Мій найбільший висновок з @chipro: 1. Найбільші покращення вашого продукту зі штучним інтелектом досягаються завдяки спілкуванню з користувачами та розумінню їхніх відгуків, а не завдяки прийняттю останніх моделей чи прикутості до новин про штучний інтелект. Багато компаній витрачають час на обговорення того, яку технологію використовувати, коли справжні виграші приходять завдяки кращому користувацькому досвіду та підготовці даних. 2. Більшість проблем із продуктами штучного інтелекту не є проблемами штучного інтелекту. Коли компанії думають, що у них є проблема з продуктивністю штучного інтелекту, зазвичай це проблема користувацького досвіду, прогалина в організаційній комунікації або проблема якості даних. Одна компанія вважала, що їхня система оцінювання потенційних клієнтів зі штучним інтелектом зламана, але справжня проблема полягала в тому, що команда маркетингу не ставила правильних запитань, щоб отримати корисні дані. 3. Те, як ви готуєте свої дані, має більше значення, ніж те, яку базу даних ви виберете. Компанії бачать свій найбільший приріст продуктивності штучного інтелекту завдяки кращій організації та підготовці інформації — розбивці контенту на шматки потрібного розміру, додаванню резюме, перетворенню контенту у формат запитань і відповідей — а не мучитися над тим, яку технічну інфраструктуру використовувати. 4. Ваші найкращі виконавці отримують найбільшу вигоду від інструментів штучного інтелекту. У контрольованому експерименті найефективніші інженери отримали найбільший приріст продуктивності від помічників з кодування зі штучним інтелектом, а не найнижчі показники. Старші інженери, які вже знали, як вирішувати проблеми, використовували штучний інтелект для ще швидшої роботи, тоді як низькопродуктивні часто просто копіювали та вставляли незрозумілий їм код. 5. Тонка настройка повинна бути вашим останнім заходом. Перш ніж інвестувати в тонке налаштування моделі, спробуйте простіші рішення: покращте підказки, додайте базові сценарії постобробки або виправте конвеєр даних. Одна компанія вловлювала 90% помилок своєї моделі за допомогою простого сценарію. Точне налаштування створює постійний головний біль з технічного обслуговування, і його слід використовувати лише тоді, коли все інше було вичерпано. 6. Не потрібно бути ідеальним, щоб виграти. Багато успішних компаній вибирають «досить добре» замість ідеального при впровадженні систем штучного інтелекту. Вони підрахували, чи краще інвестувати двох інженерів у підвищення точності з 80% до 85%, ніж використовувати тих самих інженерів для запуску абсолютно нової функції. Часто нова функція надає більше користі. 7. Продуктивність штучного інтелекту майже неможливо виміряти. Компанії інвестують значні кошти в інструменти кодування штучного інтелекту, але не можуть чітко довести, що вони працюють. Коли багато менеджерів змушені вибирати між дорогою підпискою на штучний інтелект для своєї команди або наймом однієї додаткової людини, вони вибирають цю людину не обов'язково тому, що штучний інтелект не допомагає, а тому, що чисельність персоналу здається більш відчутною. 8. Системне мислення має більше значення, ніж кодування. У міру того, як штучний інтелект автоматизує все більше завдань з кодування, здатність розуміти, як різні компоненти працюють разом, стає найціннішою навичкою. За словами голови навчальної програми CS Стенфордського університету, кодування – це лише інструмент, а справжня навичка полягає в розумінні того, як працюють системи, і розробці покрокових рішень проблем. 9. У нас закінчується текст в Інтернеті, на якому можна тренуватися. Світ по суті вичерпав загальнодоступні текстові дані для навчання моделей ШІ. Це означає, що майбутні вдосконалення будуть відбуватися не стільки за рахунок надання моделям більшої кількості даних, скільки від кращих методів навчання, людського зворотного зв'язку та пошуку нових джерел даних, таких як аудіо та відео. 10. Багато людей не знають, що будувати, незважаючи на наявність потужних інструментів. Навіть з інструментами штучного інтелекту, які можуть створити майже все, багато співробітників стикаються з «кризою ідей» — вони просто не знають, що створювати. Найкращий підхід: витратьте тиждень на те, щоб помітити, що вас засмучує у повсякденній роботі, а потім створіть невеликі інструменти для вирішення цих конкретних больових точок.