Преодолейте разрыв проблем «последней мили»

1. Выделяйте свой стартап за счет решения проблем «последней мили» и использования детализированных тестов производительности ИИ

Я с энтузиазмом жду развития концепции ИИ-агентов, работающих в режиме реального времени. Мы увидим мультимодальных агентов, чье взаимодействие будет включать визуальные и аудиоэлементы. Например, вместо того чтобы вызывать сантехника из-за протекающей трубы, вы откроете приложение, покажете, где течет труба, и агент в реальном времени подскажет вам, как устранить неполадку.

Сроки массового внедрения агентов и ИИ в целом будут более долгими, чем люди думают. Я говорю это по нескольким причинам:

Нам явно предстоит решить множество проблем «последней мили», которые не очевидны, пока вы не погрузитесь в продакшен. Пользовательский интерфейс ИИ все еще имеет шероховатости, которые необходимо сгладить — такие вещи, как прерывания и задержки в ответах, из-за которых вы понимаете, что разговариваете не с человеком.

Я также считаю, что компаниям, использующим и внедряющим ИИ-технологии, придется изменить подход к их оценке, чтобы получать ожидаемые результаты. Позитивная сторона заключается в том, что эти же проблемы «последней мили» и трудности с оценкой ИИ-технологий предоставляют стартапам шанс выделиться на фоне остальных.

2. Решение проблем «последней мили»

Проблемы «последней мили» в ИИ — это такие аспекты, как способность дополнять модели проприетарными или предметно-ориентированными знаниями, надежно следовать инструкциям, а также обнаруживать, удалять галлюцинации или полностью избегать их. Я заметил, что эти проблемы часто уникальны для определенной отрасли, варианта использования или даже клиента. Каждая проблема также имеет то, что я называю «размытым порогом» — степень ее решения, при которой она перестает быть препятствием для внедрения ИИ.

В технологиях голосового ИИ, и особенно в голосовых агентах реального времени, одна из крупнейших проблем «последней мили», с которой мы сталкиваемся, — это способность агента отличать голос человека, с которым он взаимодействует, от фоновых голосов из телевизора или других людей в комнате. Другая проблема — способность распознавать редкие слова, такие как чье-то имя, место, отраслевой или специфичный для клиента термин.

Если вы — ИИ-стартап, вы можете использовать эти проблемы «последней мили» в своих интересах. Легко внедрить ИИ во многие места ваших продуктов. Но чтобы создать уникальный опыт, я думаю, вам нужно подойти к этому с четким пониманием того варианта использования, который вы пытаетесь решить, а затем глубоко погрузиться, чтобы понять, что действительно важно для людей в этом сценарии. Это покажет вам, какие проблемы «последней мили» нужно преодолеть, чтобы сделать ваш продукт наилучшим.

Оценка ИИ с помощью правильных тестов

Второй серьезный барьер на пути внедрения ИИ — это оценка ИИ-технологий. Я вижу, как компании делают огромные инвестиции в ИИ на основе слишком общих метрик. Чтобы компании были уверены в том, что развертываемая ими в продакшене ИИ-технология будет работать так, как ожидается, им необходимо оценивать ее на основе более детальных и релевантных метрик.

Например, в речевом ИИ (speech-to-text) основным показателем тестирования является частота ошибок в словах (WER). WER сравнивает человеческую стенограмму с машинной, удаляя все форматирование для корректного сравнения. Тем не менее, мы обнаружили, что для многих бизнесов или сценариев использования то, как пунктуация отображается в приложениях или как форматируются аббревиатуры, имеет действительно важное значение. Фактически, для конечных пользователей и разработчиков приложений распознавание таких вещей, как последовательные цифры, адреса электронной почты или редкие слова, может оказаться чуть ли не единственным, что их заботит.

Поэтому я бы посоветовал ИИ-стартапам помогать компаниям оценивать ваши ИИ-продукты на основе тестовых метрик, которые действительно указывают на успех в их конкретном случае использования. Чтобы выявить эти метрики, вам нужно понять, как компания будет использовать ИИ и для каких рабочих процессов. Чем ближе ваши тесты к ожиданиям клиентов (которые часто связаны с проблемами «последней мили»), тем легче понять, когда ваш ИИ-продукт пересек этот размытый порог успеха.

Это захватывающее время для тех из нас, кто работает с ИИ, и хотя нам нужно преодолеть некоторые барьеры до массового внедрения ИИ, это произойдет. Я думаю, что для стартапов открывается множество возможностей: решите эти проблемы «последней мили» в своем приложении, и вы сможете занять этот рынок.

Ознакомьтесь с полным отчетом Google Cloud «Будущее ИИ: перспективы для стартапов» здесь.