ผลิตภัณฑ์และโครงการ AI – แตกต่างจากผลิตภัณฑ์และโครงการอื่นอย่างไร | AI ในธุรกิจ #49

ความรู้เบื้องต้นเกี่ยวกับการจัดการผลิตภัณฑ์ AI

ผลิตภัณฑ์ AI ต้องการการพัฒนาและปรับแต่งอย่างต่อเนื่อง ซึ่งแตกต่างจากโซลูชันเทคโนโลยีแบบดั้งเดิม

• AI หรือปัญญาประดิษฐ์ – ชื่อทั่วไปสำหรับความสามารถของเครื่องจักรในการทำงานที่เลียนแบบการทำงานของเหตุผลและความคิดสร้างสรรค์ของมนุษย์ เช่น การจดจำรูปภาพ การทำความเข้าใจภาษาเขียนและภาษาพูด หรือการตัดสินใจโดยอาศัยข้อมูลที่มีอยู่
• ML หรือการเรียนรู้ของเครื่อง – สาขาย่อยของ AI ครอบคลุมกระบวนการที่เครื่องจักรเรียนรู้จากข้อมูลและสัมผัสประสบการณ์การทำงานที่ดีขึ้น ความเป็นเอกลักษณ์ของผลิตภัณฑ์ที่ใช้แมชชีนเลิร์นนิง (ML) มาจากการที่ผลิตภัณฑ์เหล่านั้นไม่ได้ตั้งโปรแกรมไว้ล่วงหน้า แต่มีความสามารถในการเรียนรู้และการปรับตัว ในอุตสาหกรรมต่างๆ เช่น การดูแลสุขภาพ AI มีส่วนช่วยในการวินิจฉัยที่แม่นยำยิ่งขึ้น ในขณะที่ในด้านการเงินช่วยให้การวิเคราะห์ความเสี่ยงที่ซับซ้อนยิ่งขึ้น
• GenAI ปัญญาประดิษฐ์เจนเนอเรชั่น – สาขาใหม่ของ ML ที่เกี่ยวข้องกับระบบที่สามารถสร้างเนื้อหาใหม่ เช่น ข้อความ รูปภาพ วิดีโอ โมเดล 3 มิติ หรือเพลง โดยอิงตามสิ่งประดิษฐ์ของผู้ใช้หรือวัตถุประสงค์ที่ผู้ใช้ระบุ และข้อมูลอินพุต เช่น คำสำคัญ ข้อความค้นหา หรือคำแนะนำ หรือภาพร่างหรือภาพถ่าย

การวางแผนผลิตภัณฑ์ AI – จากแนวคิดสู่การนำไปปฏิบัติ

การวางแผนผลิตภัณฑ์ AI ต้องถามคำถามสำคัญตั้งแต่แรก: ผลิตภัณฑ์นี้จะได้ประโยชน์จากการเพิ่มความสามารถด้าน AI หรือไม่

การใช้ผลิตภัณฑ์ AI มีความเสี่ยงและมีราคาแพง ด้วยเหตุนี้ จึงเป็นความคิดที่ดีที่จะเริ่มต้นด้วยการกำหนดปัญหาที่จะแก้ไขโดยการนำ AI ไปใช้ จากนั้นจึงพยายามแก้ไขอย่างเหมาะสม บางทีอาจใช้การระดมความคิดด้วย ChatGPT หรือ Google Bard ซึ่งสามารถให้คำแนะนำเกี่ยวกับเส้นทางการพัฒนาผลิตภัณฑ์ที่ดีที่สุดได้อย่างน่าประหลาดใจ โดยไม่จำเป็นต้องอิงจาก AI

อย่างไรก็ตาม หากเราตัดสินใจที่จะเพิ่มปัญญาประดิษฐ์ให้กับข้อเสนอของบริษัท เราจำเป็นต้องพิจารณาลักษณะเฉพาะของวงจรชีวิตของโครงการ AI ท้ายที่สุดแล้ว ข้อมูลของ Gartner แสดงให้เห็นว่ามีเพียง 54% ของโครงการ AI เท่านั้นที่สร้างตั้งแต่ระยะนำร่องไปจนถึงการใช้งานจริง

สาเหตุนี้มักเกิดจากต้นแบบที่มีแนวโน้มดีซึ่งสามารถสร้างได้ด้วยเครื่องมือ AI ที่มีอยู่ในปัจจุบัน ในทางกลับกัน เป็นเรื่องยากมากที่จะบรรลุ "คุณภาพการผลิต" ตลอดจนความสามารถในการทำซ้ำและความเกี่ยวข้องของผลลัพธ์ที่ต้องการโดยผู้มีส่วนได้ส่วนเสีย

อย่างไรก็ตาม วงจรชีวิตผลิตภัณฑ์ AI แตกต่างจากวงจรอื่นๆ ไม่เพียงแต่จะไปไกลกว่าขั้นตอนแนวคิดค่อนข้างบ่อยน้อยลงเท่านั้น ในกรณีที่วงจรชีวิตของผลิตภัณฑ์แบบดั้งเดิมมีแนวโน้มลดลงอย่างค่อยเป็นค่อยไปในความสนใจเมื่อยอดขายถึงจุดสูงสุด ผลิตภัณฑ์ AI จะพบกับสิ่งที่เรียกว่า "เอฟเฟกต์มู่เล่" นี่เป็นปรากฏการณ์ที่ผลิตภัณฑ์ที่ใช้การเรียนรู้ของเครื่องได้รับการปรับปรุงเมื่อมีการใช้และรวบรวมข้อมูลใหม่จากผู้ใช้ ยิ่งผลิตภัณฑ์ดีเท่าไร ผู้ใช้ก็จะเลือกผลิตภัณฑ์มากขึ้นเท่านั้น ซึ่งจะสร้างข้อมูลมากขึ้นเพื่อปรับปรุงอัลกอริธึม เอฟเฟกต์นี้จะสร้างวงจรป้อนกลับที่ช่วยให้สามารถปรับปรุงและปรับขนาดโซลูชันที่ใช้ AI ได้อย่างต่อเนื่อง

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

ทำให้ผลิตภัณฑ์มีวงจรชีวิตการต่ออายุ กล่าวอีกนัยหนึ่ง เอฟเฟกต์มู่เล่ใน AI หมายความว่าการปรับปรุงอย่างต่อเนื่องนำไปสู่การปรับปรุงประสิทธิภาพของผลิตภัณฑ์เพิ่มขึ้นทีละน้อย ตัวอย่างเช่น:

• การฝึกอบรมแบบจำลอง AI ซ้ำ - ตัวอย่างเช่น แบบจำลองสำหรับการคาดการณ์การขายอาจต้องมีการฝึกอบรมซ้ำเพื่อให้ได้ความแม่นยำสูงสุด แต่จะสมบูรณ์แบบมากขึ้นเรื่อยๆ เมื่อเวลาผ่านไป
• การจัดการข้อมูลที่ค้างอยู่ – สำหรับแอปพลิเคชันการปรับแต่งเนื้อหา การรวบรวมและวิเคราะห์ข้อมูลผู้ใช้อาจถือเป็นสิ่งสำคัญ ซึ่งจะค่อยๆ นำไปสู่ผลลัพธ์ที่เกี่ยวข้องมากขึ้นเรื่อยๆ

โดยสรุป การจัดการโครงการ AI ต้องการความยืดหยุ่นและความพร้อมในการปรับปรุงอย่างต่อเนื่อง ดังนั้นผู้จัดการโครงการ AI จึงต้องเตรียมพร้อมเพื่อตอบสนองความต้องการที่เปลี่ยนแปลงและปรับเปลี่ยนกลยุทธ์อย่างต่อเนื่อง

ทำความเข้าใจข้อมูลและบทบาทในการพัฒนาผลิตภัณฑ์ AI

บทบาทของข้อมูลในการพัฒนาผลิตภัณฑ์ AI เป็นสิ่งสำคัญ McKinsey ประมาณการว่าโมเดล AI ทั่วไปสามารถสร้างผลประโยชน์ทางเศรษฐกิจได้สูงถึง 4.4 ล้านล้านดอลลาร์ต่อปี อย่างไรก็ตาม การเข้าถึงชิ้นส่วนนั้นจำเป็นต้องมีการจัดการข้อมูลที่มีคุณภาพ

ตัวอย่างเช่น เพื่อให้ระบบแนะนำผลิตภัณฑ์อีคอมเมิร์ซทำงานได้ดี คุณภาพของข้อมูลพฤติกรรมลูกค้าเป็นสิ่งสำคัญ คุณไม่เพียงแต่ต้องการข้อมูลในปริมาณที่เหมาะสมเท่านั้น แต่ยังต้องมีการแบ่งส่วนและการอัปเดตที่เหมาะสม และที่สำคัญที่สุดคือการวาดข้อสรุปอย่างเชี่ยวชาญจากข้อมูลที่รวบรวม

เมื่อสร้างผลิตภัณฑ์ AI ที่ขับเคลื่อนด้วยข้อมูล การรักษาความเป็นกลางในข้อมูลก็มีความสำคัญไม่แพ้กัน ตัวอย่างเช่น ในอัลกอริทึม AI ที่ใช้ในการสรรหาบุคลากรหรือการประกันภัย ข้อมูลจะต้องไม่มีอคติโดยนัย ขึ้นอยู่กับเพศหรือสถานที่ ซึ่งอาจนำไปสู่การเลือกปฏิบัติ

เป็นที่น่าสังเกตว่าการจัดการข้อมูลที่เหมาะสมไม่เพียงแต่ต้องอาศัยความเชี่ยวชาญทางเทคนิคเท่านั้น แต่ยังต้องตระหนักถึงผลกระทบที่มีต่อประสิทธิภาพของผลิตภัณฑ์ AI ด้วย

ปัญหาที่พบบ่อยที่สุดเมื่อจัดการผลิตภัณฑ์ที่ใช้ AI

การจัดการผลิตภัณฑ์ AI เกี่ยวข้องกับความท้าทายที่ต้องใช้ทักษะเฉพาะและความตระหนักรู้ด้านจริยธรรม ในบรรดาปัญหาที่สำคัญที่สุดที่ควรค่าแก่การกล่าวถึง:

• การพัฒนาทักษะด้าน AI เช่น ผู้จัดการผลิตภัณฑ์ในอุตสาหกรรม AI จำเป็นต้องเข้าใจพื้นฐานของการเรียนรู้ของเครื่องเพื่อทำงานร่วมกับทีมเทคนิคอย่างมีประสิทธิภาพ
• การวางแนวข้อกำหนดทางกฎหมายที่ทันสมัย ​​– กฎระเบียบเกี่ยวกับผลิตภัณฑ์ AI เพิ่งเกิดขึ้น ดังนั้นคุณจึงต้องมุ่งเน้นที่จะปรับเปลี่ยนนโยบายและข้อบังคับของบริษัทของคุณสำหรับการใช้ผลิตภัณฑ์ AI อย่างต่อเนื่อง
• บูรณาการ AI เข้ากับระบบที่มีอยู่ – บูรณาการปัญญาประดิษฐ์ขั้นสูงเข้ากับระบบไอทีที่มีอยู่สามารถก่อให้เกิดความท้าทายทางเทคโนโลยีและองค์กร
• การปรับขนาดโซลูชัน AI – สำหรับสตาร์ทอัพด้านเทคโนโลยี การพัฒนาต้นแบบ AI ให้เป็นผลิตภัณฑ์เต็มรูปแบบต้องใช้ทรัพยากร เวลา และความเชี่ยวชาญ ซึ่งอาจเป็นปัญหาได้เนื่องจากมีอุปทานที่ค่อนข้างต่ำและมีความต้องการผู้เชี่ยวชาญสูง
• ทำให้ผู้ใช้มีส่วนร่วม – สำหรับแอปที่ใช้ AI เพื่อปรับแต่งเนื้อหา การปรับให้เข้ากับการตั้งค่าที่เปลี่ยนแปลงของผู้ใช้อย่างต่อเนื่องเป็นกุญแจสำคัญในการทำให้พวกเขามีส่วนร่วม
• การจัดการกับประเด็นขัดแย้งด้านจริยธรรม ตัวอย่างเช่น ในแอปพลิเคชัน AI สำหรับการตรวจสอบสุขภาพ ความเป็นส่วนตัว และความปลอดภัยของข้อมูลผู้ใช้ ถือเป็นเรื่องสำคัญ

ผลิตภัณฑ์ AI – สรุป

โดยสรุป การจัดการโครงการและผลิตภัณฑ์ AI จำเป็นต้องมีความเข้าใจในความท้าทายและโอกาสเฉพาะที่เทคโนโลยีนำมา การทำความเข้าใจบทบาทของข้อมูล ความสามารถในการจัดการทีมและโครงการ ตลอดจนการตระหนักถึงแง่มุมทางจริยธรรมของ AI ถือเป็นสิ่งสำคัญ ผลิตภัณฑ์ AI กำลังเปิดโลกทัศน์ใหม่ให้กับธุรกิจ แต่ต้องการแนวทางและทักษะที่เหมาะสม

สำหรับสตาร์ทอัพ สิ่งสำคัญคือต้องมุ่งเน้นที่การระบุปัญหาอย่างชัดเจนซึ่งผลิตภัณฑ์ AI มีไว้เพื่อแก้ไข และสร้างทีมที่มีความรู้และประสบการณ์ที่เหมาะสมในด้าน AI นอกจากนี้ยังควรให้ความสำคัญกับการสร้างระบบ AI ที่มีจริยธรรมและโปร่งใสซึ่งสอดคล้องกับความคาดหวังและกฎระเบียบของผู้ใช้

หากคุณชอบเนื้อหาของเรา เข้าร่วมชุมชนผึ้งที่ไม่ว่างของเราบน Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok

ผู้เขียน : โรเบิร์ต วิทนีย์

ผู้เชี่ยวชาญ JavaScript และผู้สอนที่เป็นโค้ชแผนกไอที เป้าหมายหลักของเขาคือการยกระดับผลงานของทีมโดยการสอนผู้อื่นถึงวิธีการร่วมมืออย่างมีประสิทธิภาพในขณะที่เขียนโค้ด

ดูโพสต์ทั้งหมด

AI ในธุรกิจ:

1. ภัยคุกคามและโอกาสของ AI ในธุรกิจ (ตอนที่ 1)
2. ภัยคุกคามและโอกาสของ AI ในธุรกิจ (ตอนที่ 2)
3. แอปพลิเคชัน AI ในธุรกิจ – ภาพรวม
4. แชทบอทข้อความช่วยด้วย AI
5. ธุรกิจ NLP วันนี้และพรุ่งนี้
6. บทบาทของ AI ในการตัดสินใจทางธุรกิจ
7. การกำหนดเวลาโพสต์บนโซเชียลมีเดีย เอไอสามารถช่วยได้อย่างไร?
8. โพสต์โซเชียลมีเดียอัตโนมัติ
9. บริการและผลิตภัณฑ์ใหม่ที่ทำงานด้วย AI
10. จุดอ่อนของแนวคิดทางธุรกิจของฉันคืออะไร? เซสชั่นระดมความคิดด้วย ChatGPT
11. การใช้ ChatGPT ในธุรกิจ
12. นักแสดงสังเคราะห์ เครื่องสร้างวิดีโอ AI 3 อันดับแรก
13. 3 เครื่องมือออกแบบกราฟิก AI ที่มีประโยชน์ AI เจนเนอเรชั่นในธุรกิจ
14. นักเขียน AI ที่ยอดเยี่ยม 3 คนที่คุณต้องลองวันนี้
15. สำรวจพลังของ AI ในการสร้างดนตรี
16. นำทางโอกาสทางธุรกิจใหม่ด้วย ChatGPT-4
17. เครื่องมือ AI สำหรับผู้จัดการ
18. 6 ปลั๊กอิน ChatGTP ที่ยอดเยี่ยมที่จะทำให้ชีวิตของคุณง่ายขึ้น
19. 3 กราฟิค AI Generatywna sztuczna inteligencja dla biznesu
20. อนาคตของ AI ตาม McKinsey Global Institute จะเป็นอย่างไร
21. ปัญญาประดิษฐ์ในธุรกิจ--บทนำ
22. NLP หรือการประมวลผลภาษาธรรมชาติในธุรกิจคืออะไร
23. การประมวลผลเอกสารอัตโนมัติ
24. Google แปลภาษากับ DeepL 5 แอพพลิเคชั่นเครื่องแปลภาษาสำหรับธุรกิจ
25. การดำเนินงานและการใช้งานทางธุรกิจของวอยซ์บอท
26. เทคโนโลยีผู้ช่วยเสมือนหรือจะคุยกับ AI ได้อย่างไร?
27. ระบบธุรกิจอัจฉริยะคืออะไร?
28. ปัญญาประดิษฐ์จะมาแทนที่นักวิเคราะห์ธุรกิจหรือไม่?
29. ปัญญาประดิษฐ์สามารถช่วย BPM ได้อย่างไร?
30. AI และโซเชียลมีเดีย – พวกเขาพูดอะไรเกี่ยวกับเรา?
31. ปัญญาประดิษฐ์ในการจัดการเนื้อหา
32. AI สร้างสรรค์ของวันนี้และอนาคต
33. Multimodal AI และการใช้งานในธุรกิจ
34. การโต้ตอบใหม่ AI เปลี่ยนแปลงวิธีการใช้งานอุปกรณ์ของเราอย่างไร
35. RPA และ API ในบริษัทดิจิทัล
36. ตลาดงานในอนาคตและอาชีพที่จะเกิดขึ้น
37. AI ใน EdTech 3 ตัวอย่างบริษัทที่ใช้ศักยภาพปัญญาประดิษฐ์
38. ปัญญาประดิษฐ์และสิ่งแวดล้อม 3 โซลูชัน AI ที่จะช่วยคุณสร้างธุรกิจที่ยั่งยืน
39. เครื่องตรวจจับเนื้อหา AI พวกเขาคุ้มค่าไหม?
40. ChatGPT กับ Bard และ Bing AI chatbot ตัวไหนที่เป็นผู้นำการแข่งขัน?
41. chatbot AI เป็นคู่แข่งในการค้นหาของ Google หรือไม่
42. ChatGPT พร้อมท์ที่มีประสิทธิภาพสำหรับทรัพยากรบุคคลและการสรรหาบุคลากร
43. วิศวกรรมศาสตร์ทันที วิศวกรพร้อมท์ทำอะไร?
44. เครื่องกำเนิด AI จำลอง เครื่องมือ 4 อันดับแรก
45. AI และอะไรอีก? เทรนด์เทคโนโลยียอดนิยมสำหรับธุรกิจในปี 2024
46. AI และจริยธรรมทางธุรกิจ เหตุใดคุณจึงควรลงทุนในโซลูชั่นที่มีจริยธรรม
47. เมตาเอไอ คุณควรรู้อะไรบ้างเกี่ยวกับฟีเจอร์ที่รองรับ AI ของ Facebook และ Instagram
48. กฎระเบียบของเอไอ คุณต้องรู้อะไรบ้างในฐานะผู้ประกอบการ?
49. 5 การใช้งานใหม่ของ AI ในธุรกิจ
50. ผลิตภัณฑ์และโครงการ AI - แตกต่างจากผลิตภัณฑ์และโครงการอื่นอย่างไร