Sukces twoich projektów sztucznej inteligencji zależy od:
- dostępnych danych i możliwości wykorzystania uczenia maszynowego,
- właściwego ukierunkowania biznesowego (sztuczna inteligencja powinna dostarczać wyraźną wartość biznesowi),
- ustalania priorytetów i projektowania mapy drogowej produktu opartego o sztuczną inteligencję .
Skuteczne wdrażanie produktów opartych na sztucznej inteligencji będzie wymagało zbudowania zgranych zespołów, w skład których wejdą osoby z różnych środowisk i posiadające różne umiejętności.
Pięć podstawowych rodzajów umiejętności SI, które dobrze, aby znalazły się w zespołach produktowych.
- Osoby, które potrafią mapować procesy biznesowe, decydują, które z nich są kluczowe przy tworzeniu scenariuszy, przypadków użycia i przypadków biznesowych.
- Osoby, które rozumieją naukę o danych, uczenie maszynowe, matematykę, statystykę i potrafią przeprowadzać prognozowanie, etykietowanie i optymalizację danych.
- Osoby, które mogą wcześnie oceniać dane, uruchamiać i szybko próbkować dane, dostarczają opinii na temat jakości danych.
- Osoby, które rozumieją mapę drogową produktu, wiedzą, jak eksperymentować z prototypami, mogą zbierać dane bezpośrednio od klientów i użytkowników końcowych, potrafią budować założenia i kierować iteracjami
- Osoby, które potrafią budować architekturę sprzętową, rozumieją jak działa oprogramowanie i jak działa sprzęt oraz potrafią tworzyć, testować i wdrażać lub wybierać ekosystemy niezbędne do hostowania sztucznej inteligencji.
Przyjrzyjmy się różnym ekspertom i różnym rolom – w tym nietechnicznym rolom biznesowym – które mogą być cenne dla zespołu AI.
Wiele firm nie zdaje sobie sprawy, że budowanie kompletnego zespołu AI to nie tylko naukowcy zajmujący się danymi, inżynierowie i maniacy oprogramowania.
Strona biznesowa firmy powinna również przeprojektować się i mieć CAIO (Chief Artificial Intelligence Officer), CDO (Chief Data Officer), VP of AI lub CIO / CMO / CTO, którzy są również zaangażowani w zarządzanie i rozwój produktów opartych na sztucznej inteligencji.
Poziom zarządzczy firmy również musi zostać przeprojektowany. W przeciwnym razie inicjatywy oddolne nie będą tak skuteczne, jak mogą być, gdy sztuczna inteligencja nie znajduje się na poziomie strategicznym.
Jakie role muszą rekrutować firmy podczas tworzenia produktów lub usług opartych na sztucznej inteligencji?
Poniżej znajdziesz zestaw proponowanych przeze mnie stanowisk / odpowiedzialności o które należy w mojej ocenie uzupełnić zespoły produktowe.
a) Obowiązki zawodowe Inżyniera Oprogramowania składają się zazwyczaj z następujących elementów:
- Rozwija systemy informacyjne poprzez projektowanie, rozwijanie i instalowanie rozwiązań programowych.
- Określa wykonalność operacyjną, oceniając analizę, definicję problemu, wymagania, opracowywanie rozwiązań i proponowane rozwiązania.
- Tworzy rozwiązania programowe, badając potrzeby informacyjne, rozmawiając z użytkownikami i badając przepływ systemów, wykorzystanie danych i procesy pracy.
- Śledzi cykl życia oprogramowania.
- Dokumentuje rozwiązania, opracowując stosowną dokumentację, schematy blokowe, układy, diagramy, wykresy, komentarze do kodu i buduje przejrzysty kod.
- Przygotowuje i instaluje rozwiązania, określając i projektując specyfikacje systemu, standardy i programowanie.
- Uzyskuje i licencjonuje oprogramowanie, uzyskując wymagane informacje od dostawców, rekomendując zakupy oraz testując i zatwierdzając produkty.
- Dostarcza informacje poprzez zbieranie, analizowanie i kompilowanie problemów programistycznych.
- Inżynierowie oprogramowania zajmujący się sztuczną inteligencją muszą wykonywać obliczenia i muszą mieć doskonałe umiejętności matematyczne, aby to zrobić. Typowe specjalizacje to informatyka, sztuczna inteligencja, robotyka i inżynieria.
b) Badacz uczenia maszynowego / Inżynier badań nad uczeniem maszynowym
Osoba zajmująca to stanowisko identyfikuje obszary zróżnicowania i innowacji w określonej dziedzinie (na przykład rozpoznawanie twarzy w ramach technologii CCTV), znajdując, badając i oceniając nowe i istniejące algorytmy oraz interfejsy użytkownika.
Niektóre firmy mogą wymagać od tej osoby prototypowania algorytmów i aplikacji w określonych językach oraz zrozumienia ograniczeń związanych z badaniem wykonalnych i wydajnych algorytmów.
Niektóre inne obowiązki mogą obejmować współpracę z inżynierami produkcji, inżynierami oprogramowania i menedżerami produktów AI w celu wdrożenia wyników badań, uczestniczenie w spotkaniach i burzy mózgów ze środowiskiem akademickim, pracę nad badaniami modeli sztucznej inteligencji. Przez większość czasu osoba na tym stanowisku szuka algorytmów, próbuje je ocenić i jest na bieżąco z zespołami R&D i ich wyzwaniami.
c) Data Scientist w zespole sztucznej inteligencji
Naukowcy zajmujący się danymi rozwiązują złożone problemy z danymi, korzystając z wiedzy specjalistycznej w określonej dyscyplinie.
Analityk danych to analityk, który proaktywnie pobiera dane z wielu źródeł i analizuje je, aby lepiej zrozumieć, jakie są reguły danej dyscypliny, jak działa konkretna linia biznesowa, oraz w jaki sposób najlepiej zbudować narzędzia SI, które automatyzują określone procesy.
Niektóre typowe polecenia dla DS mogą wyglądać następująco:
- Przeanalizuj ogromną ilość danych domeny (na przykład sprzedaż detaliczna, ciągłość produkcji, naruszenia bezpieczeństwa na placach budów) zebranych przez firmę w celu przygotowania wniosków dla zespołów marketingu, sprzedaży, zarządzania produktami i inżynierii oprogramowania.
- Określ nowe wskaźniki dla oceny jakości produktów i danych firmy, aby doradzać wewnętrznym zespołom programistycznym najczęściej w stosunku do danych pochodzących z obszaru klient – firma.
- Współpracuj z klientami firmy, aby upewnić się, że zebrane dane i analizy zapewniają wysoki zwrot z inwestycji, zapewniają wartość i mogą być wykorzystane do przyszłego wzrostu wartości.
- Twórz zrozumiałe i intuicyjne wizualizacje danych, raporty. Wyjaśniaj skomplikowane operacje za pomocą przejrzystych wizualizacji.
d) Inżynier ds. uczenia maszynowego / Inżynier danych
Osoba, która pełni funkcję inżyniera danych, ściśle współpracuje z laboratoriami, badaczami, naukowcami danych i zespołami produktowymi nad opracowywaniem nowych możliwości pojawiających się na styku automatyzacji i posiadanych przez firmę danych lub możliwych do posiadania.
Inżynier sztucznej inteligencji / inżynier danych powinien również przełożyć potrzeby biznesowe na budowanie niezawodnych i skalowalnych systemów technicznych.
Głównym celem inżyniera danych jest zwykle ocena, opracowywanie, utrzymywanie i testowanie rozwiązań Big Data dla projektów analitycznych. Rola może również obejmować wstępne przetwarzanie dużych zbiorów danych, w tym gromadzenie, zarządzanie, analizowanie i wizualizację dużych zbiorów danych w celu przekształcenia informacji w spostrzeżenia biznesowe (z ang. business insights).
e) Menedżer produktu produktów opartych na sztucznej inteligencji
Menedżer produktu SI to nowa rola, która jest zbliżona do klasycznego menedżera produktu, ale obejmuje pewne różnice dotyczące specyfiki produktów, które wykorzystują sztuczną inteligencję.
Sztuczna inteligencja kładzie nacisk na tworzenie inteligentnych maszyn, które potrafią wykonywać wysoce wydajne algorytmy.
Gdybyć chciał dowiedzieć się co to jest sztuczna inteligencja na przykładach, zachęcam do przeczytania tego tekstu.
Opracowanie produktu opartego na sztucznej inteligencji wymaga wielu iteracji, ponieważ algorytmy i modele muszą uczyć się nowych wzorców i konsekwentnie tworzyć nowe zależności. Na przykład samochód autonomiczny musi potrafić odróżnić zwierzę od człowieka przebranego za zwięrzę, aby tego dokonać szybko, trzeba osiągnąć organizacyjną sprawność w wyhodowaniu modeli (ang. seasoning).
To najistotniejsza różnica między pracą klasycznego managera produktu a rolą managera produktu SI. Ten ostatni musi biegle przeprowadzać wiele eksperymentów, współtworzyć propozycję wartości z klientami oraz działać szybko i sprawnie. Celem jest maksymalnie szybkie wytrenowanie algorytmów tak, aby popełniały możliwie najmniej błędów i mogły uczyć się w przyszłości same.
Jeśli kierownik produktu opartego o sztuczną inteligencję biegle porusza się w projektowaniu mapy drogowej produktu, planowaniu projektu i szybkiej ocenie efektów z klientami, pomoże analitykom danych i inżynierom oprogramowania szybciej tworzyć inteligentne algorytmy i przynosić wyższą wartość całego ekosystemu sztucznej inteligencji.
Kierownik produktu również:
- współpracuje z kierownictwem i interesariuszami linii biznesowej w celu zdefiniowania problemów, które SI może rozwiązać,
- pomaga ustalać priorytety i oceniać rozwiązania w odniesieniu do zidentyfikowanych problemów,
- opracowuje uzasadnienia biznesowe dla wyboru i zastosowania konkretnych modeli sztucznej inteligencji,
- pomaga w tworzeniu strategii produktów i określania kamieni milowych.
f) Konwersacyjny projektant i badacz UX rozumiejący sztuczną inteligencję
Projektant User Experience (UX) musi dobrze rozumieć cele biznesowe i zachowania użytkowników. Jeśli interfejs użytkownika ma być wysoce responsywny z wysokim poziomem dostosowania, potrzebuje świetnego projektanta UX, który rozumie, w jaki sposób sztuczna inteligencja zapewnia dostosowanie.
Projektanci UX są prawie zawsze odpowiedzialni za projektowanie i budowanie makiet produktów, ścieżek przemieszczania się użytkowników w danym interfejsie i prototypów.
Sztuczna inteligencja, taka jest jej „natura”, zawsze „zmierza” do dostosowania urządzenia lub oprogramowania do nawyków klientów, wzorców pracy klientów, wzorców korzystania z aplikacji lub sprzętu przez klientów.
Projektanci UX przyjmują podejście projektowe zorientowane na użytkownika i szybko testują interfejsy. Największą wartością produktu opartego na sztucznej inteligencji jest odzwierciedlenie oczekiwań użytkowników w mgnieniu oka.
Z tego powodu projektanci UX muszą być częścią zespołu SI. Ich rolą jest zapewnienie, że określony projekt i interfejs użytkownika dynamicznie odzwierciedlają wszystko, czego sztuczna inteligencja nauczyła się, badając zachowania użytkowników końcowych.
g) Growth Hacker, który potrafi sprawdzić przydatność sztucznej inteligencji
Haker wzrostu to osoba, która wykorzystuje kreatywne, lekkie strategie, aby pomóc firmom w pozyskiwaniu i utrzymywaniu użytkowników.
Hakerzy zajmujący się rozwojem koncentrują się wyłącznie na strategiach, których celem jest wzrost bazy użytkowników, rosnąca retencja, i przychody (jeśli są celem danej firmy).
Każdy zespół AI, który ma zamiar wypuścić produkty oparte na sztucznej inteligencji, powinien mieć dostępnych hakerów wzrostu.
Te osoby potrafią bowiem szybko uzyskać informacje o tym jak grupa docelowa reaguje na ofertę wartości, którą niesie produkt. Hakerzy wzrostu pomagają także projektantom UX w skierowaniu strumienia użytkowników do testowania zaprojektowanych interfejsów.
Haker wzrostu pomaga również w przeprowadzaniu iteracji produktowych, które pomagają uzyskać informacje zwrotne od użytkowników końcowych na każdym etapie rozwoju produktu.
Każdy menedżer produktu AI potrzebuje wystarczającego wkładu ze strony docelowych klientów, aby zaprojektować przekonującą propozycję wartości. Growth Hakerzy pomagają zbierać te opinie, ale także testują propozycję wartości poprzez szybkie eksperymenty z produktami.
Wniosek
Zebranie zespołu AI może być wyczerpujące. Walka o talent jest kosztowna.
Uważam, że sztuczna inteligencja powinna być wykorzystywana wyłącznie jeśli daje wyraźną wartość biznesową. Nie powinno się budować zespołu z powodu mody na sztuczną inteligencję czy założenia, że „znajdzie się dla nich jakiś projekt”.
Kierownicy czasami popełniają błąd budując zespół, zanim dowiedzą się, czy w ogóle potrzebują zespołu SI. Po prostu warto mieć jasny cel biznesowy zanim rozpocznie się rekrutację.
W tym artykule możesz się dowiedzieć dlaczego sztuczna inteligencja jest ważna w małych i średnich firmach, a nie tylko w środowisku korporacji i globalnych gigantów.
Na koniec chcę jednak podkreślić, że można zacząć od małego zespołu. Nie potrzebujesz 50 osób do projektowania, prototypowania i uruchamiania produktów opartych na sztucznej inteligencji.
Niezależnie od tego, czy masz jednego inżyniera oprogramowania, czy tylko jednego inżyniera uczenia maszynowego i analityka danych, w małym zespole możesz zacząć eksperymentować ze sztuczną inteligencją.
Zapisz się do newslettera jeśli masz ochotę i otrzymuj teksty na maila.
