احمدرضا صمدی / صفحه اصلیجستار · ساختن و اداره کردن
هوش مصنوعی می‌سازم و کسب‌وکاری را اداره می‌کنم که باید با آن کنار بیاید
دو کار دارم که از دو سوی مخالف به هوش مصنوعی نگاه می‌کنند. در Appraiva آن را می‌سازم. در Royal Abraj Group (گروه رویال ابراج) در دبی، کسب‌وکاری را اداره می‌کنم که باید با پیامدهای آن کنار بیاید. هر کدام از این دو کار، دیگری را صادق نگه می‌دارد.
نگاه سازنده: مدل بخش کوچک‌تر کار است
در Appraiva، شرکتی آمریکایی در کلیولند، اوهایو، هم‌بنیان‌گذار و مدیر فنی هستم و از دبی به‌صورت دورکاری کار می‌کنم. ما ابزارهای هوش مصنوعی می‌سازیم که با تحلیل تصاویر و داده‌های غنی‌شده املاک، به سرمایه‌گذاران و توسعه‌دهندگان املاک کمک می‌کنند ملک‌های مشکل‌دار و خارج از بازار را پیدا کنند.
ساختن به من یاد داد که مدل بخش کوچک‌تر محصول است. یک تصویر ممکن است نشان دهد سقفی فرسوده است. اما پیش از آنکه این مشاهده به کار کسی بیاید، باید به ملک درست وصل شود، کنار سوابق تاریخ‌دار قرار بگیرد و جایی نمایش داده شود که یک نفر بتواند تصمیم بگیرد بعد از آن چه چیزی را بررسی کند. بیشتر کار مهندسی در همین پیوندهاست، نه در خود مدل.
پس پرسش سازنده پرسشی عملی است: آدم پیش از آنکه بتواند بر اساس خروجی مدل اقدام کند، چه چیزهایی باید کنار آن داشته باشد؟
نگاه اداره‌کننده: هر پاسخ سرانجام به کسی می‌رسد
در Royal Abraj Group هم‌بنیان‌گذار و مدیرعامل هستم. این گروه در کارگزاری املاک و خدمات انجام امور اسناد فعالیت می‌کند و من راهبرد دیجیتال و فناوری آن را هدایت می‌کنم: وب‌سایت‌ها، گردش‌کارهای CRM، ابزارهای مشتریان و عملیات داخلی.
اینجا من مشتری هوش مصنوعی هستم، نه فروشنده آن. پاسخ اشتباه گزارش باگ نیست؛ اول گریبان یک مشتری را می‌گیرد و بعد گریبان تیم ما را. همین، معنای «به‌قدر کافی خوب» را عوض می‌کند. یک دمو می‌تواند چشمگیر باشد و باز هم برای کسب‌وکاری که باید پشت تک‌تک پاسخ‌هایش بایستد، نادرست باشد.
وقتی RAIA را به اپ مشتریان‌مان اضافه کردیم، یعنی دستیار هوش مصنوعی‌ای برای مشتریان دعوت‌شده، دور آن سه دیوار کشیدیم:
- اول سوابق، بعد استدلال. وقتی پرسشی پاسخ مشخصی دارد، نرم‌افزارِ آزموده‌شده به آن پاسخ می‌دهد. مدل زبانی فقط در مواردی کمک می‌کند که نرم‌افزار نمی‌تواند جایشان را مشخص کند.
- کلید دست مدل نیست. مدل نمی‌تواند هیچ سابقه‌ای را تغییر دهد و هیچ‌وقت اطلاعات خصوصی مشتری را دریافت نمی‌کند. خود اپ این اطلاعات را برای مشتریِ واردشده به حساب می‌خواند و پاسخ را خودش می‌سازد.
- تصمیم با انسان است. RAIA درباره واجد شرایط بودن قضاوت نمی‌کند، وعده تأیید نمی‌دهد و قیمت اعلام نمی‌کند. وقتی پاسخی به قضاوت نیاز دارد، مشتری را به تیم ارجاع می‌دهد.
یک درس را از محدودیت‌ها گرفتیم، نه از مدل‌ها: فراخوانی‌های پولی مدل را بشمارید، نه گفت‌وگو را. بیشتر پاسخ‌ها اصلاً به مدل نمی‌رسند، پس سقف گذاشتن برای هر پیام فقط جلوی مشتریان را می‌گیرد، بی‌آنکه چیزی صرفه‌جویی شود.
RAIA از یک مدل زبانی میزبانی‌شده استفاده می‌کند؛ دستیار و گردش‌کارهایش را Royal Abraj ساخته است. اینجا انتخاب‌های طراحی را شرح می‌دهم، نه میزان استفاده، دقت یا نتایج تجاری را. مطالعه موردی Royal Abraj همین روایت را دارد.
جایی که دو سو به هم می‌رسند: سه پرسش
ساختن و اداره کردن، هر دو، مرا پیش از انتخاب مدل به همین سه پرسش می‌رسانند:
- این قرار است کدام تصمیم را بهتر کند؟ «استفاده از هوش مصنوعی برای خدمات مشتریان» تصمیم نیست. «کمک به مشتری تا قدم بعدیِ درخواست خودش را ببیند» تصمیم است.
- کجا باید یک نفر بررسی کند؟ هر چیزی که سابقه‌ای را تغییر می‌دهد، درباره واجد شرایط بودن قضاوت می‌کند، قیمت اعلام می‌کند یا پولی را متعهد می‌کند، به فردی مشخص و مسیری پیدا برای رسیدن به او نیاز دارد.
- یک نتیجه پذیرفته‌شده واقعاً چقدر هزینه دارد؟ بازبینی‌ها، تلاش‌های دوباره، پاسخ‌هایی که مردم رد می‌کنند و محدودیت‌هایی را که می‌گذارید بشمارید، نه فقط قیمت یک فراخوانی مدل. اسم این را می‌گذارم هزینه هر نتیجه پذیرفته‌شده.
سازنده‌ای که در من است می‌خواهد مدل کار بیشتری بکند. اداره‌کننده‌ای که در من است می‌پرسد وقتی مدل اشتباه کرد، چه کسی جوابگوست. محصول مفید معمولاً جایی است که هر دو راضی باشند. نوشته از تصمیم شروع کنید، سپس هوش مصنوعی را بسازید پرسش اول را با جزئیات بررسی می‌کند.
آنچه به یک صاحب کسب‌وکار دیگر می‌گویم
- کوچک‌تر از دمو شروع کنید. یک تصمیم، یک جا، گروهی کوچک از کاربرانی که می‌دانند این چیز تازه است.
- بگذارید نرم‌افزار معمولی به پرسش‌هایی پاسخ دهد که جواب مشخصی دارند. ارزان‌تر است، می‌شود آزمودش و بداهه‌گویی نمی‌کند.
- کلیدها را از دسترس مدل دور نگه دارید. خواندن و پیشنهاد دادن یک ریسک است؛ تغییر دادن سوابق ریسکی دیگر.
- از پیش تعیین کنید چه کسی بررسی می‌کند، و راه رسیدن به آن فرد را برای مشتری آشکار کنید.
- آنچه را پذیرفته شده بسنجید، نه آنچه را تولید شده.
هوش مصنوعی جایی ارزشش را دارد که راه رسیدن به تصمیمی را کوتاه کند که صاحبش هنوز یک انسان است. و باید جایی بایستد که پاسخ اشتباه به تعهد تبدیل می‌شود.
چرا درباره‌اش می‌نویسم
بیشتر نوشته‌ها درباره هوش مصنوعی از کسانی است که آن را می‌فروشند یا مطالعه‌اش می‌کنند. من از جایی می‌نویسم که هوش مصنوعی ساخته می‌شود و بعد باید درون یک کسب‌وکار واقعی کار کند، با مشتریان واقعی و تیمی که پاسخگوی آن است. این همان پرسشی است که در a-samadi.com مدام به آن برمی‌گردم: هوش مصنوعی کجا جایش را در کسب‌وکار به دست می‌آورد، و کجا باید متوقف شود؟
بیشتر: مطالعه موردی Appraiva · مطالعه موردی Royal Abraj Group · هوش مصنوعی و سیستم‌های کسب‌وکار: درس‌هایی از دبی