چگونه یک فرایند مناسب انتخاب کنیم، داده و دسترسی را محدود نگه داریم و کیفیت، هزینه و نتیجه یک آزمایش هوش مصنوعی را بسنجیم؟
اجرای هوش مصنوعی در یک کسب‌وکار با خرید اشتراک چند ابزار تمام نمی‌شود. نقطه شروع بهتر، انتخاب یک فرایند مشخص، تعیین مسئول آن و سنجش نتیجه در مقیاس کوچک است. اگر معلوم نباشد چه مسئله‌ای حل می‌شود، حتی خروجی جذاب هم ممکن است هزینه و کار اضافه ایجاد کند.
این مقاله یک الگوی پیشنهادی برای طراحی آزمایش اولیه ارائه می‌کند. زمان‌بندی و معیارها نمونه‌اند و باید با شرایط سازمان شما تنظیم شوند؛ هیچ درصد مشخصی از کاهش هزینه یا افزایش فروش تضمین نمی‌شود.
مسئله را پیش از انتخاب ابزار تعریف کنید
یک فرایند تکرارشونده را انتخاب کنید که ورودی و خروجی آن قابل توضیح باشد. برای نمونه، دسته‌بندی درخواست‌های پشتیبانی، آماده‌سازی پیش‌نویس پاسخ یا خلاصه‌کردن گزارش‌های داخلیِ مجاز می‌تواند موضوع بررسی باشد. تصمیم‌های حساس درباره افراد یا تعهد مالی، انتخاب مناسبی برای اولین آزمایش بدون نظارت نیستند.
روی یک برگه بنویسید: چه کسی کار را انجام می‌دهد، ورودی از کجا می‌آید، خروجی به دست چه کسی می‌رسد و خطا چه پیامدی دارد. اگر پاسخ این پرسش‌ها روشن نیست، ابتدا فرایند را مستند کنید.
وضعیت فعلی را اندازه بگیرید
پیش از اجرای راهکار، چند نمونه نماینده از کار فعلی ثبت کنید. فقط سرعت را نسنجید. زمان بررسی انسانی، میزان اصلاح، خطاهای مهم و رضایت استفاده‌کننده داخلی هم ارزش اندازه‌گیری دارند.
برای مثال، در آزمایش پیش‌نویس پاسخ پشتیبانی می‌توان تعداد پاسخ‌های قابل استفاده پس از بازبینی، تعداد اطلاعات نادرست و زمان کل آماده‌سازی تا تأیید را ثبت کرد. پاسخ سریع اما نادرست، موفقیت محسوب نمی‌شود. معیار توقف را هم از ابتدا مشخص کنید؛ مثلاً مشاهده افشای اطلاعات یا ارسال پاسخ بدون تأیید.
داده و سطح دسترسی را محدود کنید
- از نمونه‌های ساختگی یا داده‌ای استفاده کنید که مجوز استفاده از آن روشن است.
- مشخص کنید چه اطلاعاتی نباید وارد سرویس بیرونی شود؛ از جمله رمزها، قراردادهای محرمانه و اطلاعات شناسایی مشتری.
- حساب شخصی کارکنان را جایگزین دسترسی سازمانی و قابل مدیریت نکنید.
- فقط مجوزهای لازم برای همان آزمایش را بدهید و مسئول لغو دسترسی را تعیین کنید.
کیفیت داده نیز مهم است. اسناد قدیمی، پاسخ‌های متناقض و نام‌گذاری نامنظم را نمی‌توان صرفاً با یک ابزار جدید برطرف کرد. نسخه معتبر منبع و مسئول به‌روزرسانی آن را مشخص کنید.
یک آزمایش محدود با بازبینی انسانی اجرا کنید
برای مثال، می‌توانید یک دوره آزمایشی کوتاه را به یک گروه کوچک و یک دسته درخواست محدود کنید. در این مرحله خروجی، پیش‌نویس باشد و پیش از ارسال یا ثبت نهایی، مسئول مشخصی آن را بررسی کند. راه برگشت به روش قبلی باید ساده و در دسترس باشد.
چارچوب داوطلبانه مدیریت ریسک هوش مصنوعی NIST چهار کارکرد «راهبری، شناخت زمینه، اندازه‌گیری و مدیریت» را مطرح می‌کند. این چارچوب می‌تواند به نظم‌دادن به پرسش‌های مربوط به مسئولیت، کاربرد، ارزیابی و پاسخ به ریسک کمک کند. الگوی اجرایی این مقاله اقتباس رسمی یا گواهی انطباق با آن نیست. چارچوب NIST
هزینه واقعی را حساب کنید
هزینه فقط اشتراک ابزار نیست. زمان آماده‌سازی داده، اتصال به سامانه‌های موجود، آموزش کارکنان، بررسی خروجی، نگهداری و رسیدگی به خطا را نیز ثبت کنید. نتیجه را با همان روش قبلی و روی کارهای مشابه مقایسه کنید.
اگر استفاده از ابزار، کار بررسی را به فرد دیگری منتقل کرده است، آن زمان را حذف نکنید. همچنین مشخص کنید در صورت قطعی سرویس یا تغییر کیفیت پاسخ‌ها، کار چگونه ادامه پیدا می‌کند.
درباره ادامه، اصلاح یا توقف تصمیم بگیرید
در پایان آزمایش، نتیجه را در یک گزارش کوتاه جمع‌بندی کنید: چه چیزی بهتر شد، چه خطاهایی باقی ماند، هزینه کل چقدر بود و کدام بخش هنوز به نظارت نیاز دارد. گسترش استفاده فقط وقتی منطقی است که معیارهای از پیش تعیین‌شده برآورده شده باشند.
- اگر خروجی قابل اتکا نیست، دامنه مسئله را کوچک‌تر یا منبع داده را اصلاح کنید.
- اگر هزینه بررسی از منفعت بیشتر است، آزمایش را متوقف یا طراحی آن را تغییر دهید.
- اگر نتیجه مناسب است، مرحله بعد را با مسئول، بودجه و معیار ارزیابی تازه تعریف کنید.
پرسش‌های رایج مدیران
آیا از ابتدا به مدل اختصاصی نیاز داریم؟
لزوماً خیر. نیاز به راهکار اختصاصی به نوع داده، محرمانگی، کیفیت مورد انتظار و یکپارچگی با سامانه‌های موجود بستگی دارد. ابتدا مسئله و محدودیت‌ها را روشن کنید.
از کدام واحد سازمان شروع کنیم؟
از جایی که یک مسئله محدود، مسئول در دسترس و امکان سنجش نتیجه وجود دارد. انتخاب واحد صرفاً به دلیل محبوبیت یک ابزار، معیار مناسبی نیست.
چه زمانی پروژه را گسترش دهیم؟
وقتی شواهد آزمایش، کیفیت قابل قبول و هزینه قابل دفاع را نشان دهد و مسیر رسیدگی به خطا مشخص باشد. برای تمرین این تصمیم‌ها، دوره هوش مصنوعی برای مدیران را بررسی کنید. برای گفت‌وگو درباره یک فرایند مشخص نیز می‌توانید با فکرانو تماس بگیرید.