В обычной разработке неопределенность живет между шагами, а в продукте на основе ИИ она появляется внутри шага «сделали»: одни и те же требования могут дать разный результат. Поэтому дело не в выборе модели, а в том, насколько верно определено, что вообще стоит решать с помощью ИИ. Разберем на кейсе «АссистАгро», как собирать такой продукт по слоям ценности и какие процессы придется перестроить.
Большинство команд, которые берутся за ИИ-продукт, не доводят его до результата. Одни добавляют ИИ туда, где он не создает ценности, — потому что выбрали технологию раньше, чем разобрались в проблеме. У других рабочее решение оказывается сложнее прототипа: демоверсия собирается быстро и выглядит убедительно, а между ним и готовым продуктом — пропасть в инженерии, деньгах и времени. Третьи не готовы к тому, что с ИИ привычные процессы перестают работать.
Мы привыкли работать циклами: спланировали, сделали, оценили. Неопределенность жила между шагами, а сам шаг «сделали» был предсказуем — написал требования разработке и получил ровно это. С ИИ так не выходит: неопределенность появляется внутри шага «сделали», и одни и те же требования могут дать разный результат. Поэтому в ИИ-продукте дело не в выборе модели. Важнее верно определить, что вообще стоит решать с помощью ИИ и какую ценность создать. И то, насколько команда готова адаптировать под эту неопределенность свои процессы.
В докладе — о том, как принять это решение и перестроить работу команды, чтобы дойти до результата. Все на кейсе «АссистАгро», где в продукте есть компьютерное зрение на снимках с дронов, рекомендательная система, агентные сценарии на основе языковой модели и автоматизация внутренних процессов.
Разберем:
После доклада вы сможете:
Доклад будет полезен:
