Бизнес стал внимательнее оценивать жизненный цикл ИИ-проектов после запуска
Сегодня создать впечатляющую демонстрацию возможностей искусственного интеллекта не так сложно. Однако гораздо труднее превратить ее в решение, которое сможет выдержать реальные нагрузки, интегрироваться в процессы компании, соответствовать требованиям безопасности и приносить измеримые бизнес-результаты. Данную информацию сообщает портал Российская газета.
Эксперты группы ЛАНИТ поделились с "РГ" мнением о том, почему начинать ИИ-проект следует с определения бизнес-проблемы, чем пилотный проект отличается от полного внедрения, как оценивать экономический эффект, а также почему работа над алгоритмом не заканчивается после начала его использования с реальными данными.
Первая задача
Первая важная точка возникает еще до выбора архитектуры будущего ИИ-решения, будь то нейросеть, классический алгоритм машинного обучения или их сочетание. Искусственный интеллект особенно эффективен в ситуациях, когда необходимо работать с неоднородными данными, учитывать контекст или объединять информацию из различных источников. Если же задача заключается, например, в контроле фиксированного показателя датчика, то обычная автоматизация может оказаться более простой и эффективной.
"Начинать нужно не с желания внедрить ИИ, а с конкретной бизнес-задачи. Если выяснится, что ее эффективнее решить без искусственного интеллекта, это тоже правильный результат. Простые аналитические алгоритмы более предсказуемы, контролируемы и, как правило, дешевле", - отметил главный конструктор программно-аппаратных комплексов ЛАНИТ-ТЕРКОМ Михаил Смирнов.
