Как выбрать и создать первый ИИ‑проект

Искусственный интеллект постепенно меняет самые разные отрасли промышленности, как это происходило с электричеством 100 лет назад. Он помогает руководителям фирм оптимизировать и защищать свой бизнес. В этой статье мы делимся советами Эндрю Ына о том, на что стоит обратить внимание при выборе, создании и внедрении в компанию первого ИИ-проекта.

Эндрю Ын — основатель и генеральный директор Landing AI. Он участвует в таких проектах, как Baidu AI Group, Coursera, Google Brain, а также преподаёт в Стэнфордском университете.

«Мой совет для руководителей предприятий в любой из отраслей — начните с малого. Первый шаг к созданию стратегии по внедрению ИИ — выбор одного-двух пилотных проектов на уровне компании. Они помогут фирме набрать обороты и получить знания о том, что нужно для дальнейшего развития», — говорит Эндрю. Посмотрим, каким же, по его мнению, должен быть успешный ИИ-проект.

5 характеристик успешного пилотного ИИ-проекта

Чтобы правильно применять технологии ИИ, необходимо настроить их в соответствии с бизнес-контекстом. Основная задача проекта — убедить заинтересованных партнёров инвестировать в развитие ИИ в вашей компании.

Когда вы будете выбирать пилотный ИИ-кейс, задайте себе следующие вопросы:

1. Даст ли проект быстрый результат? 

Внедрение ИИ должно начать приносить пользу как можно скорее. Выберите несложное и быстро реализуемое (в идеале в течение 6–12 месяцев) приложение, которое имеет высокие шансы на успех. Лучше сразу выбрать два-три небольших проекта, чтобы шансы были выше.

2. Не слишком ли проект простой или, наоборот, сложный? 

Ваш пилотный проект не обязательно обязан решать глобальные проблемы, если с ним можно добиться быстрого результата. Но всё-таки он должен приносить пользу, чтобы его успех убедил инвесторов вкладывать деньги в дальнейшее развитие ИИ.

Вот что говорит Эндрю Ын: «В первые годы руководства командой Google Brain я столкнулся со скептическим настроением по поводу глубокого обучения. Задачи по распознаванию речи стояли гораздо ниже по приоритету, чем оптимизация веб-поиска и реклама. Поэтому моя команда по сути была первым внутренним клиентом. Активно повышая точность системы распознавания речи, мы убедили другие команды поверить в Google Brain. И уже во втором проекте мы работали с Google Maps, занимаясь улучшением качества данных. Каждый успешный кейс поднимал нас на новый уровень, и Google Brain сыграл ведущую роль в превращении Google в одну из крупнейших ИИ-компаний».

3. Специфичен ли проект для вашей отрасли?  

Выбирая проект для компании, оцените, насколько он вписывается в её деятельность. Например, если ваша фирма производит медицинские устройства, делать для неё ИИ-рекрутинг — не лучшая идея по двум причинам: 

1) Наверняка какое-нибудь рекрутинговое агентство уже создаёт нечто подобное с гораздо большей пользовательской базой. И их решение, скорее всего, окажется эффективнее вашего; 

2) Проект вряд ли сможет убедить ваших партнёров, что в него стоит инвестировать. 

В этом случае лучше сделать так, чтобы пилотный проект применял ИИ к медицинским устройствам. Например, создать приложение для помощи врачам в составлении планов лечения или оптимизировать процесс регистрации пациентов в больнице.

4. Ускоряют ли разработку проекта ваши партнёры? 

Команда разработчиков и исследователей может быть внутренней или аутсорсной. Здесь вам нужно оценивать только свои ресурсы и возможности. 

Не забывайте и о вычислительных мощностях: обучение нейросетей требует хороших видеокарт. Если в вашем офисе нет компьютера с топовым графическим ускорителем, лучше всего воспользоваться облачным решением. Для пилотного проекта это будет гораздо дешевле, чем оборудовать и настраивать собственную рабочую станцию.

С GPU серверами REG.RU вы можете значительно ускорить процесс разработки ИИ-проекта. Вам будут доступны мощные GPU NVIDIA Tesla V100 и популярные библиотеки для машинного обучения.

5. Приносит ли проект ощутимую пользу? 

Большинство ИИ-проектов нацелены на три основных результата: 

— снижение затрат (автоматизация рутинных процессов);

— повышение доходов (системы рекомендаций и прогнозирования увеличивают продажи и их эффективность);

— развитие новых бизнес-направлений (ИИ позволяет создавать решения, которые раньше были нереализуемы).

Можно создать полезное приложение и без Big Data, значение которых часто преувеличивают. Поисковые системы Google и Яндекс располагают огромным числом запросов, на которых можно эффективно обучать нейросети. Именно поэтому поисковики так хорошо умеют заканчивать за вас фразы. 

Далеко не все компании могут похвастаться таким объёмом данных. Но это не отменяет возможности создать полезную ИИ-систему из небольших датасетов. Не выбирайте конкретный кейс только потому, что у вас много данных в какой-то определённой отрасли. Подобные проекты очень часто проваливаются. Важно заранее понять, как именно ваш ИИ будет приносить пользу.

Нацеливаем ИИ-проект на успех

Как же вышеупомянутые характеристики выглядят на практике?

Одно из самых перспективных направлений практически в любой отрасли — автоматизация. Искусственный интеллект хорошо выполняет отдельные задачи, но не всю работу. Спросите у своих сотрудников, какие рутинные заботы отнимают у них время, и выясните, можно ли их автоматизировать. Это поможет сильно упростить жизнь и повысить производительность труда.

Прежде чем приступить к реализации пилотного ИИ-кейса, чётко сформулируйте желаемые сроки и результаты и выделите разумный бюджет.

Назначьте лидера: найдите человека, который хорошо разбирается как в теме ИИ, так и в вашей отрасли. Это гарантирует, что в случае успеха проект можно будет внедрить в компанию. Помните, что ваша цель — создать полезное для фирмы решение, которое послужит первым шагом к дальнейшей разработке подобных кейсов.

Посоветуйтесь с коллегами: ваша команда должна быть согласна с тем, что проект будет полезен для бизнеса. Но убедитесь, что его можно осуществить. Уточните у технических специалистов, располагаете ли вы всеми необходимыми ресурсами. 

Соберите небольшую команду: множество блестящих идей реализуются командами от пяти до 15 человек. Точное число людей сильно варьируется в зависимости от проекта, но если его способна взять на себя небольшая группа — это гарантирует, что каждый её участник обладает всеми необходимыми знаниями и сможет работать кросс-функционально. 

Несмотря на то, что в некоторых существующих ИИ-проектах задействовано более 100 (или даже 1000) специалистов, для вашего пилотного кейса, скорее всего, не нужно так много ресурсов.

Общайтесь: обязательно предоставьте команде внутреннюю платформу для общения, чтобы об их работе знали в компании. Если проект станет успешным, это послужит большим толчком к дальнейшему развитию и внедрению ИИ в деятельность других отделов. 

В конечном счете выбор всегда за вами. Ребрендинг Рег.ру лишь закрепил то, что рынок уже показал: вы можете строить инфраструктуру самостоятельно, а можете сразу получить работающий бизнес-результат через Рег.решения, сосредоточившись на задачах роста. Вместо одного универсального подхода теперь есть два понятных маршрута — и Рег.ру поддерживает каждый из них.

Эндрю Ын возглавил команды Google Brain и AI Group в Baidu и помог превратить Google и Baidu в крупнейшие компании, развивающие искусственный интеллект. 

Ваша цель должна состоять не в том, чтобы конкурировать с ведущими фирмами, а в том, чтобы применить искусственный интеллект для внутреннего развития и прогресса. И помните: первый шаг — это разработка хорошего пилотного проекта. Надеемся, что наш материал поможет вам определиться с выбором подходящего ИИ-решения и избежать подводных камней.

С оригинальной статьёй можно ознакомиться на сайте hbr.org.