Samtalen om AI börjar ofta med modellen: vilken som är bäst, vilken som är billigast, vilken som ska väljas. Det är fel ände att börja i. Den viktigaste frågan är vilken uppgift som ska lösas och hur man vet att den är löst.
Fyra frågor innan något byggs
- Vilken uppgift tar tid eller blir fel i dag, och hur ofta?
- Hur ser ett bra resultat ut, och vem avgör det?
- Vilken data finns, och får den användas?
- Vad händer om svaret är fel?
Den sista frågan är viktigast. Uppgifter där ett fel är billigt och lätt att upptäcka passar bra att börja med, till exempel utkast, sammanfattningar eller sortering. Uppgifter där ett fel får stora konsekvenser kräver mer kontroll och ofta en människa som slutgranskar.
Bygg en testuppsättning
Samla verkliga exempel med rätt svar innan prototypen byggs. Mät lösningen mot dem. Det ger ett objektivt sätt att se om en ändring förbättrar eller försämrar resultatet, och det gör diskussionen konkret i stället för känslomässig.
Håll människan i loopen där det behövs
Det betyder inte att allt ska granskas. Det betyder att man medvetet bestämmer var granskning krävs, och att lösningen gör det enkelt att granska. Visa källor, visa hur säker lösningen är och gör det lätt att rätta.
Börja smalt
Ett smalt användningsfall som fungerar skapar förtroende och lärdomar som går att återanvända. Ett brett projekt som försöker lösa allt samtidigt blir ofta en demo som aldrig går i drift.
Räkna med förvaltning
En lösning som bygger på AI förändras över tid: modeller uppdateras, data förändras och behov skiftar. Planera för övervakning och justering redan från start, och bygg så att komponenter kan bytas ut.
Det som är värt att bygga är sällan det mest spektakulära. Det är det som faktiskt tar bort ett irritationsmoment varje dag.
AI-lösningar
AI för processer, kundupplevelser och beslutsstöd, med mänsklig kontroll.