Produk dan proyek AI – apa bedanya dengan produk dan proyek lainnya? | AI dalam bisnis #49

Pengantar manajemen produk AI

Produk AI memerlukan pengembangan dan penyesuaian terus-menerus, yang berbeda dari solusi teknologi tradisional.

• AI, kecerdasan buatan – nama umum untuk kemampuan mesin untuk melakukan tugas-tugas yang meniru cara kerja nalar dan kreativitas manusia, seperti mengenali gambar, memahami bahasa tertulis dan lisan, atau membuat keputusan berdasarkan data yang tersedia,
• ML, pembelajaran mesin – subdisiplin AI yang mencakup proses di mana mesin belajar dari data dan merasakan cara melakukan tugas dengan lebih baik. Keunikan produk berbasis machine learning (ML) berasal dari produk tersebut tidak diprogram sebelumnya, namun dilengkapi dengan kemampuan pembelajaran dan adaptasi. Dalam industri seperti layanan kesehatan, AI berkontribusi pada diagnostik yang lebih tepat, sementara di bidang keuangan, AI memungkinkan analisis risiko yang lebih canggih,
• GenAI, kecerdasan buatan generatif – bidang baru ML yang melibatkan sistem yang dapat membuat konten baru, seperti teks, gambar, video, model 3D, atau musik, berdasarkan penemuan pengguna atau tujuan yang ditentukan pengguna dan memasukkan data seperti kata kunci, kueri , atau petunjuk, atau sketsa atau foto.

Perencanaan produk AI – mulai dari ide hingga implementasi

Merencanakan produk AI memerlukan pertanyaan kunci sejak awal: Apakah produk ini mendapat manfaat dari penambahan kemampuan AI?

Penerapan produk AI berisiko dan mahal, oleh karena itu, ada baiknya untuk memulai dengan mendefinisikan masalah yang ingin diselesaikan dengan penerapan AI, lalu mencoba menyelesaikannya secara optimal. Mungkin menggunakan brainstorming dengan ChatGPT atau Google Bard, yang secara mengejutkan dapat memberikan saran mengenai jalur pengembangan produk yang optimal – tidak harus berdasarkan AI.

Namun, jika kita memutuskan untuk menambahkan kecerdasan buatan ke dalam penawaran perusahaan, kita perlu mempertimbangkan secara spesifik siklus hidup proyek AI. Lagipula, data Gartner menunjukkan bahwa hanya 54% proyek AI yang berhasil melewati tahap uji coba hingga produksi.

Hal ini sering kali disebabkan oleh prototipe yang sangat menjanjikan yang dapat dibuat dengan alat AI yang tersedia saat ini. Di sisi lain, sangat sulit untuk mencapai “kualitas produksi” dan keterulangan serta relevansi hasil yang dibutuhkan oleh para pemangku kepentingan.

Namun, siklus hidup produk AI berbeda dari yang lain, tidak hanya karena siklus hidup produk tersebut lebih jarang melampaui fase konsep. Ketika siklus hidup produk tradisional cenderung mengalami penurunan minat secara bertahap begitu penjualan mencapai puncaknya, produk AI mengalami apa yang disebut “efek roda gila”. Ini adalah fenomena di mana produk berbasis pembelajaran mesin menjadi lebih baik seiring penggunaan dan pengumpulan data baru dari pengguna. Semakin baik suatu produk, semakin banyak pengguna yang memilihnya, yang pada gilirannya menghasilkan lebih banyak data untuk meningkatkan algoritma. Efek ini menciptakan putaran umpan balik yang memungkinkan perbaikan berkelanjutan dan penskalaan solusi berbasis AI.

Sumber: DALL-E 3, petunjuk: Marta M. Kania (https://www.linkedin.com/in/martamatyldakania/)

Hal ini menjadikannya produk dengan siklus hidup yang diperbarui. Dengan kata lain, efek roda gila dalam AI berarti bahwa perbaikan terus-menerus akan menghasilkan peningkatan bertahap dalam kinerja produk. Misalnya:

• Pelatihan model AI yang berulang – misalnya, model perkiraan penjualan mungkin memerlukan pelatihan berulang untuk mencapai akurasi optimal, namun model tersebut menjadi semakin sempurna seiring berjalannya waktu,
• Manajemen simpanan data – untuk aplikasi personalisasi konten, pengumpulan dan analisis data pengguna dapat menjadi prioritas, yang secara bertahap akan memberikan hasil yang lebih relevan.

Singkatnya, manajemen proyek AI memerlukan fleksibilitas dan kesiapan untuk perbaikan berkelanjutan. Oleh karena itu, manajer proyek AI harus siap menghadapi perubahan persyaratan dan terus menyesuaikan strategi.

Memahami data dan perannya dalam pengembangan produk AI

Peran data dalam pengembangan produk AI sangatlah penting. McKinsey memperkirakan bahwa model AI generatif dapat menghasilkan manfaat ekonomi hingga $4,4 triliun setiap tahunnya. Namun, untuk meraih bagian tersebut memerlukan pengelolaan data yang berkualitas.

Misalnya, agar sistem rekomendasi produk e-niaga dapat berfungsi dengan baik, kualitas data perilaku pelanggan sangatlah penting. Anda tidak hanya memerlukan jumlah data yang tepat, tetapi juga segmentasi dan pembaruan yang tepat, dan yang terpenting, penarikan kesimpulan yang terampil dari informasi yang dikumpulkan.

Saat membuat produk AI berbasis data, menjaga ketidakberpihakan pada data juga sama pentingnya. Misalnya, dalam algoritme AI yang digunakan dalam perekrutan atau asuransi, datanya tidak boleh mengandung bias implisit – berdasarkan gender atau lokasi – yang dapat mengarah pada diskriminasi.

Perlu dicatat bahwa pengelolaan data yang tepat tidak hanya memerlukan keahlian teknis tetapi juga kesadaran akan dampaknya terhadap kinerja produk AI.

Masalah paling umum saat mengelola produk berbasis AI

Mengelola produk AI melibatkan tantangan yang memerlukan keterampilan khusus dan kesadaran etis. Di antara masalah-masalah terpenting yang patut disebutkan:

• Pengembangan keterampilan AI – misalnya, manajer produk di industri AI perlu memahami dasar-dasar pembelajaran mesin agar dapat bekerja secara efektif dengan tim teknis,
• orientasi terkini terhadap persyaratan hukum – peraturan tentang produk AI baru saja muncul, sehingga Anda perlu berorientasi untuk menyesuaikan kebijakan dan peraturan perusahaan Anda dalam menggunakan produk AI secara berkelanjutan,
• mengintegrasikan AI ke dalam sistem yang ada – mengintegrasikan kecerdasan buatan tingkat lanjut ke dalam sistem TI yang ada dapat menimbulkan tantangan teknologi dan organisasi,
• meningkatkan skala solusi AI – bagi perusahaan rintisan di bidang teknologi, mengembangkan prototipe AI menjadi produk skala penuh memerlukan sumber daya, waktu, dan keahlian, yang juga dapat menjadi masalah karena pasokan yang relatif rendah dan tingginya permintaan akan spesialis,
• menjaga keterlibatan pengguna – untuk aplikasi yang menggunakan AI untuk mempersonalisasi konten, terus beradaptasi dengan perubahan preferensi pengguna adalah kunci untuk menjaga mereka tetap terlibat,
• mengatasi dilema etika – misalnya, dalam aplikasi AI untuk pemantauan kesehatan, privasi dan keamanan data pengguna adalah prioritas.

Produk AI – ringkasan

Singkatnya, mengelola proyek dan produk AI memerlukan pemahaman tentang tantangan dan peluang unik yang dibawa oleh teknologi tersebut. Memahami peran data, mampu mengelola tim dan proyek, serta tetap menyadari aspek etika AI adalah hal yang penting. Produk AI membuka cakrawala baru bagi bisnis, namun memerlukan pendekatan dan keterampilan yang tepat.

Bagi perusahaan rintisan, penting untuk fokus dalam mendefinisikan dengan jelas masalah yang ingin dipecahkan oleh produk AI dan membangun tim dengan pengetahuan dan pengalaman yang tepat di bidang AI. Penting juga untuk berfokus pada pembangunan sistem AI yang etis dan transparan yang mematuhi ekspektasi dan peraturan pengguna.

Jika Anda menyukai konten kami, bergabunglah dengan komunitas lebah kami yang sibuk di Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.

Penulis: Robert Whitney

Pakar JavaScript dan instruktur yang melatih departemen TI. Tujuan utamanya adalah meningkatkan produktivitas tim dengan mengajari orang lain cara bekerja sama secara efektif saat membuat kode.

Lihat semua postingan

AI dalam bisnis:

1. Ancaman dan peluang AI dalam bisnis (bagian 1)
2. Ancaman dan peluang AI dalam bisnis (bagian 2)
3. Aplikasi AI dalam bisnis - ikhtisar
4. Chatbot teks yang dibantu AI
5. Bisnis NLP hari ini dan besok
6. Peran AI dalam pengambilan keputusan bisnis
7. Menjadwalkan posting media sosial. Bagaimana AI dapat membantu?
8. Postingan media sosial otomatis
9. Layanan dan produk baru yang beroperasi dengan AI
10. Apa kelemahan ide bisnis saya? Sesi brainstorming dengan ChatGPT
11. Menggunakan ChatGPT dalam bisnis
12. Aktor sintetik. 3 generator video AI teratas
13. 3 alat desain grafis AI yang berguna. AI generatif dalam bisnis
14. 3 penulis AI hebat yang harus Anda coba hari ini
15. Menjelajahi kekuatan AI dalam penciptaan musik
16. Menavigasi peluang bisnis baru dengan ChatGPT-4
17. Alat AI untuk manajer
18. 6 plugin ChatGTP mengagumkan yang akan membuat hidup Anda lebih mudah
19. 3 grafik AI. Menghasilkan kecerdasan dalam bisnis
20. Bagaimana masa depan AI menurut McKinsey Global Institute?
21. Kecerdasan buatan dalam bisnis - Pendahuluan
22. Apa itu NLP, atau pemrosesan bahasa alami dalam bisnis
23. Pemrosesan dokumen otomatis
24. Google Terjemahan vs DeepL. 5 aplikasi terjemahan mesin untuk bisnis
25. Pengoperasian dan aplikasi bisnis voicebots
26. Teknologi asisten virtual, atau bagaimana cara berbicara dengan AI?
27. Apa itu Intelijen Bisnis?
28. Akankah kecerdasan buatan menggantikan analis bisnis?
29. Bagaimana kecerdasan buatan dapat membantu mengatasi BPM?
30. AI dan media sosial – apa pendapat mereka tentang kita?
31. Kecerdasan buatan dalam manajemen konten
32. AI kreatif hari ini dan masa depan
33. AI multimodal dan penerapannya dalam bisnis
34. Interaksi baru. Bagaimana AI mengubah cara kita mengoperasikan perangkat?
35. RPA dan API di perusahaan digital
36. Pasar kerja masa depan dan profesi yang akan datang
37. AI di EdTech. 3 contoh perusahaan yang memanfaatkan potensi kecerdasan buatan
38. Kecerdasan buatan dan lingkungan. 3 solusi AI untuk membantu Anda membangun bisnis yang berkelanjutan
39. Detektor konten AI. Apakah itu layak?
40. ObrolanGPT vs Bard vs Bing. Chatbot AI manakah yang memimpin persaingan?
41. Apakah chatbot AI merupakan pesaing pencarian Google?
42. Perintah ChatGPT yang Efektif untuk SDM dan Rekrutmen
43. Rekayasa yang cepat. Apa yang dilakukan seorang insinyur yang cepat?
44. Pembuat AI Mockup. 4 alat teratas
45. AI dan apa lagi? Tren teknologi teratas untuk bisnis pada tahun 2024
46. AI dan etika bisnis. Mengapa Anda harus berinvestasi pada solusi etis
47. Meta AI. Apa yang perlu Anda ketahui tentang fitur-fitur yang didukung AI di Facebook dan Instagram?
48. Regulasi AI. Apa yang perlu Anda ketahui sebagai seorang wirausaha?
49. 5 penggunaan baru AI dalam bisnis
50. Produk dan proyek AI - apa bedanya dengan yang lain?