Se sua empresa estiver construindo qualquer tipo de produto ou ferramenta de IA, parabéns! Você agora é uma empresa de IA.
Sim, você ainda é uma empresa de varejo. Ou um banco. Ou uma operação de CPG. Você é isso mais uma empresa de IA – vamos chamar isso de Ai também Empresa (AIAW) – Greando uma licença para informar aos clientes em potencial e investidores que você está “fazendo AI”.
Aprenda mais rápido. Cavar mais fundo. Veja mais longe.
Essa licença também coloca você no gancho para novas responsabilidades. Eles são fáceis de pular no começo, mas você se impedirá do seu verdadeiro potencial de IA, se o fizer. E talvez assuma exposições de risco desnecessárias no processo.
Se você quiser aproveitar ao máximo a IA, fará bem em emprestar algumas lições de aprendizado duro do increase da tecnologia de desenvolvimento de software program. E, em troca, o software program Dev também precisa aprender algumas lições sobre a IA.
Já vimos este filme antes
No início da minha carreira, trabalhei como desenvolvedor de software program. Aprendi rapidamente que qualquer empresa que construa software program personalizado – não importa seus negócios principais – tinha a aprender as cordas da administração de uma loja de produtos de software program profissional.
O que foi bom e bom, exceto que eles não tinham experiência em administrar uma loja de produtos de software program. As decisões dos executivos foram baseadas em um entendimento de nível de superfície do software program personalizado-principalmente, “jogue alguns desenvolvedores em uma sala e diga a eles o que construir”-que foi o suficiente para começar, mas não de longe o suficiente para ter sucesso.
Se você perdoar a analogia “iceberg” usada, a maior parte do que eles precisavam saber sobre o software program personalizado existia abaixo da linha de água. É aí que eles encontrariam coisas como “como construir uma equipe”. (Lembre -se das publicações de emprego equivocadas que exigiam um diploma de ciência da computação?) Então, havia “a necessidade de ambientes de tempo de execução de Dev, QA e Runtim de Produção”, cada um dos quais pedia seu próprio {hardware}. Isso levou a “precisamos contratar pessoas para fazer controle de qualidade e gerenciar operações”. O conhecimento do subsolo também incluía preocupações legais como propriedade intelectual (IP), que se encaixava com licenças de código aberto … e assim por diante.
Isso foi muito a aprender. E, no entanto, foi o suficiente para divulgar o produto inicial – uma conquista considerável, mas que se diz que é dito apenas 20 % do custo complete de um projeto de software program. O tempo, o esforço e o dinheiro necessários para a manutenção a longo prazo ocorreram como um choque de adesivo triplo.
(A lição de bônus aqui é que o chamado software program “muito caro” do ensino médio que eles estavam tentando substituir não period tão caro, afinal. Mas isso é uma história para outro dia.)
Havia muitos assuntos estratégicos abaixo da linha de água também. As empresas não eram apenas adicionando software program para seus negócios; Esse software program personalizado mudou como o negócio operou. A capacidade de executar certos processos 24/7/365 criou novas eficiências e riscos. As eficiências foram de dois gumes: a automação de um processo pode sobrecarregar os processos a jusante que ainda foram feitos manualmente. Gerenciar os novos riscos exigia que todos exerçam nova disciplina. Uma pessoa forçando uma mudança de código apressada pode perturbar operações e levar a perdas consideráveis.
Essas preocupações ainda se mantêm hoje, mas são principalmente invisíveis, se não ridículos, porque o desenvolvimento de software program amadureceu. A liderança da empresa é bem versada nas melhores práticas da indústria. (Em parte, porque muitos dos líderes de tecnologia atuais são ex-desenvolvedores que aprenderam as melhores práticas em primeira mão.) Mas naquela época o progresso period medido em lições de aprender, com base em horizontes de conhecimento curto. Cada etapa revelou mais imagem de software program personalizada, mostrando aos líderes que seu entendimento anterior period simplificado e subestimado.
Alguns líderes mantiveram ajuda especializada para proteger seu investimento e acelerar seus esforços. Outros teimosamente empurraram por conta própria e acabaram descobrindo. Ou eles não descobriram e sofreram incidentes de inatividade, alta rotatividade e falhas do projeto.
Não precisamos reviver o mesmo filme
Uma história semelhante está ocorrendo no espaço da IA. (Para a brevidade, agruparei toda a ciência de dados, aprendizado de máquina e genai sob o termo “IA”.) Como o desenvolvimento de software program personalizado do início do dia, as oportunidades de IA de hoje têm o preço de novas abordagens e a nova disciplina. Você não pode simplesmente amontoar um monte de cientistas de dados em um escritório e cruzar os dedos que tudo dá certo.
Muitas empresas tentaram. Eles tropeçaram na sala escura que é ai, batendo nas canelas e pisando em espinhos porque … eu não sei por quê. Hubris? Ego? Um amor pela dor?
A IA recém -cunhada de hoje, bem como as empresas, como seus colegas anteriores de software program, precisam abordar questões operacionais dessa nova tecnologia. Mas antes disso, o AIAWS deve executar o trabalho de preparação em torno da estratégia: “O que é Ai, sério? O que isso pode fazer em geral e o que pode fazer por nós em specific? Como a incorporação de IA em nossos produtos nos prejudica ou nossos clientes ou partes não afiliadas que estão no lugar errado na hora errada? ”
Responder a essas perguntas de nível superior requer alfabetização de IA, e isso começa no topo do gráfico da Org. Uma equipe de liderança que aprecia todo o escopo das capacidades e fraquezas da IA está preparada para tomar decisões realistas e superfície de casos de uso significativo. Eles sabem envolver as equipes legais, de RP e de gerenciamento de riscos, precocemente e frequentemente, para limitar o número de surpresas desagradáveis no futuro.
E há muitas surpresas por aí. A maioria decorre da natureza probabilística da IA: os modelos podem exibir um pico repentino em erros, porque eles atingiram um estranho caso de canto interno ou o mundo exterior mudou. E isso é se você pode fazê -los trabalhar em primeiro lugar. Como um investimento financeiro, a IA pode trazer 10x de retorno ou comer seu dinheiro ou qualquer coisa intermediária. Você pode influenciar esse resultado, mas não pode controlá-lo-nenhuma quantidade de sessões de gritos, cajolos ou noites pode forçar um modelo a ter um bom desempenho.
Depois, há os novos riscos que a IA traz para a mesa. Os modelos estarão inevitavelmente errados de vez em quando; Como você lida com isso? Com que frequência eles podem estar errados antes de você se encontrar em água quente? Você está licenciado para usar esses dados de treinamento para esse objetivo comercial específico? Você tem permissão para operar esse modelo em todas as jurisdições, onde ele interage com seus usuários finais?
Espere que algumas dessas questões legais estejam em fluxo por um tempo. Você pode vencer sentado na área cinzenta da arbitragem regulatória, mas apenas se estiver preparado para um pivô rápido quando esses limites mudam. E isso é apenas o Tribunal de Direito. Você também enfrenta o Tribunal de Opinião Pública. As práticas de IA consideradas assustadoras ou invasivas podem desencadear uma reação pública. (Dica: você pode querer evitar o reconhecimento facial por enquanto.)
Você notará quanto terreno cobri antes de qualquer conversa sobre contratação. Trazer a IA para uma empresa significa que você tem novas funções a preencher (Cientista de Dados, Engenheiro de ML), bem como novos conhecimentos para preencher as funções existentes (Produto, OPS). As empresas que iniciam sua jornada de IA contratando cientistas de dados estão pulando muito trabalho de preparação, por sua conta e risco.
Limpe a lista de lições para o AIAWS, há vigilância. AI é uma paisagem em mudança. Não há uma abordagem viável de “Defina e esqueça”. Funções, estratégia e execução exigem uma revisão e ajuste periódicos.
Um ponto forte forte
Os AIAWs que executam fortes lojas de desenvolvimento de software program estão, contra -intuitivamente, prontos para aprender essas lições da maneira mais difícil.
Essa força de software program funciona como sua fraqueza na IA. Como o desenvolvimento de aplicativos e a IA envolvem o código de escrita, eles superestimam a sobreposição entre os dois. Conhecemos Python. Todo esse materials da IA é Python. Quão difícil poderia ser?
Essas empresas adotam a IA da mesma maneira que alguns desenvolvedores se mudam para uma nova linguagem de programação: agarrando -se à mentalidade do antigo. O código deles pode passar no intérprete do Python, mas são tudo o Java Constructs. O Python com sabor de Java é difícil de apoiar e não aproveita ao máximo o que o Pytonic Python tem a oferecer.
Então, o que é a IA com sabor de dev. É o CEO que assume que, usando uma API LLM in style ou outro produto da AI-Ai-A-A-Service (AIAAS), eles não precisarão de nenhum conhecimento de IA internamente. É o líder do produto que anuncia os recursos apoiados pela IA antes que os modelos se provem. Ou espera a consistência do comportamento do software program quando os modelos estão em serviço. É o CTO que está tão morto em ter seus esforços de IA para estar em conformidade com o Agile que nunca procuram práticas recomendadas específicas da IA. Essa pessoa chega ao desenvolvedor principal, que acredita que seu modelo está pronto para o horário nobre porque seguiu o tutorial do TensorFlow.
No geral, é a empresa que avança na IA em alta velocidade, impulsionada por uma autoconfiança que supera seu horizonte de conhecimento. Essa arrogância injeta frustração desnecessária e exposição ao risco em seus esforços de IA.
A parte engraçada é que essa equipe pode realmente obter um produto de IA pela porta. Mas eles não perceberão a dura verdade: só porque é corre não significa isso funciona.
Pelo menos, eles não perceberão isso até que o aplicativo habilitado para a AI esteja interagindo com os clientes e dirige processos de negócios. Os problemas inevitáveis serão muito mais difíceis de abordar nesse ponto.
O futuro é o passado de novo
Na verdade, eu esboçei a primeira parte deste artigo há vários anos. Naquela época, ele se concentrava nas empresas que entram em software program personalizado. Foi inquietante encontrar o antigo contorno e ver a mesma história que acontece no mundo da IA de hoje.
Ironicamente, os AIAWs que são melhores na criação de software program para aprender mais. Eles primeiro precisam desaprender certas práticas de software program para criar soluções de IA usando uma mentalidade de IA. Mas uma vez que essas empresas realmente adotam as melhores práticas de IA, elas também estão posicionadas para as maiores vitórias. Eles já entendem idéias como tempo de atividade, implantação, controle de versão e monitoramento, o que é tudo o que você é necessário quando você transfer o modelo de P&D e para a produção.
Em 8 de maio, a O’Reilly Media estará hospedando Codificação com ai: o fim do desenvolvimento de software program como a conhecemos– Um ativo da Conferência Digital de Tecnologia Digital destacando como a IA já está sobrecarregando desenvolvedores, aumentando a produtividade e fornecendo valor actual para suas organizações. Se você está nas trincheiras de práticas de desenvolvimento de amanhã e interessado em falar no evento, gostaríamos de ouvir de você até 12 de março. Você pode encontrar mais informações e nossa chamada para apresentações aqui. Só quer comparecer? Registre -se gratuitamente aqui.