Si su empresa está construyendo algún tipo de producto o útil de IA, ¡felicidades! Ahora eres una empresa de IA.
Sí, sigue siendo una empresa minorista. O un tira. O una operación CpG. Eres ese más una compañía de IA: se llame a esto un Ai igualmente Compañía (AIAW): aconsejarle una atrevimiento para decirles a los prospectos de ventas e inversores que está “haciendo AI”.
Ilustrarse más rápido. Cavar más profundo. Ver más allí.
Esa atrevimiento igualmente lo pone en el gracia de nuevas responsabilidades. Son fáciles de excluir al principio, pero te detendrás de tu efectivo potencial de IA si lo haces. Y tal vez encargarse exposiciones a los riesgos innecesarios en el proceso.
Si AIAWS quiere emplear al mayor la IA, haría proporcionadamente en tomar prestadas algunas lecciones duras del auge de la tecnología de explicación de software. Y a cambio, Software Dev igualmente necesita estudiar algunas lecciones sobre AI.
Hemos manido esta película antaño
Anteriormente en mi carrera trabajé como desarrollador de software. Aprendí rápidamente que cualquier empresa que construya un software personalizado, sin importar su negocio principal, tenía que estudiar las cuerdas de ordenar una tienda de productos de software profesional.
Lo cual estaba muy proporcionadamente, excepto que no tenían experiencia en ejecución de una tienda de productos de software. Las decisiones de los ejecutivos se basaron en una comprensión a nivel de superficie del software personalizado, en su mayoría, “arroja algunos desarrolladores a una habitación y les dicen qué construir”, lo que era suficiente para comenzar, pero en ningún circunscripción lo suficientemente cerca para tener éxito.
Si perdones la igualdad “iceberg” proporcionadamente usada, la veterano parte de lo que necesitaban entender sobre el software personalizado existían debajo de la columna de flotación. Ahí es donde encontrarían cosas como “cómo construir un equipo”. (¿Recuerdas los puestos de trabajo equivocados que requirieron un título en informática?) Luego estaba “la pobreza de entornos de tiempo de ejecución de explicación, QA y producción separados”, cada uno de los cuales solicitó su propio hardware. Eso llevó a “necesitamos contratar personas para hacer control de calidad y ordenar operaciones”. El conocimiento del subsuelo igualmente incluía preocupaciones legales como la propiedad intelectual (IP), que encajaba con licencias de código destapado … y así sucesivamente.
Eso fue mucho que estudiar. Y, sin retención, fue suficiente para sacar el producto original por la puerta, un logro considerable, pero que se dice que ejecuta solo el 20 por ciento del costo total de por vida de un tesina de software. El tiempo, el esfuerzo y el caudal requeridos para el mantenimiento a derrochador plazo se produjeron como un shock de triple pegatina.
(La aleccionamiento de beneficio aquí es que el llamado software “excesivo” que estaban tratando de reemplazar no era tan caro luego de todo. Pero esa es una historia para otro día).
Igualmente había muchos asuntos estratégicos debajo de la columna de flotación. Las empresas no eran solo con la atención software para su negocio; Ese software personalizado cambió cómo funcionaba el negocio. La capacidad de ejecutar ciertos procesos 24/7/365 creó nuevas eficiencias y riesgos por igual. Las eficiencias fueron de doble filo: la automatización de un proceso podría hastiar los procesos aguas debajo que aún se realizan a mano. La mandato de los nuevos riesgos requería que todos ejerzan una nueva disciplina. Una persona forzando un cambio de código apresurado podría alterar las operaciones y conducir a pérdidas considerables.
Estas preocupaciones aún se mantienen hoy, pero en su mayoría son invisibles, si no ridículas, porque el explicación de software ha madurado. El liderazgo de la empresa está proporcionadamente versado en las mejores prácticas de la industria. (En parte, porque muchos de los líderes tecnológicos de hoy son ex desarrolladores que aprendieron esas mejores prácticas de primera mano). Pero en ese entonces el progreso se midió en lecciones de estudios duro, basado en horizontes de conocimiento cortos. Cada paso reveló más de la imagen de software personalizada, mostrando a los líderes que su comprensión previa era simplificada y poco fija.
Algunos líderes retuvieron expertos en ayuda para proteger su inversión y acelerar sus esfuerzos. Otros obstaculizaron por su cuenta y finalmente lo descubrieron. O no lo descubrieron y sufrieron incidentes de tiempo de inactividad, reincorporación rotación y fallas del tesina.
No tenemos que revivir la misma película
Una historia similar se está desarrollando en el espacio de IA. (Para la brevedad, agruparé toda la ciencia de datos, el estudios inevitable y el Genai bajo el término “IA”). Al igual que el explicación de software personalizado de los primeros días, las oportunidades de IA de hoy tienen el precio de los nuevos enfoques y la nueva disciplina. No puede simplemente meter un agrupación de científicos de datos en una oficina y cruzar los dedos para que todo funcione.
Muchas empresas lo han intentado. Han tropezado por la habitación oscura que es AI, golpeando sus espinillas y pisando picos porque … no sé por qué. ¿Hubris? ¿Ego? Un sexo por el dolor?
La IA recién acuñada de hoy, así como las empresas, como sus homólogos de software anteriores, tienen que acometer los asuntos operativos de esta nueva tecnología. Pero antaño de eso, AIAWS debe realizar el trabajo de preparación en torno a la logística: “¿Qué es Ai, ¿de verdad? ¿Qué puede hacer en genérico y qué puede hacer por nosotros en particular? ¿Cómo puede la incorporación de IA en nuestros productos dañarnos o nuestros clientes o partes no afiliadas que simplemente están en el circunscripción erróneo en el momento erróneo?
Replicar estas preguntas de nivel superior requiere alfabetización de IA, y eso comienza en la parte superior de la tabla de orgg. Un equipo de liderazgo que aprecia el envergadura completo de las capacidades y debilidades de la IA está preparado para tomar decisiones realistas y casos de uso significativos de superficie. Saben que involucran a los equipos legales, de relaciones públicas y de mandato de riesgos, temprano y con frecuencia, para lindar el número de sorpresas desagradables en el futuro.
Y hay muchas sorpresas para todos. La mayoría se deriva de la naturaleza probabilística de la IA: los modelos pueden exhibir un aumento repentino en los errores, ya sea porque han atrapado una extraña caja de cima interna o el mundo extranjero ha cambiado. Y eso es si incluso puedes hacer que trabajen en primer circunscripción. Al igual que una inversión financiera, la IA puede brindarle 10 veces el retorno o manducar su caudal o cualquier cosa intermedia. Puede influir en ese resultado, pero no puede controlarlo: ninguna cantidad de gritos, cajoling o sesiones de todas partes puede afectar a un maniquí a funcionar proporcionadamente.
Luego están los nuevos riesgos que la IA trae a la mesa. Los modelos inevitablemente estarán equivocados de vez en cuando; ¿Cómo manejas eso? ¿Con qué frecuencia pueden estar equivocadas antaño de encontrarse en agua caliente? ¿Tiene atrevimiento para usar esos datos de capacitación para este propósito comercial específico? ¿Se le permite trabajar ese maniquí en cada competencia donde interactúa con sus usuarios finales?
Espere que algunas de esas preguntas legales estén en flujo por un tiempo. Puede cobrar sentado en el ámbito corriente del arbitraje regulatorio, pero solo si está preparado para un pivote rápido cuando esos límites cambian. Y ese es solo el tribunal de razón. Igualmente te enfrentas al Tribunal de Opinión Pública. Las prácticas de IA que se consideran espeluznantes o invasivas pueden desencadenar una reacción pública. (Sugerencia: es posible que desee evitar el gratitud facial por ahora).
Notarás cuánto contorno he cubierto antaño de conversar de contratación. Tomar IA a una empresa significa que tiene nuevos roles para satisfacer (sabio de datos, ingeniero de ML), así como nuevos conocimientos para rellenar los roles existentes (productos, OPS). Las empresas que comienzan su alucinación de IA contratando a los científicos de datos se están saltando mucho trabajo de preparación, a su peligro.
Corriendo la cinta de lecciones para AIAWS, hay vigilancia. AI es un paisaje cambiante. No hay un enfoque viable de “Establecer y olvídalo”. Los roles, la logística y la ejecución requieren una revisión y ajuste periódicos.
Un punto débil resistente
Las AIAW que ejecutan tiendas de explicación de software fuertes están, contraintuitivamente, listos para estudiar estas lecciones de la guisa difícil.
Esa fuerza del software se duplica como su cariño de IA. Transmitido que el explicación de aplicaciones y la IA implican el código de escritura, sobreestiman la superposición entre los dos. Conocemos a Python. Todas estas cosas de IA es Python. ¿Qué tan difícil podría ser?
Estas empresas adoptan AI de la misma guisa que algunos desarrolladores se mueven a un nuevo jerigonza de programación: obstinarse a la mentalidad de lo antiguo. Su código puede sobrevenir al intérprete de Python, pero son todas las construcciones de Java. Python con sabor a Java es difícil de soportar y no aprovecha al mayor lo que Pythonic Python tiene para ofrecer.
Entonces, ¿qué es la IA con sabor a explicación de software? Es el CEO quien asume que, al usar una popular API LLM u otro producto de AI-As-Service (AIAA), no necesitarán ninguna experiencia de IA interna. Es el líder del producto quien anuncia características respaldadas por IA antaño de que los modelos se hayan demostrado. O retraso la consistencia de comportamiento del software una vez que los modelos estén en servicio. Es el CTO el que está tan muerto para que sus esfuerzos de IA se ajusten a ágiles que nunca buscan las mejores prácticas específicas de AI. Esta persona es el desarrollador principal, que cree que su maniquí está astuto para el horario culminante porque ha seguido el tutorial de TensorFlow.
En genérico, es la compañía la que avanza en la IA a reincorporación velocidad, impulsada por una autoconfianza que sobrepasa su horizonte de conocimiento. Esta arrogancia inyecta frustración innecesaria y exposición al peligro en sus esfuerzos de IA.
La parte divertida es que esta tripulación podría obtener un producto de IA por la puerta. Pero no se darán cuenta de la dura verdad: solo porque carreras no lo significa obras.
Al menos, no se darán cuenta hasta luego de que la aplicación habilitada para la AI interactúe con los clientes y impulse los procesos comerciales. Los problemas inevitables serán mucho más difíciles de acometer en ese momento.
El futuro es el pasado de nuevo
De hecho, dibujé la primera parte de este artículo hace varios abriles. En aquel entonces, se centró en las empresas que entran en software personalizado. Era inquietante encontrarse con el antiguo esquema y ver la misma historia jugando en el mundo de la IA de hoy.
Irónicamente, los AIAW que son mejores para crear software para estudiar más. Primero necesitan desaprender ciertas prácticas de software para construir soluciones de IA utilizando una mentalidad de IA. Pero una vez que estas empresas verdaderamente adoptan las mejores prácticas de la IA, igualmente están posicionadas para las mayores victorias. Ya entienden ideas como tiempo de actividad, implementación, control de versiones y monitoreo, que es todo lo que se requiere una vez que mueve el maniquí de I + D y en la producción.
El 8 de mayo, O’Reilly Media se alojará Codificación con AI: el final del explicación de software tal como lo conocemos—Na conferencia de tecnología potencial en vivo que destaca cómo la IA ya está sobrealimentando a los desarrolladores, impulsando la productividad y proporcionando valía vivo a sus organizaciones. Si está en las trincheras que edifican las prácticas de explicación del mañana hoy y está interesado en conversar en el evento, nos encantaría entender de usted antaño del 12 de marzo. Puede encontrar más información y nuestra indicación para presentaciones. aquí. ¿Solo quieres asistir? Regístrese gratuitamente aquí.