາຍຂຶ້ນ, "ບໍລິສັດສືບຕໍ່.
ສິ່ງທ້າທາຍທີ່ໃຫຍ່ທີ່ສຸດແມ່ນຫຍັງ?
"ໃນສະຖານະການນັບບິນຂອງພວກເຮົາ, ພວກເຮົາສາມາດເວົ້າກ່ຽວກັບຄະແນນຄວາມຖືກຕ້ອງຂອງພວກເຮົາທັງຫມົດທີ່ພວກເຮົາຕ້ອງການ. ຢ່າງໃດກໍ່ຕາມ, ເພື່ອໃຫ້ເປັນປະໂຫຍດ, ຜູ້ໃຊ້ (ຜູ້ຊ່ຽວຊານດ້ານເຮືອນແກ້ວ) ຕ້ອງການຫຼາຍກ່ວາເປີເຊັນ. ສິ່ງທີ່ຈໍາເປັນແມ່ນເພື່ອປະສົບການມັນ, ແລະຮຽນຮູ້ທີ່ຈະໄວ້ວາງໃຈມັນ. ສິ່ງທີ່ຮ້າຍແຮງທີ່ສຸດທີ່ສາມາດເກີດຂຶ້ນໄດ້ແມ່ນເມື່ອຜູ້ໃຊ້ຂອງທ່ານປຽບທຽບຜົນໄດ້ຮັບຂອງທ່ານກັບຜົນໄດ້ຮັບດ້ວຍຕົນເອງແລະມີຄວາມແຕກຕ່າງກັນ (ຂະຫນາດໃຫຍ່). ຊື່ສຽງຂອງທ່ານໄດ້ຖືກທໍາລາຍແລະບໍ່ມີບ່ອນທີ່ຈະໄດ້ຮັບຄວາມໄວ້ວາງໃຈ. ພວກເຮົາຕ້ານການນີ້ໂດຍການເພີ່ມຊອບແວໃສ່ຜະລິດຕະພັນທີ່ຊຸກຍູ້ໃຫ້ຜູ້ໃຊ້ຊອກຫາຄວາມແຕກຕ່າງເຫຼົ່ານັ້ນແລະແກ້ໄຂພວກມັນ.
"ວິທີການຂອງພວກເຮົາແມ່ນດັ່ງນັ້ນເພື່ອເຮັດໃຫ້ຜູ້ໃຊ້ເປັນສ່ວນຫນຶ່ງຂອງການແກ້ໄຂ AI ແທນທີ່ຈະນໍາສະເຫນີມັນເປັນລະບົບທີ່ຈະທົດແທນຜູ້ຊ່ຽວຊານ. ພວກເຮົາປ່ຽນຜູ້ຊ່ຽວຊານເປັນຜູ້ປະກອບການ. AI ກໍາລັງເພີ່ມຄວາມສາມາດຂອງເຂົາເຈົ້າແລະຜູ້ຊ່ຽວຊານຍັງຄົງຢູ່ໃນການຄວບຄຸມໂດຍການສອນຢ່າງຕໍ່ເນື່ອງແລະນໍາພາ AI ເພື່ອຮຽນຮູ້ເພີ່ມເຕີມແລະແກ້ໄຂໃນເວລາທີ່ສະພາບແວດລ້ອມຫຼືຕົວແປອື່ນໆ drift. ໃນຖານະເປັນຜູ້ປະກອບການ, ຜູ້ຊ່ຽວຊານແມ່ນສ່ວນຫນຶ່ງທີ່ສໍາຄັນຂອງການແກ້ໄຂ - ການສອນແລະການຝຶກອົບຮົມ AI ດ້ວຍການດໍາເນີນການສະເພາະ."
ກົດ ທີ່ນີ້ ເພື່ອເບິ່ງວິດີໂອທີ່ມີລາຍລະອຽດເພີ່ມເຕີມກ່ຽວກັບວິທີການຂອງຜູ້ປະກອບການເປັນສູນກາງ.