🔒 Pułapki wdrożeń AI

W ostatnich dwóch latach modele językowe (LLM) zdominowały świat technologii i rozpaliły wyobraźnię zarówno użytkowników indywidualnych, jak i biznesu. Jednak droga od zachwytu do udanego wdrożenia produkcyjnego w przedsiębiorstwie jest znacznie trudniejsza niż korzystanie z gotowych rozwiązań do użytku prywatnego.

Loading the Elevenlabs Text to Speech AudioNative Player…

Historia zna już przypadki niefortunnych implementacji AI. Chatboty składały klientom nieuprawnione obietnice zniżek, które kończyły się pozwami sądowymi. Boty, które zamiast informować klientów o statusie ich przesyłek, popisywały się umiejętnością pisania haiku. Rozwiązania oparte na dużych modelach językowych, które kierowały wyzwiska w stronę użytkowników. Te głośne przypadki stanowią jedynie wierzchołek góry lodowej.

Znacznie więcej projektów AI ponosi porażkę w zupełnie inny sposób – po cichu. Po prostu nigdy nie wychodzi poza fazę testów użytkownika (UAT). Mowa o inicjatywach osiągających poziom, który niby jest „dosyć dobry”, jednak nie przekonuje na tyle, by zarząd zdecydował się na wdrożenie produkcyjne. I to właśnie te projekty ponoszą, według mnie, naj- większe porażki. Często pracę nad nimi rozpoczyna się z wielkim entuzjazmem, pochłaniają one znaczne zasoby i miesiące pracy programistów, a ostatecznie kończą w zapomnieniu i nie przynoszą żadnej wartości biznesowej.

Ten artykuł jest częścią drukowanej edycji hAI Magazine. Aby go przeczytać w całości, wykup dostęp on-line

29,99 zł miesięcznie

Wykup dostęp

Ekspert i menedżer w dziedzinie danych i AI, z 15-letnim międzynarodowym doświadczeniem w tworzeniu aplikacji opartych na AI, modeli uczenia maszynowego, inżynierii danych oraz strategii danych i AI. Architekt danych i AI w Microsoft.

Podziel się

Może Cię zainteresować