Искусственный интеллект становится мейнстримом, и многие организации, как стартапы, так и крупные корпорации, в настоящее время начинают внутренние проекты ИИ или внедряют ИИ в другие существующие ИТ. Есть только одна проблема. Ведущие проекты ИИ сильно отличаются от ведущих в традиционных ИТ.
В результате многие проекты ИИ либо терпят неудачу, либо вызывают разочарование у участников проекта, пользователей ИИ и задействованного руководства. Они не осознают, что сейчас находятся в новой парадигме и должны иметь другие ожидания, чем обычно имеют к ИТ. Даже внедрение готовых компонентов или систем ИИ может вызвать проблемы, которые не характерны для организации.
Это очень понятно. Несколько лет назад ИИ все еще был чем-то, чем занимались несколько крупных технических специалистов и университеты, но для масс это было далекое будущее. Настолько мало руководителей и менеджеров проектов имеют опыт работы в области ИИ, что их внезапно бросают в тупик.
Так что же такого особенного в проектах ИИ?
Ключевое слово здесь — неопределенность. Большая разница между традиционными ИТ и ИИ заключается в том, насколько доступна определенность. Низкая достоверность связана с экспериментальным характером ИИ. Парадигма ИИ является экспериментальной в том смысле, что вы не можете предсказать путь к готовому продукту. Вы не можете спланировать внутреннюю работу моделей ИИ до того, как вы их создадите, и вы не знаете точно, какие данные вам понадобятся или сколько данных. Наконец, вы не знаете, насколько хорошо будет работать ИИ. Таким образом, установка ожиданий от готового решения может быть очень сложной. Во многих отношениях разработка ИИ очень похожа на разработку вакцин. Невозможно заранее знать, будет ли ваш проект вообще успешным, и большая часть необходимой вам информации будет получена во время разработки. Это сильно отличается от известной нам ИТ-парадигмы. Консенсус традиционных ИТ-проектов заключается в точном планировании, оценке и достижении заданного списка бизнес-целей как можно более своевременно и точно. По этой причине мы накопили опыт, например, в инструментах планирования и методах оценки. Но вдруг с появлением ИИ многие из этих навыков перестают быть полезными. На самом деле они могут быть совершенно разрушительными в экспериментальной парадигме. Если руководство требует соблюдения сроков и точных оценок, проект обречен на провал, поскольку он никогда не сможет быть реализован.
Первый шаг — признание
Чтобы лидировать в области ИИ, вы, прежде всего, должны признать, что это новая парадигма, и вы должны говорить об этом открыто. При работе в новой парадигме самым важным инструментом является громкое заявление о новых правилах взаимодействия. При очень малой уверенности в ИИ управление ожиданиями уже приближается к искусству. Поэтому, если вы даже не ведете диалог с заинтересованными сторонами проекта о том, каков новый способ работы, ожидания никогда не совпадут. Так что будьте очень ясны об этом заранее. Даже когда вы делаете экономическое обоснование, вы должны четко понимать, что вы не можете знать ни затраты, ни доход от проекта ИИ. Не всем это понравится, и вы увидите сопротивление, но гораздо лучше, если вы уладите конфликты до начала проекта.
Это культура
Способствовать тому, чтобы заинтересованные стороны согласились работать в такой неопределенности, является правильная организационная культура. Как лидер вы обязаны массировать и пытаться изменить культуру в направлении, которое работает с экспериментальными проектами ИИ. Если есть несоответствие между парадигмой, в которой вы работаете, и культурой, вы сразу же попадете в беду.
Одной из важных особенностей экспериментальной культуры является готовность принять нулевые результаты точно так же, как это делает научное сообщество. Это не просто обычная проповедь о принятии неудач и ошибок. Это культура, в которой много тяжелой работы сводится к осознанию того, что конкретное решение нежизнеспособно.
Экспериментальная культура, которая соответствует развитию ИИ, во многом соответствует культура обучения, культурный стиль, встречающийся в восемь различных культурных стилей корпоративной культуры. Другие культурные стили, такие как Культура результатов и Культура безопасности может резко контрастировать со стилем обучения в критических моментах при работе с ИИ. Стили соответственно очень увлечены достигнутым результатом и точным планированием. С ИИ, который не предлагает уверенности ни в результатах, ни в предсказуемости, это может быстро привести к конфликту.
Будьте дальновидными
Когда вы ведете в условиях неопределенности, руководство с помощью сильного видения очень эффективно. Руководство с помощью сильного видения во многом соответствует Цель стиль культуры. Мне нравится сравнивать это с путешествием Колумба в Америку. Не зная, чего ожидать в пути и будет ли путешествие вообще успешным, Колумбу все же удалось получить финансирование и надежную команду. Колумб был хорошо известен своим чрезвычайно сильным видением, и я бы приписал, по крайней мере, часть его успеха в путешествии сильному видению. Хитрость здесь заключается в том, чтобы быть конкретным в отношении того, что вы представляете по ту сторону неопределенности. Как все будет выглядеть и ощущаться, когда проект будет завершен?
В заключение, очень эффективно активно использовать культуру для поддержки разработки ИИ, поскольку альтернативой может быть то, что это сработает против вас. И организационная культура, безусловно, одна из самых сильных сил вселенной.