Četiri faze, ovim redom.
Većina AI projekata ne propada zbog modela, već zato što niko nije definisao šta je tačan odgovor, zato što je najteža pretpostavka testirana poslednja ili zato što sistem nikada nije povezan ni sa čim stvarnim. Redosled ispod je postavljen upravo prema tome.
Razumemo problem
Mapiramo kako posao danas funkcioniše, ko ga radi, koje informacije već postoje, gde puca i šta bi merljivo bolji rezultat značio. U ovoj fazi ne biramo model.
Rezultat Napisana definicija problema i kriterijumi po kojima ćemo kasnije meriti sistem.
Dokazujemo ono što je neizvesno
Svaki projekat ima jednu pretpostavku koja nosi najveći deo rizika. Nju testiramo prvu, na vašim stvarnim podacima i na slučajevima koje sami smatrate reprezentativnim. Nekad je to ekstrakcija iz dokumenata. Nekad kvalitet pretrage. Nekad vizuelno uparivanje ili to može li se agentu uopšte poveriti izvršenje radnje. Ne odlučujemo unapred koja je.
Faza se završava na jedan od četiri načina: nastavak, dorada podataka ili obima, pauza dok se prepreka ne ukloni ili prekid. Prekid je stvaran ishod i ovde košta manje nego bilo gde kasnije.
Rezultat Izmeren odgovor o izvodljivosti i arhitektura izabrana na osnovu rezultata, ne pretpostavki.
Gradimo i integrišemo
Tek sada se bira arhitektura: modeli, pretraga, ekstrakcija, vizija, agentske komponente - i običan deterministički softver tamo gde je on bolji odgovor. Sistem se povezuje sa izvorima podataka, autentifikacijom, aplikacijama i procesima na kojima organizacija već radi.
Rezultat Sistem koji radi unutar vašeg okruženja, a ne izolovan demo.
Merimo u produkciji
Lansiranje nije kraj evaluacije. Kvalitet, trošak, latencija i načini na koje sistem greši prate se u stvarnom radu. Novi slučajevi iz produkcije ulaze u evaluacioni set, a sistem se popravlja u merljivim koracima.
Rezultat Sistem čiji se kvalitet vidi, o kome se može raspravljati i koji se može popravljati.
Faza 04 vraća rezultate u fazu 02. To je petlja i ona se ne završava lansiranjem.
AI mora da zasluži svoje mesto.
Ponekad je najbolji sistem jednostavniji proces, bolja pretraga ili deterministička automatizacija.
Ne stavljamo generativni model tamo gde klasičan softver rešava problem pouzdanije i jeftinije. Ako vaš problem nije za AI, reći ćemo vam to na prvom razgovoru. To je za obe strane jeftinije nego pilot koji ionako nije mogao da uspe.
Pet principa iza tog redosleda.
Zašto su faze postavljene baš tako.
Prvo problem, pa model
Ne biramo tehnologiju pre nego što razumemo proces, podatke, korisnika i definiciju tačnog rezultata. Model je jedna komponenta arhitekture i retko ona koja odlučuje da li projekat radi.
Evaluacija je deo isporuke
Reprezentativni slučajevi i kriterijumi merenja dogovaraju se pre nego što se sistem izgradi, a alat koji ih pokreće predaje se zajedno sa njim. Kvalitet je nešto što možete proveriti, a ne nešto što morate da uzmete na poverenje.
Arhitektura prati problem
Pretraga, fine-tuning, vizija, agenti i klasičan softver nisu polazne tačke. Koristimo kombinaciju koja daje najbolji rezultat za konkretan slučaj i spremni smo da obrazložimo zašto baš tu.
Stručnjak ostaje deo sistema
U specijalizovanim domenima, ljudi koji taj posao već rade definišu šta je tačno, šta je prihvatljivo i gde sistem ne sme sam da odlučuje. AI ne zamenjuje stručnjaka - menja to na šta stručnjak troši vreme.
Produkcija oblikuje dizajn
Bezbednost, audit, praćenje, trošak, latencija i integracija ne dodaju se na kraju. Oni ograničavaju arhitekturu od prve nedelje, jer sistem koji ne može da se održava nije završen.
Demo mora da proradi jednom. Produkcija mora da izdrži.
Šest stvari kojih se držimo bez obzira na to kakav sistem gradimo.
Evaluacija
Kvalitet se meri na reprezentativnim slučajevima, pre lansiranja i stalno posle njega.
Proverljivost
Gde domen to zahteva, odgovor se može vratiti do izvora ili do odluke koju je sistem doneo.
Kontrola čoveka
Definišemo koje odluke sistem sme sam da donese, a za koje je potrebna potvrda čoveka.
Vidljivost
Greške, drift, latencija, trošak i obrasci korišćenja vidljivi su vama, ne samo nama.
Kontrola pristupa
Sistem pristupa podacima i alatima koji su mu potrebni za zadatak, a ničemu izvan toga.
Uvođenje
Cloud, privatni cloud, on-prem ili hibrid - prema tome gde podaci smeju da se čuvaju.
Šta vam ostaje kada se saradnja završi.
Vlasništvo se dogovara na početku, a ne pregovara na kraju.
Krenimo od problema, ne od AI rešenja.
Pokažite nam proces koji želite da unapredite, podatke sa kojima radite i rezultat koji vam treba. Reći ćemo vam gde AI zaista pomaže, šta prvo treba dokazati i kako bi produkcioni sistem morao da izgleda.
Korisno je da ponesete: opis kako se posao danas radi · uzorak stvarnih podataka · podatak o tome ko odlučuje šta je „tačno“