Один из самых важных вопросов, когда вы начинаете работать с искусственным интеллектом и внедрять его в своей организации, также является одним из самых сложных для ответа: следует ли покупать готовые продукты искусственного интеллекта, создавать свои собственные или создавать их по индивидуальному заказу. консультанты?

Здесь нет универсального ответа, но есть некоторые соображения, которые могут помочь вам понять, что лучше для вас. Я постараюсь рассмотреть все соображения и позволю вам решить, что лучше всего подходит для вашего бизнеса.

Является ли ИИ стратегически важным для вашего бизнеса?

Прежде всего, я считаю, вы должны спросить себя: является ли разработка ИИ стратегической особенностью моей организации? Это может быть немного расплывчатый вопрос, поэтому я сведу его к следующему: предоставят ли решения ИИ вам конкурентное преимущество, которое вы попытаетесь защитить и продолжать улучшать, чтобы оставаться впереди?

Если ИИ — это просто то, что предназначено для улучшения, которое, вероятно, ваши конкуренты могут легко скопировать, то вам определенно следует купить решение в готовом виде или сделать его у экспертов, которых вы наняли. Создание необходимых ноу-хау и организационных возможности сделать ИИ, что только вот для небольшого тактического преимущества не нужно. Это отвлечет ваше внимание от более важных проблем. Поэтому задайте себе сложный вопрос: если бизнесу потребуется сокращение, будете ли вы продолжать инвестировать в создание собственного ИИ в качестве стратегического приоритета? Если нет, вам следует подумать о том, чтобы не делать этого в первую очередь.

С другой стороны, если вы считаете, что одно или несколько ИИ-решений могут быть конкурентным преимуществом, которое ваши конкуренты не могут легко скопировать, вам следует попытаться создать его самостоятельно. В этом случае вы должны четко понимать, что мешает вашим конкурентам копировать. Есть ли у вас доступ к данным, которых нет у них? Есть ли у вас лучшие возможности для создания возможностей ИИ или что-то еще? Убедитесь, что вы действительно в состоянии быть конкурентоспособными здесь. Если нет, ваши конкуренты скопируют вас, купив у опытного поставщика по более низкой цене, чем вы заплатили за создание собственного ИИ.

Исследуйте рынок

Вы будете удивлены, узнав, сколько существует готовых решений для искусственного интеллекта, которые решают всевозможные проблемы. По моему опыту, люди, как правило, не проводят исследования и в конечном итоге делают дорогостоящие инвестиции, на выполнение которых уходит вечность, и все же это не сравнится с продуктами, уже представленными на рынке. Вам действительно нужно иметь масштаб, чтобы сделать экономическое обоснование для создания собственного решения, когда уже есть много доступных.

На самом деле однажды я встретил кого-то, кто разрабатывал решение собственными силами, и это было именно то, чем занималась моя компания по искусственному интеллекту. Нам нужен был масштаб, чтобы приблизиться к хорошему бизнес-кейсу, и все же эти ребята пытались сделать это сами. В то время у нас было более 14 000 бизнес-клиентов, и одна компания хотела сделать такой же ИИ только для своего бизнеса. Им, конечно, пришлось закрыть свой проект, так как это были слишком большие инвестиции, но они все равно потратили много денег. После того, как проект был запущен, может быть трудно отступить, поскольку много эгоизма и престижа может быть потрачено на корпоративные проекты.

За копейки за фунт (ИИ)

У меня есть эмпирическое правило, которое меня никогда не подводит. “Когда организация делает что-то, что она не делает регулярно, она будет выполнять это плохо». Я вывел это эмпирическое правило, чтобы объяснить себе, почему очень компетентные организации иногда полностью терпят неудачу в относительно простых начинаниях. Я предполагаю, что причина в том, что работа в новой области для организации не только не поддерживается текущими процессами и культурой, но и может потребовать от организации работать против них. Какова бы ни была причина, я постоянно вижу это, и я также вижу, что это имеет место в случае с ИИ. Если вы не выполняете проекты ИИ регулярно, вы столкнетесь с огромными накладными расходами и, вероятно, потерпите неудачу. Поэтому, если частота ваших проектов ИИ низкая, вам, вероятно, следует как можно больше обращаться к аутсорсингу. Это не попытка отпугнуть кого-либо от проектов ИИ, но для создания возможностей ИИ требуются усилия, и это сознательный выбор, который вы должны сделать здесь.

Размер имеет значение

Проекты ИИ требуют минимальных инвестиций, которые обычно больше, чем традиционные ИТ-проекты. В области ИИ навыки инженеров, разработчиков машинного обучения, специалистов по данным и менеджеров по продуктам совершенно уникальны. В результате ваша организация просто должна быть определенного размера, чтобы внутренние проекты искусственного интеллекта имели смысл. ИИ обычно также представляет собой рабочий процесс проб и ошибок, который не обещает немедленного дохода или прибыли.

Нет фиксированного количества сотрудников или дохода, но когда команда ИИ должна состоять как минимум из 4-5 человек, вам, вероятно, не следует делать это, пока вы не сможете управлять командой такого размера какое-то время, не обеспечивая никакого дохода или экономии затрат для некоторое время.

Получите ваши данные прямо

Данные являются важной частью многих проектов ИИ, и я всегда рекомендую вам получать данные прямо перед тем, как приступить к фактической разработке ИИ. На мой взгляд, более важно (и более конкурентоспособно) обеспечить бесперебойную работу с данными с низкими затратами и высококачественными данными. Я всегда предпочел бы, чтобы операции с данными выполнялись внутри компании, а разработка ИИ была бы вторым приоритетом. Правильное выполнение операций с данными является большим конкурентным преимуществом, чем создание ИИ. Это похоже на конкуренцию сетей супермаркетов — сеть с лучшими закупками товаров и более дешевыми складскими операциями может обеспечить более низкие потребительские цены и быть более конкурентоспособной. Данные так же. Если вы сможете получить более качественные данные с более высоким качеством и меньшими затратами, ваши проекты ИИ будут превосходить ваших конкурентов, даже если их возможности ИИ превосходят ваш бизнес. Так что сделайте данные приоритетом, если вам придется выбирать.

Создание ИИ становится проще

И последнее, что, я думаю, вы должны принять во внимание, это то, что проекты ИИ становятся проще, а барьер для начала работы становится ниже. Раньше ИИ был очень сложной областью для работы, для создания полезного ИИ требовались как доктора наук в области данных, инженеры по машинному обучению, так и тысячи часов кодирования. Сегодня многое из этого можно сделать при гораздо меньших затратах с помощью таких методов, как Трансферное обучение и Автомл. Также кажется, что планка для начала работы становится все ниже и ниже. В результате создание собственного искусственного интеллекта явно становится более доступным, и со временем все больше компаний должны попробовать его.

Вот и все. Отсюда решение за вами.