Всем привет.
Если говорить о создании ИИ-продукта, то это гораздо больше, чем просто машинное обучение. Работая над разработкой модели машинного обучения для высокотехнологичной компании, я многому научился, кроме машинного обучения, которым я собираюсь поделиться здесь.
Ценность продукта:
Можно с уверенностью сказать, что достижение 95-процентной точности модели с использованием производственных данных (в которых много шума) является большим достижением. Но если вы хотите сделать его продаваемым продуктом и увеличить прибыль вашей компании, вы должны преимущественно удовлетворить сегментацию клиентов. Чтобы получить идеализированное состояние в качестве продукта, решение прошло множество экспертных анализов, чтобы оценить его текущий потенциал и преобразовать его в передовой ценный продукт.
Точка зрения клиента:
В современном мире большинство конвейеров AI ML автоматизированы и развернуты в облаке, поэтому очень важно предоставить лучшее решение в соответствии с требованиями клиента. Иногда это не было бы простым решением, которое могло бы удовлетворить все требования, вам, возможно, пришлось бы работать над созданием совершенно другого решения, чтобы просто удовлетворить потребности вашего клиента. В конце концов, даже если вы достигли 99% точности модели, если компания не видит в ней ценности или если клиент отказался от сделки, не расстраивайтесь. По крайней мере, вы узнали о реальных сделках с продуктами, происходящих вокруг.
От менеджера по продукту:
Работая менеджером по продукту в реальной жизни с 20-летним опытом работы в отрасли, я многому научился в процессе создания моделей машинного обучения для развертывания на производственном уровне. Он всегда просит нас работать и смотреть через точку зрения клиента на то, в чем мы прогрессируем. Нравится.
- Обновление для использования модели ML. Могу ли я повысить ценность текущего рабочего процесса?
- Автоматизируя этот шаг с помощью машинного обучения, насколько мы можем уменьшить ручную работу?
- Какой доход я могу добавить компании, если ее можно продавать как продукт?
- Какова может быть его ценность по сравнению с другими конкурентами?
- Какова осуществимость и возможность принятия решения как Продукта?
и т. д. список можно продолжить.
В конечном счете, мы можем оправдать мало ожиданий, а можем и нет. Но всегда есть огромная кривая обучения, по которой мы продвигаемся, чтобы сделать наш продукт масштабируемым и продаваемым.
Продолжайте изучать ИИ…..
Примечание.
Приведенный выше контент полностью основан на моем опыте работы за последние 1,5 года. Моя работа и взгляды могут отличаться от компании к компании. Не принимайте факты и предположения как должное.
