Глупая причина, по которой ваш проект ИИ потерпит неудачу
Несмотря на все, что мы слышим о чудесах ИИ, часто упускается один важный фактор: как вы на самом деле интегрируете искусственный интеллект в свой бизнес? Авторы утверждают, что ответ — AI Operations (или сокращенно AIOps).По сути, AIOps сводится к тому, чтобы иметь не только правильное аппаратное и программное обеспечение, но и правильную команду: разработчики и инженеры, обладающие навыками и знаниями для интеграции ИИ в существующие процессы и системы компании. Хорошая команда AIOps поможет бизнесу создать надежную производственную среду, которая будет надежной, гибкой и масштабируемой. Эта команда может быть либо штатной, что будет стоить дороже, но даст предприятиям больше контроля, либо нанятой по контракту, что снизит накладные расходы, а также административные расходы, но, вероятно, означает отказ от возможности запуска собственной системы. , а также некоторый контроль. Но если вы планируете интегрировать ИИ в свой бизнес, AIOps поможет вам избежать дорогостоящих сбоев и обеспечить бесперебойную работу системы.
Твитнуть
Почта
Делиться
Сохранять
Получить PDF
Купить копии
Распечатать
Вот обычная история о том, как компании, пытающиеся внедрить ИИ, терпят неудачу. Они тесно сотрудничают с перспективным поставщиком технологий. Они вкладывают время, деньги и усилия, необходимые для достижения оглушительного успеха с доказательством концепции и демонстрации того, как использование искусственного интеллекта улучшит их бизнес. Затем все резко останавливается — компания оказывается в тупике, ее выдающееся доказательство концепции законсервировано, а ее команды разочарованы.
Чем объясняется разочаровывающий конец? Ну, это трудно — на самом деле, очень трудно — интегрировать ИИ моделирует общую технологическую архитектуру компании. Для этого необходимо правильно внедрить новую технологию в более крупные ИТ-системы и инфраструктуру — первоклассный ИИ не принесет вам никакой пользы, если вы не сможете подключить его к своим существующим системам. Но в то время как компании тратят время и ресурсы на размышления о самих моделях ИИ, они часто делают это, не задумываясь о том, как заставить их работать с имеющимися у них системами.
Отсутствующий компонент — AI Operations, или сокращенно «AIOps».Это практика, включающая создание, интеграцию, тестирование, выпуск, развертывание и управление системой, чтобы превратить результаты моделей ИИ в желаемые идеи для конечных пользователей. По сути, AIOps сводится к тому, чтобы иметь не только правильное аппаратное и программное обеспечение, но и правильную команду: разработчики и инженеры, обладающие навыками и знаниями для интеграции ИИ в существующие процессы и системы компании. Разработанный на основе разработки программного обеспечения и практики, направленной на интеграцию разработки программного обеспечения и эксплуатации программного обеспечения, он является ключом к преобразованию работы механизмов ИИ в реальные бизнес-предложения и реализации ИИ в крупном и надежном масштабе.
Начните с правильной среды
Лишь небольшая часть кода во многих компаниях, использующих ИИ, посвящена функциям ИИ — реальные модели ИИ на самом деле являются небольшой частью гораздо более крупной системы, и то, как пользователи могут взаимодействовать с ними, имеет такое же значение, как и сама модель. Чтобы раскрыть ценность ИИ, вам нужно начать с хорошо спроектированной производственной среды (название разработчиков для реальной обстановки, в которой код встречается с пользователем). Думая об этом дизайне с самого начала, вы сможете управлять своим проектом, начиная с проверки того, можно ли разработать решение ИИ и интегрировать его в ИТ-среду клиента, и заканчивая интеграцией и развертыванием алгоритма в операционной системе клиента. Вам нужна среда, в которой программное и аппаратное обеспечение работают без сбоев, чтобы бизнес мог положиться на них для выполнения своих ежедневных коммерческих операций в режиме реального времени.
Хорошая продуктовая среда должна успешно соответствовать трем критериям:
Надежность. Сейчас технологии ИИ сопряжены с техническими проблемами. Например, системы и модели, управляемые искусственным интеллектом, перестанут функционировать, если им будут подаваться неверные и искаженные данные. Кроме того, скорость, с которой они могут работать, обязательно уменьшится, когда им придется поглощать большой объем данных. Эти проблемы в лучшем случае замедлят работу всей системы, а в худшем — поставят ее на колени.
Устранение узких мест в данных важно для создания надежной среды. Внедрение хорошо продуманной архитектуры обработки и хранения может решить проблемы с пропускной способностью и задержкой. Кроме того, ключевое значение имеет ожидание. Хорошая команда AIOps рассмотрит способы предотвращения сбоя среды и подготовит планы на случай непредвиденных обстоятельств, когда что-то пойдет не так.
Гибкость. Бизнес-цели — и поддерживающие потоки и процессы в рамках всей системы — постоянно меняются. В то же время на системном уровне все должно работать как часы, чтобы модели ИИ могли приносить обещанные преимущества: импорт данных должен происходить через регулярные промежутки времени в соответствии с некоторыми фиксированными правилами, механизмы отчетности должны постоянно обновляться, а устаревшие данные должны избегать частым обновлением.
Чтобы соответствовать постоянно меняющимся бизнес-требованиям, производственная среда должна быть достаточно гибкой для быстрой и плавной реконфигурации системы и синхронизации данных без ущерба для эффективности работы. Подумайте, как лучше построить гибкую архитектуру, разбив ее на управляемые части, такие как блоки LEGO, которые впоследствии можно добавлять, заменять или снимать.
Масштабируемость и расширяемость. Когда бизнес расширяется, «сантехника» в инфраструктуре неизбежно должна адаптироваться. Это может включать в себя расширение существующих возможностей и развитие новых компетенций. Тем не менее, неизбежным фактом является то, что разные ИТ-системы часто имеют разные характеристики производительности, масштабируемости и расширяемости. Результат: многие проблемы, вероятно, возникнут, когда они попытаются пересечь системные границы.
Возможность одновременно оставаться «как обычно» при внедрении обновленных моделей искусственного интеллекта имеет решающее значение для расширения бизнеса. Успех во многом зависит от способности команды постоянно корректировать, переделывать и тестировать существующую систему с новым предлагаемым решением, достигая равновесия между функциональностью старых и новых систем.
Хорошие системы создаются хорошими командами
Таким образом, вопрос не в том, нужна ли вам команда AIOps, а в том, какая команда AIOps наиболее подходит для вашего бизнеса. Для большинства предприятий самое важное решение, которое они примут со своей командой AIOps, — это хотят ли они построить его самостоятельно или нанять по контракту. У обоих есть преимущества, но вот как выглядят компромиссы:
Сделай это сам. С положительной стороны, создание собственной команды для создания и обслуживания производственной среды дает вам полный контроль над всей настройкой. Это также может избавить от многих потенциальных управленческих и договорных проблем, возникающих в результате работы с внешними поставщиками. Это относится как к крупным компаниям, которые могут захотеть вертикализовать команду AIOps, так и к малым и средним предприятиям, которые могут захотеть расширить компетенции своей ИТ-группы, чтобы иметь возможность напрямую работать с производственной средой.
Тем не менее, DIY — это не маленькое дело — оно связано со значительными административными и организационными трудностями, не говоря уже о накладных расходах. Кроме того, компаниям необходимо развивать собственный опыт и знания в области AIOps. Предварительный экономический эффект также, вероятно, будет огромным: потребуются большие первоначальные денежные затраты, связанные с покупкой амортизирующихся активов, таких как оборудование для хранения данных и серверы. Даже при наличии облачной инфраструктуры действия по установке методом проб и ошибок, скорее всего, приведут к увеличению затрат на установку.
Подключи и играй. Альтернативой является партнерство с поставщиком AIOps. Хороший поставщик сможет тесно сотрудничать со своим клиентом, предлагая необходимый опыт для создания и запуска производственной среды, которая хорошо вписывается в ИТ-инфраструктуру клиента и может поддерживать модели ИИ, независимо от того, были ли они разработаны самостоятельно или предоставлены третьими сторонами. (Это то, чем занимается наша компания Nexus FrontierTech.) Благодаря такому сервису предприятия теперь могут получить доступ к надежной производственной среде и надежной команде AIOps, высвобождая при этом огромные ресурсы, необходимые для запуска собственных AIOps.
Однако для многих предприятий это может означать потерю права владеть проприетарной системой и права голоса в управлении AIOps. Это может показаться компромиссом между финансовыми ограничениями и доступом к надежной и надежной архитектуре ИИ, которая может быть не такой индивидуальной, как в случае собственного проекта AIOps, но достаточно хорошей, чтобы помочь фирме оцифровать свое производство.
Слишком часто нас засыпают новостями о чудесах, созданных ИИ, — что он сделает для нас и как изменит нашу жизнь. Но это освещение упускает важный момент: для любого бизнеса, желающего использовать преимущества ИИ, действительно важны не сами модели ИИ; скорее, это хорошо смазанная машина, работающая на искусственном интеллекте, которая ведет компанию от того, где она находится сегодня, к тому, чего она хочет достичь в будущем. Идеалы и разовые проекты — нет. Таким образом, AIOps не является запоздалой мыслью; это конкурентная необходимость.