۱۳ دلیل شکست پروژه‌های آزمایشی هوش مصنوعی تو شرکت‌ها
هوش مصنوعیخلاصهٔ کامل‌تر
vas تو یه رشته توییت کوتاه ۱۳ دلیل رو آورده که به گفته‌ی خودش حتی تو «بهترین» شرکت‌ها هم باعث میشه pilot هوش مصنوعی (یعنی پروژه‌ی آزمایشی که قراره قبل از اجرای کامل، ارزش AI رو ثابت کنه) شکست بخوره. فهرست به ترتیب شیوع چیده شده و تقریباً هیچ‌کدومش درباره‌ی انتخاب مدل یا کیفیت خروجی نیست. بیشترش برنامه‌ریزی، سازمان و مالکیته.
رایج‌ترین اشتباه به گفته‌ی نویسنده اینه که تیم بدون process mapping شروع می‌کنه، یعنی بدون اینکه بفهمه فرایند واقعاً تو سیستم‌ها چطور اجرا میشه، نه اون چیزی که تو دستورالعمل‌ها نوشته. اشتباه دوم خودکار کردن یه مرحله به‌جای کل فراینده. مثالش اینه: اگه ۸ دقیقه از یه فرایند ۲۲ روزه کم کنی، هنوزم یه فرایند ۲۲ روزه داری. سومی ثبت نکردن معیارهای پایه‌ست، مثل cycle time، هزینه‌ی هر تراکنش و نرخ خطا. بدون اینا بعداً نمی‌تونی نشون بدی چیزی بهتر شده.
چند تا از دلیل‌ها به شکل خود محصول برمی‌گرده. نویسنده می‌گه به‌جای یه دستیار چتی کناری (sidekick) باید background agent ساخت، یعنی ایجنتی که بی‌سروصدا پشت صحنه کارو انجام می‌ده، چون چت‌بات‌ها همیشه فقط حدود ۱۰٪ کاربرها رو جذب می‌کنن. AI باید داخل system of record (یعنی سیستم‌های اصلی که داده‌ی سازمان اونجاست) جا بگیره. اگه کاربر مجبور باشه جدا لاگین کنه، استفاده پایین میاد.
حالت‌های استثنا هم باید از اول دیده بشن. دموها معمولاً فقط happy path رو نشون می‌دن، ولی به گفته‌ی نویسنده استثناها گاهی بیشتر از ۴۰٪ حجم کار هستن. بخش دیگه درباره‌ی مالکیت و ریسکه. اگه کسی صاحب AI نباشه، وضع همون میشه که نویسنده می‌گه: IT ساختش، بخش کسب‌وکار تحملش کرد و وقتی خراب شد هیچ‌کس on call نبود. تیم حقوقی، امنیت اطلاعات و مالی هم باید زود درگیر بشن. به گفته‌ی اون خیلی از pilotها ماه سوم تازه با این تیم‌ها روبه‌رو می‌شن و همون‌جا کنسل می‌شن.
نویسنده پیشنهاد می‌ده AI یه مدت تو shadow mode اجرا بشه، یعنی کنار آدم‌ها و بدون اثر واقعی، تا اعتماد ساخته بشه. اگه مستقیم بره روی production، احتمالش زیاده جلوی CFO یه اشتباه بزرگ بکنه. وابسته بودن به فقط یه provider مدل هم خطرناکه، چون یه افزایش قیمت یا deprecation کافیه تا pilot تبدیل به یه پروژه‌ی مهاجرت بشه.
به‌جای vanity metrics مثل تعداد لاگین یا «میزان استفاده»، باید معیارهای کسب‌وکاری مثل زمان صرفه‌جویی‌شده، درآمد و کاهش ریسک رو دنبال کرد. باید برای «ماه هفتم» هم برنامه داشت، یعنی بعد از pilot کی صاحبش میشه و کی هزینه‌شو می‌ده. آخر سر هم متخصص‌های حوزه باید درگیر بشن، هرچند نویسنده خودش می‌پرسه وقتی قراره دانششون رو داخل AI بریزی، اونا چه انگیزه‌ای برای کمک دارن.
نکات کلیدی:
- رایج‌ترین دلیل شکست: شروع بدون process mapping و مقایسه‌ی دستورالعمل‌ها با کار واقعی
- کم کردن ۸ دقیقه از یه فرایند ۲۲ روزه فرایند رو کوتاه نمی‌کنه؛ باید کل فرایند خودکار بشه
- چت‌بات‌ها معمولاً فقط حدود ۱۰٪ کاربرها رو جذب می‌کنن و background agent جواب بهتری می‌ده
- استثناها می‌تونن بیشتر از ۴۰٪ حجم یه فرایند باشن، در حالی که دموها فقط happy path رو نشون می‌دن
- تکیه به فقط یه provider مدل، با یه افزایش قیمت یا deprecation، pilot رو به پروژه‌ی مهاجرت تبدیل می‌کنه
