أهم ما استخلصته من @Aish_Reganti و@KiritiBadam حول بناء منتجات ناجحة للأعمال الذكاء الاصطناعي: 1. تختلف منتجات الذكاء الاصطناعي عن البرمجيات التقليدية في طريقتين أساسيتين: فهي غير حتمية، وتحتاج باستمرار إلى الموازنة بين الوكالة والسيطرة. عمليات تطوير المنتجات التقليدية تنهار عندما يعطي منتجك إجابات مختلفة لنفس المدخلات ويمكنه القيام بالأمور بنفسه. 2. مقايضة الوكالة مقابل السيطرة هي القرار التصميمي الأساسي في كل منتج الذكاء الاصطناعي. آيش وكيريتي يصوران هذا كطيف: من جهة، يعمل الذكاء الاصطناعي بشكل مستقل مع الحد الأدنى من الحواجز؛ ومن جهة أخرى، النظام مقيد بشدة بقواعد صريحة وبوابات إنسان في الحلقة. معظم منتجات الذكاء الاصطناعي المؤسسية الناجحة تقع في مكان ما في الوسط، حيث تعدل التحكم ديناميكيا بناء على درجات الثقة والسياق والمخاطر. 3. معظم إخفاقات منتجات الذكاء الاصطناعي تأتي من أخطاء التنفيذ، وليس من قيود النماذج. يرى آيش وكيريتي أن الفرق تلوم نموذج اللغة الكبير الأساسي بينما المشكلة الحقيقية هي عدم وضوح نطاق المنتج، أو فقدان الحواجز، أو ضعف انضمامهم للمستخدمين. النموذج الذي يهلوس بنسبة 5٪ من الوقت يمكنه تشغيل منتج رائع إذا صممت تجربة المستخدم ليظهر درجات الثقة، ويسمح للمستخدمين بالتحقق من المخرجات، وتقييد المهمة. الرؤية القابلة للتنفيذ: قبل أن تطلب نموذجا أفضل، قم بتدقيق تصميم منتجك، وتغطية التقييم، وتدفقات المستخدمين. الانضباط التنفيذي يتفوق على أداء النماذج في معظم الحالات. 4. يجب أن يحل منتجك الذكاء الاصطناعي V1 مشكلة ضيقة وعالية القيمة مع حواجز محكمة. تفشل الفرق عندما تحاول بناء مساعد أو وكيل عام من المحاولة الأولى. اختر سير عمل واحد، أو أتمتة مهمة متكررة واحدة، أو أجب على فئة واحدة من الأسئلة بشكل جيد جدا. النطاق الضيق يتيح لك جمع ملاحظات مركزة، وضبط النموذج بشكل أسرع، وإثبات القيمة قبل التوسع. الاتساع يأتي لاحقا، بعد أن تثبت الحلقة الأساسية. 5. الملاحظة والسجل أكثر أهمية لمنتجات الذكاء الاصطناعي مقارنة بالبرمجيات التقليدية، لأن سلوك الذكاء الاصطناعي غير حتمي ويصعب تصحيحه. يجب عليك تسجيل ليس فقط الأخطاء بل أيضا درجات الثقة بالنماذج، وخصائص الإدخال، وتصحيحات المستخدم، ومقاييس التأخير. عندما يحدث خطأ في الإنتاج، تكون هذه السجلات هي الطريقة الوحيدة لإعادة بناء ما رآه النموذج ولماذا اتخذ قرارا معينا. استثمر في بنية تحتية لقطع الأشجار مبكرا، قبل أن تواجه أزمة. 6. التقييمات ضرورية لكنها غير كافية. تساعدك التقييمات على قياس أداء النماذج في حالات اختبار معروفة، لكنها لا تلتقط تجربة المنتج كاملة، أو الحالات الإضافية في الإنتاج، أو رضا المستخدم. الفرق التي تعتمد فقط على التقييمات تشحن منتجات تحقق نتائج جيدة في الاختبارات لكنها تفشل في الواقع. اجمع بين التقييمات والمراقبة المستمرة، وحلقات تغذية راجعة المستخدم، وأدوات الملاحظة لاكتشاف ما يفوته الاختبارات الآلية. 7. "المعايرة المستمرة" تحل محل دورات تطوير المنتج التقليدية التكرارية. نظرا لأن نماذج الذكاء الاصطناعي تتقلب وتوقعات المستخدمين تتغير، يجب على الفرق قياس الأداء الحقيقي باستمرار وضبط التوجيهات، والحواجز، أو نسخ النماذج. يوصي آيش وكيريتي بتجهيز منتجك لالتقاط ملاحظات المستخدمين ومخرجات النماذج منذ اليوم الأول، ثم مراجعة تلك البيانات أسبوعيا. بدون معايرة مستمرة، سيتدهور منتجك الذكاء الاصطناعي بصمت، وسيتغير المستخدمون قبل أن تلاحظ. 8. النشر المستمر للذكاء الذكاء الاصطناعي يعني شحن تحديثات النماذج والتغييرات السريعة ككود وليس تدخلات يدوية. البرمجيات التقليدية تنشر الكود؛ تقوم منتجات الذكاء الاصطناعي بنشر الكود بالإضافة إلى أوزان النماذج، والمحفزات، ومنطق الاسترجاع. يدعو آيش وكيريتي إلى التعامل مع المحفزات وتكوينات النماذج كعناصر معدلة في خط أنابيب CI/CD الخاص بك، مع اختبارات الانحدار التلقائية عبر التقييمات. هذا يمنع النمط المضاد الشائع لتعديل مديري المشاريع في التعليمات في واجهة المستخدم وكسر الإنتاج. الجانب الإيجابي: يمكنك تحسين سلوك النماذج بأمان والتراجع عن التغييرات السيئة فورا. 9. تفشل منتجات الذكاء الاصطناعي لأن الفرق تقلل من أهمية جودة البيانات. يرى آيش وكيريتي أن الفرق تسرع في ضبط النماذج أو إضافة ميزات دون تدقيق ما إذا كانت بيانات التدريب والتقييم تعكس الاستخدام الحقيقي فعلا. دخول القمامة ينطبق بشكل مضاعف على الذكاء الاصطناعي: إذا كانت بياناتك قديمة أو منحازة أو غير متوافقة مع احتياجات المستخدم، فلن ينقذك أي قدر من هندسة الأوامر أو تعديل النماذج. ابدأ بترتيب مزرعة البيانات الخاصة بك.