AI produkty a projekty – čím se liší od ostatních? | AI v podnikání #49

Úvod do správy produktů AI

Produkty AI vyžadují neustálý vývoj a přizpůsobení, což se liší od tradičních technologických řešení.

• AI, umělá inteligence – obecný název pro schopnost strojů vykonávat úkoly, které napodobují fungování lidského rozumu a kreativity, jako je rozpoznávání obrazů, porozumění psanému a mluvenému jazyku nebo rozhodování na základě dostupných dat,
• ML, strojové učení – subdisciplína AI pokrývající procesy, ve kterých se stroje učí z dat a zkušeností, jak vykonávat úkoly lépe. Jedinečnost produktů založených na strojovém učení (ML) spočívá v tom, že nejsou předprogramované, ale jsou vybaveny schopnostmi učení a adaptace. V odvětvích, jako je zdravotnictví, AI přispívá k přesnějším diagnostikám, zatímco ve financích umožňuje sofistikovanější analýzu rizik,
• GenAI, generativní umělá inteligence – nové pole ML zahrnující systémy, které mohou vytvářet nový obsah, jako je text, obrázky, video, 3D modely nebo hudba, na základě uživatelova vynálezu nebo uživatelsky specifikovaného účelu a vstupních dat, jako jsou klíčová slova, dotazy nebo podněty, nebo skici či fotografie.

Plánování AI produktu – od nápadu k realizaci

Plánování AI produktu vyžaduje na začátku položit klíčovou otázku: Bude tento produkt mít prospěch z přidání schopností AI?

Implementace AI produktu je riskantní a nákladná, a proto je dobré začít definováním problému, který má být vyřešen implementací AI, a poté se pokusit ho optimálně vyřešit. Možná pomocí brainstormingových sezení s ChatGPT nebo Google Bard, které mohou překvapivě poradit ohledně optimálního vývoje produktu – nemusí to být nutně založeno na AI.

Pokud se však rozhodneme přidat umělou inteligenci do nabídky společnosti, musíme zvážit specifika životního cyklu AI projektu. Vždyť data Gartner ukazují, že pouze 54 % AI projektů se dostane z pilotní fáze do produkce.

To je často způsobeno velmi slibnými prototypy, které lze vytvořit s dostupnými nástroji AI. Na druhou stranu je velmi obtížné dosáhnout “produkční kvality” a opakovatelnosti a relevance výsledků požadovaných zainteresovanými stranami.

Životní cyklus AI produktu se však od ostatních liší nejen tím, že se méně často dostává za fázi konceptu. Zatímco životní cyklus tradičních produktů směřuje k postupnému poklesu zájmu, jakmile prodeje dosáhnou vrcholu, produkty AI zažívají takzvaný “efekt setrvačníku.” To je jev, při kterém se produkt založený na strojovém učení zlepšuje, jak je používán a jak se shromažďují nová data od uživatelů. Čím lepší je produkt, tím více uživatelů si ho vybírá, což zase generuje více dat pro zlepšení algoritmu. Tento efekt vytváří zpětnou vazbu, která umožňuje neustálé zlepšování a škálování řešení založených na AI.

Zdroj: DALL-E 3, prompt: Marta M. Kania (https://www.linkedin.com/in/martamatyldakania/)

To z nich činí produkty s obnovujícím se životním cyklem. Jinými slovy, efekt setrvačníku v AI znamená, že neustálá zlepšení vedou k postupným zlepšením výkonnosti produktu. Například:

• Iterativní trénink AI modelů – například model pro předpověď prodeje může vyžadovat opakovaný trénink, aby dosáhl optimální přesnosti, ale s časem se stává stále dokonalejším,
• Správa datového zpoždění – pro aplikace personalizace obsahu může být prioritou shromažďování a analýza uživatelských dat, což postupně povede k stále relevantnějším výsledkům.

Stručně řečeno, správa AI projektů vyžaduje flexibilitu a připravenost na neustálé zlepšování. Proto musí být manažeři AI projektů připraveni reagovat na měnící se požadavky a neustále upravovat strategie.

Porozumění datům a jejich roli ve vývoji AI produktů

Role dat ve vývoji AI produktů je zásadní. McKinsey odhaduje, že generativní AI modely by mohly generovat ekonomické přínosy až 4,4 bilionu dolarů ročně. Nicméně, dosáhnout kousek z tohoto koláče vyžaduje kvalitní správu dat.

Například, aby systém doporučení produktů v e-commerce fungoval dobře, je klíčová kvalita dat o chování zákazníků. Nejenže budete potřebovat správné množství dat, ale také jejich správnou segmentaci a aktualizaci, a co je nejdůležitější, dovednost vyvozovat závěry z nasbíraných informací.

Při vytváření produktu AI založeného na datech je stejně důležité udržovat nestrannost v datech. Například v AI algoritmech používaných v náboru nebo pojištění nesmí data obsahovat implicitní předsudky – na základě pohlaví nebo umístění – které by mohly vést k diskriminaci.

Je třeba poznamenat, že správná správa dat vyžaduje nejen technickou odbornost, ale také povědomí o jejím dopadu na výkonnost AI produktů.

Nejčastější problémy při správě produktů založených na AI

Správa produktů AI zahrnuje výzvy, které vyžadují specifické dovednosti a etické povědomí. Mezi nejdůležitější problémy stojí za zmínku:

• Rozvoj dovedností AI – například produktový manažer v oblasti AI potřebuje rozumět základům strojového učení, aby efektivně spolupracoval s technickým týmem,
• aktuální orientace na právní požadavky – regulace týkající se produktů AI se teprve objevují, takže je třeba být orientován na úpravu politik a regulací společnosti pro používání AI produktu na průběžné bázi,
• Integrace AI do stávajících systémů – integrace pokročilé umělé inteligence do stávajících IT systémů může představovat technologické a organizační výzvy,
• Škálování AI řešení – pro technologické start-upy vyžaduje vývoj prototypu AI do plnohodnotného produktu zdroje, čas a odborné znalosti, což může být také problém kvůli relativně nízké nabídce a vysoké poptávce po odbornících,
• Udržení uživatelů zapojených – pro aplikaci, která používá AI k personalizaci obsahu, je klíčové neustále se přizpůsobovat měnícím se preferencím uživatelů, aby se udrželi zapojeni,
• Řešení etických dilemat – například v aplikaci AI pro monitorování zdraví je prioritou ochrana soukromí a bezpečnost uživatelských dat.

Produkty AI – shrnutí

Stručně řečeno, správa AI projektů a produktů vyžaduje porozumění jedinečným výzvám a příležitostem, které technologie přináší. Porozumění roli dat, schopnost řídit týmy a projekty a také být si vědom etických aspektů AI jsou zásadní. Produkty AI otevírají nové obzory pro podnikání, ale vyžadují správný přístup a dovednosti.

Pro start-upy je důležité zaměřit se na jasné definování problému, který má AI produkt vyřešit, a na budování týmu s odpovídajícími znalostmi a zkušenostmi v oblasti AI. Také stojí za to zaměřit se na budování etických a transparentních AI systémů, které vyhovují očekáváním uživatelů a regulacím.

Pokud se vám náš obsah líbí, připojte se k naší komunitě pilných včel na Facebooku, Twitteru, LinkedInu, Instagramu, YouTube, Pinterestu, TikToku.