Bei der Produktion von KI gibt es zahlreiche Herausforderungen, denen Sie begegnen können, z. B. wie Sie Ihr KI-Modell auf einen Prozess oder Personen anwenden, Daten und Modelle stabilisieren, wie Sie Ihr Modell in sich ändernden Umgebungen und im Laufe der Zeit genau halten, skalieren und wachsen oder erweitern Sie die Fähigkeiten Ihres KI-Modells.
Einbetten von KI
Das Ausführen eines erfolgreichen Machbarkeitsnachweises (PoC) für maschinelles Lernen mit einem neuen Algorithmus beträgt nur 10 % des Aufwands, der erforderlich ist, um ihn zu produzieren und einen tatsächlichen Wert daraus zu ziehen. Die restlichen 90% können in Dinge unterteilt werden, die Sie tun müssen, um ein brauchbares Produkt herzustellen, und Dinge, die Sie tun müssen, um ein nützliches Produkt herzustellen.
Um ein nutzbares Produkt zu erstellen, müssen Sie die technische Umsetzung der Bereitstellung des Produkts für Ihre Benutzer vergrößern. Um es nützlich zu machen, sollten Sie das Produkt in einen Prozess für die Benutzer einbetten. Zunächst aber, was genau ist der Unterschied zwischen einem PoC und einem brauchbaren Produkt?
Zunächst einmal sind PoCs nicht für die Produktion gedacht. Produkte müssen ständig, jederzeit und unter wechselnden Umständen funktionieren. Während Ihres PoC finden Sie die gesuchten Daten, erstellen eine Kopie und beginnen mit der Bereinigung und Analyse. In der Produktion muss Ihre Datenquelle in Echtzeit, sicher und geschützt mit einer Datenplattform verbunden sein; der Datenstrom muss automatisch manipuliert und mit anderen Datenquellen verglichen/kombiniert werden.
Während Ihres PoC haben Sie entweder den Luxus, mit Ihren zukünftigen Benutzern zu sprechen und mit ihnen zusammen eine Lösung zu entwerfen, oder Sie haben überhaupt keine Benutzer und entwerfen eine technische Lösung. Für ein Produkt gibt es Benutzer, die diese Lösung verstehen müssen, und Personen, die dafür verantwortlich sind, die technische Lösung am Laufen zu halten. Daher erfordert ein Produkt Schulungen, FAQs und/oder Support-Linien, damit es verwendet werden kann. Darüber hinaus erstellen Sie einfach eine neue Version für Ihren einen Anwendungsfall in einem PoC. Produkte erfordern Updates, und wenn Sie Ihr Produkt für mehrere Kunden eingeführt haben, benötigen Sie eine Möglichkeit, Ihren Code für die Produktion (CI/CD-Pipelines) zu testen und bereitzustellen.
„Bei Itility haben wir unsere Itility Data Factory und AI Factory entwickelt, die die Bausteine und die zugrunde liegende Plattform für jedes unserer Projekte abdecken. Das bedeutet, dass wir den nutzbaren Blickwinkel von Anfang an abgedeckt haben, sodass wir uns auf den nutzbaren Blickwinkel (der stärker kunden- und anwendungsfallabhängig ist) konzentrieren können“, so das Unternehmen.
Schädlingserkennungs-App – vom PoC zum brauchbaren Produkt
„Die Proof-of-Concept-Phase unserer Schädlingserkennungs-App bestand aus einem Modell, das die enge Aufgabe erfüllen kann, Fliegen auf einer Klebefalle basierend auf Bildern zu klassifizieren und zu zählen, die von Mitgliedern des Gewächshausteams aufgenommen wurden. Falls sie ein Bild verpasst haben oder etwas schief gelaufen ist, können sie zurückgehen und ein neues aufnehmen oder es direkt im Dashboard korrigieren. Es waren einige manuelle Kontrollen erforderlich.
„Unsere PoC-Welt war einfach, basierend auf einem einzigen Gerät, einem einzigen Benutzer und einem einzigen Kunden. Um daraus jedoch ein brauchbares Produkt zu machen, mussten wir mehrere Kunden skalieren und unterstützen. Dann stellt sich die Frage, wie Daten getrennt und sicher aufbewahrt werden können. Darüber hinaus benötigt jeder einzelne Kunde/jede einzelne Maschine eine Einrichtung und Voreinstellung. Also, wie kann man 20 neue Kunden konfigurieren/einrichten? Woher wissen Sie, wann Sie eine Admin-Oberfläche erstellen und das Onboarding automatisieren müssen? Bei 2 Kunden, 20 oder 200?“
Natürlich könnten Sie Fragen haben, wie zum Beispiel „Wie hilft das Fliegenzählen meinem Kunden? Wie kann man aus diesen Informationen Wert schaffen? Wie kann man Entscheidungen empfehlen und Maßnahmen ergreifen? Wie fügt sich diese KI-Anwendung in den Geschäftsprozess ein?'. Der erste Schritt besteht darin, Ihren Bezugsrahmen von der technischen/Daten-Perspektive zur Endbenutzer-Perspektive zu ändern. Das bedeutet, das Gespräch mit Ihrem Kunden fortzusetzen und zu sehen, wie sich der bewährte PoC in die täglichen Prozesse einfügt.
„Sie müssen den Prozess auch über einen längeren Zeitraum genau verfolgen, Sie müssen an operativen und taktischen Besprechungen teilnehmen, um wirklich zu verstehen, welche Maßnahmen aufgrund welcher Informationen täglich ergriffen werden, wie viel Zeit dafür aufgewendet wird und welche Argumente sie haben.“ hinter bestimmten Handlungen. Ohne zu verstehen, wie die Informationen aus Ihrem Modell verwendet werden, um Geschäftswert zu schaffen, werden Sie kein nützliches Produkt erhalten.
„In unserem Fall haben wir herausgefunden, welche Informationen verwendet wurden, um Entscheidungen zu treffen. Wir haben zum Beispiel festgestellt, dass es für einige Schädlinge wichtiger ist, dem wöchentlichen Trend zu folgen (für den Sie keine extrem hohen Genauigkeiten benötigen), während andere beim ersten Anzeichen eines Schädlings Maßnahmen erfordern (was bedeutet, dass es besser ist, ein Paar zu haben) von falsch-positiven Ergebnissen, als nur ein einziges falsch-negatives Ergebnis zu haben).
„Außerdem stellten wir fest, dass unser Kunde zuvor eine ‚schlechte' Erfahrung mit einem ähnlichen Werkzeug gemacht hatte, das behauptete, Genauigkeiten zu haben, die es in der Praxis nicht liefern konnte. Warum sollten sie unserem vertrauen? Wir haben dieses Vertrauensproblem direkt aufgegriffen und Genauigkeit und Transparenz zu einem Hauptmerkmal des Produkts gemacht. Wir haben diese Informationen genutzt, um unser Produkt nutzbar zu machen, indem wir die Anwendung an die Arbeitsweise des Endbenutzers angepasst und die Transparenz in der Interaktion erhöht haben, um dem Benutzer mehr Kontrolle über die Anwendung zu geben“, so das Unternehmen weiter.
Was ist die größte Herausforderung?
„In unserem Fliegenzählungsszenario können wir so viel über unseren Genauigkeitswert sprechen, wie wir wollen. Um jedoch nützlich zu sein, benötigt der Benutzer (ein Gewächshausspezialist) mehr als Prozentsätze. Es gilt, es zu erfahren und zu lernen, ihm zu vertrauen. Das Schlimmste, was passieren kann, ist, wenn Ihre Benutzer Ihre Ergebnisse mit ihren eigenen manuellen Ergebnissen vergleichen und eine (große) Diskrepanz besteht. Ihr Ruf ist ruiniert und es gibt keinen Raum mehr, Vertrauen zurückzugewinnen. Wir haben dem entgegengewirkt, indem wir dem Produkt eine Software hinzugefügt haben, die den Benutzer ermutigt, nach diesen Abweichungen zu suchen und sie zu korrigieren.
„Unser Ansatz ist es daher, den Nutzer zum Teil der KI-Lösung zu machen, anstatt ihn als System darzustellen, das den Spezialisten ersetzt. Wir machen den Spezialisten zum Operator. Die KI erweitert ihre Fähigkeiten und die Spezialisten behalten die Kontrolle, indem sie der KI kontinuierlich beibringen und sie anleiten, mehr zu lernen und Korrekturen vorzunehmen, wenn die Umgebung oder andere Variablen abweichen. Als Operator ist der Spezialist ein integraler Bestandteil der Lösung – er schult und trainiert die KI mit konkreten Aktionen.“
Klicken Sie auf Kostenlos erhalten und dann auf Installieren. hier um ein Video mit weiteren Details zum bedienerorientierten Ansatz zu sehen.