Развертывание успешной стратегии искусственного интеллекта // Часть 5: Управление
Как и в любой компании, определенная доля бюрократии неизбежна и необходима. Проекты ИИ не освобождаются от этого.
Следовательно, необходимо, чтобы базовая «операционная модель» для продуктов или услуг ИИ также была определена в этой области.
В традиционной корпоративной практике ИТ-подразделений зарекомендовали себя на этот счет три разных сценария:
- Центральная организация: вся организация AI/ML централизованно привязана к компании и работает между подразделениями для отдельных отделов. Здесь может быть достигнута наилучшая экономия за счет масштаба, но может пострадать индивидуальность отдельных проектов или своевременность предоставления определенных услуг.
- Децентрализованная организация. В этом сценарии индивидуальные решения реализовать проще, чем в централизованной организации. В целом, в этой настройке больше знаний о предметной области, чем в центральной организации. Кроме того, децентрализованные команды «ближе к бизнесу», что означает более быстрое реагирование или предоставление функций и услуг. С другой стороны, существует риск избыточных функций в отдельных командах, что может привести к значительному снижению эффекта масштаба с точки зрения бизнеса.
- Гибридная организация. Гибридная модель предусматривает централизованное предоставление изолированных услуг, но основу следует предоставлять из центрального места. Например, компания может предлагать кластеры Hadoop/Spark и предварительную обработку данных централизованно, в то время как фактическая разработка модели происходит децентрализованно в отдельных командах.
Как это часто бывает, здесь нет правильной или неправильной установки. В зависимости от компании и ее ИТ-стратегии, отрасли и связанных с ней требований могут подойти все операционные модели. Важно заранее прояснить, какую операционную модель лучше внедрить в собственной компании. Технологические компании, вероятно, захотят (и должны) быть «ближе к технологиям», в то время как FMCG или финансовая отрасль, как правило, более не склонна к технологиям и предпочитает как можно более широкое и общее покрытие.
Второй момент — предоставление услуг ИИ в производстве. К этой теме до сих пор относятся сравнительно по-мачехски, и слишком часто ею пренебрегают. Однако необходимо создать плавный и плавный переход от проекта к производству, особенно с точки зрения хорошего клиентского опыта. Ключ к успеху здесь: Полная ответственность! Вам понадобится «смотритель», который имеет право принимать решения и несет ответственность за обслуживание от концепции до продуктивного развертывания. Дайте ему свободу, в которой он нуждается, с точки зрения клиентского опыта. Так часто бывает в жизни: доза делает яд. Управляйте своими юнитами столько, сколько необходимо, но и как можно меньше.
Ваша команда и ваши клиенты будут вам благодарны.
Ключевые выводы
- Какова текущая «операционная модель ИТ» на предприятии и как может выглядеть соответствующая организация ИИ?
- Как должен выглядеть процесс E2E, который запускает проекты ИИ в производство?
- Эмпирическое правило управления: как можно больше, как можно меньше!
Хотите узнать больше? Вернуться к обзору
