🔒 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.

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 płatnej edycji hAI Magazine.

Miesiąc za darmo dla nowych czytelników

Aktywuj

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.

Share

You might be interested in