Стоит ли делать ставки на ИИ? Понимание важности соответствия продукта и рынка.

Бум ИИ сталкивается с проблемами. Организациям трудно преобразовать инвестиции в ИИ в надежные источники дохода, и многие предприятия считают генеративный ИИ сложнее в реализации, чем ожидалось. Стартапы в секторе ИИ часто переоценены, а интерес потребителей снижается. Даже McKinsey, изначально предсказавшая экономическую выгоду от ИИ в размере 25,6 триллионов долларов, теперь утверждает, что компаниям потребуются значительные организационные изменения для полного использования потенциала ИИ.

Прежде чем спешить к реорганизации, руководителям следует пересмотреть основополагающие принципы. В ИИ, как и в любой другой области, создание ценности начинается с определения соответствия продукта и рынка: понимание спроса и выбор подходящих инструментов.

В текущей ситуации на рынке ИИ стремление применить технологии ко всем возможным проблемам приводит к множеству продуктов, которые часто не имеют практической ценности или могут быть даже вредными. Например, чат-бот правительства ошибочно советовал владельцам бизнеса в Нью-Йорке уволить сотрудников, сообщивших о домогательствах, а такие сервисы, как TurboTax и H&R Block, запускали ботов, дающих неправильные рекомендации в половине случаев.

Проблема не в недостатках инструментов ИИ или организационных возможностях; это похоже на использование молотка для приготовления блинов. Чтобы реально получить ценность от ИИ, мы должны сосредоточиться на конкретных проблемах, которые намерены решить.

Ложное восприятие

ИИ имеет уникальную склонность обходить налаженные процессы достижения соответствия продукта и рынка. Инструменты, такие как ChatGPT, могут создавать иллюзию понимания, заставляя пользователей переоценивать их сложность — это отголосок «ложного восприятия». Когда Фёрби появились в начале 2000-х, многие, включая сотрудников службы разведки, ошибочно полагали, что игрушки учатся у пользователей, хотя на самом деле они просто выполняли запрограммированные ответы.

Это антропоморфизирование распространяется и на модели ИИ, где мы можем неверно приписывать им интуицию. Это заблуждение обходит важную задачу четкого определения наших целей. В компьютерных науках это известно как "проблема согласования", которая показывает, что по мере развития моделей ИИ формулировать точные инструкции становится все сложнее, и это может иметь серьезные последствия. Если направление будет неверным, мощный ИИ может случайно оптимизироваться на нежелательных результатах.

Проблема согласования подчеркивает необходимость установления соответствия продукта и рынка в приложениях ИИ. Мы должны противостоять искушению игнорировать сложные детали и четко формулировать наши требования. Только тогда мы сможем создавать инструменты ИИ, которые действительно создают ценность.

Вернемся к основам

Системы ИИ не могут самостоятельно находить соответствие продукта и рынка; это наша ответственность как руководителей и специалистов по технологиям - точно работать с потребностями клиентов. Это включает в себя четыре ключевых шага — некоторые традиционные, некоторые адаптированные к нюансам разработки ИИ:

1. Понять проблему: слишком часто компании ошибочно считают, что их основной проблемой является нехватка ИИ. Важно определить проблему независимо от технологии, чтобы понять, подходит ли ИИ как решение.

2. Определить успех продукта: четко сформулировать, что является успехом для вашего решения. Этот шаг включает понимание компромиссов, например, стоит ли сосредоточиться на беглости или точности в ответах ИИ.

3. Выбрать технологию: имея четкую цель, сотрудничайте с инженерами и дизайнерами для определения лучших технологий. Рассмотрите различные модели ИИ, использование данных, соблюдение норм и репутационные риски на ранних этапах.

4. Тестировать и повторно тестировать ваше решение: теперь вы можете начать разработку. Многие компании спешат на этом этапе, что приводит к плохо продуманным продуктам. Ориентация на соответствие продукта и рынка с самого начала способствует структурированному подходу, позволяя итеративно улучшать решения на реальных проблемах.

Считать, что любое применение ИИ автоматически создаст ценность — распространенное заблуждение. Организации, которые бездумно внедряют ИИ, могут время от времени достичь успеха, но большинство попыток принесет мало пользы.

Чтобы раскрыть полный потенциал ИИ, нам сначала необходимо четко определить цели, прежде чем направлять усилия на их достижение. Этот процесс может требовать решений, не использующих ИИ, или более простых реализаций, которые эффективно решают потребности пользователей.

Независимо от типа разрабатываемого продукта ИИ, установление соответствия продукта и рынка и согласование технологий с потребностями клиентов является первостепенным для создания ценности. Компании, которые успешно работают в этой области, станут лидерами в сфере ИИ.