Преодоление разрыва, связанного с проблемами последней мили
1. Выделите свой стартап, решая проблемы последней мили и используя детализированные бенчмарки для оценки производительности ИИ
Я рад тому, как будут развиваться агенты реального времени на основе ИИ. Мы увидим мультимодальных агентов, которые будут включать визуальные и аудио-компоненты в свои взаимодействия. Например, вместо того чтобы вызывать сантехника для помощи с протекающей трубой, вы откроете приложение, покажете, где труба протекает, и агент в реальном времени проведёт вас через процесс её починки.
Сроки широкого внедрения агентов и ИИ в целом будут дольше, чем люди думают. Я говорю это по нескольким причинам:
- Нам, безусловно, нужно решить множество проблем последней мили, которые не очевидны, пока вы не погрузитесь глубоко в продакшн. Пользовательский опыт с ИИ всё ещё имеет некоторую шероховатость, которую нужно сгладить — например, перебивания и задержки в ответах, из-за которых вы понимаете, что разговариваете не с человеком.
- Я также считаю, что компаниям, использующим и внедряющим ИИ-технологии, придётся изменить то, как они их оценивают, чтобы получить ожидаемые результаты. Светлая сторона в том, что те же проблемы последней мили и трудности с оценкой ИИ-технологий дают стартапам возможность выделиться.
2. Решение проблем последней мили
Проблемы последней мили в ИИ — это, например, способность дополнять модели проприетарными или специфическими для предметной области знаниями, надёжно следовать инструкциям, а также обнаруживать, устранять или полностью избегать галлюцинаций. Я обнаружил, что эти проблемы часто уникальны для конкретной отрасли, сценария использования или даже клиента. У каждой проблемы также есть то, что я называю «нечётким порогом» — степень, до которой её нужно решить, чтобы она перестала быть барьером для внедрения ИИ.
В технологиях Voice AI, и особенно в голосовых агентах реального времени, одна из самых больших проблем последней мили, с которыми мы сталкиваемся, — это способность агента отличать голос человека, с которым он взаимодействует, от фоновых голосов из телевизора или других людей в комнате. Другая — способность распознавать редкие слова, такие как имя человека, название места или отраслевой или клиентский термин.
Если вы ИИ-стартап, вы можете обратить эти проблемы последней мили в свою пользу. Легко добавить ИИ во многие места ваших продуктов. Но чтобы создать дифференцированный опыт, я думаю, вам действительно нужно подходить к этому с чётким пониманием сценария использования, который вы пытаетесь решить, а затем глубоко разобраться в том, что людям на самом деле важно в этом сценарии. Это покажет вам, какие проблемы последней мили нужно преодолеть, чтобы сделать ваш продукт максимально хорошим.
Оценка ИИ с помощью правильных бенчмарков
Второй серьёзный барьер для внедрения ИИ — это оценка ИИ-технологий. Я вижу, как компании делают огромные инвестиции в ИИ на основе слишком общих метрик. Чтобы компании были уверены, что ИИ-технология, которую они разворачивают в продакшене, будет делать то, что они ожидают, им нужно оценивать её на основе более детальных и релевантных метрик.
Например, для ИИ распознавания речи основной метрикой бенчмарка является коэффициент ошибок в словах. Коэффициент ошибок в словах сравнивает расшифровку, сделанную человеком, с машинной расшифровкой, убирая всё форматирование для честного сравнения. Однако мы обнаружили, что для многих компаний или сценариев использования то, как пунктуация отображается в приложениях или как форматируются аббревиатуры, действительно важно. На самом деле, для конечных пользователей и разработчиков приложений распознавание таких вещей, как подряд идущие цифры, адреса электронной почты или редкие слова, может быть чуть ли не единственным, что их волнует.
Поэтому я бы посоветовал ИИ-стартапам помогать компаниям оценивать ваши ИИ-продукты на основе бенчмарк-метрик, которые действительно указывают на успех для их конкретного использования. Чтобы выявить эти метрики, вам нужно понять, как компания будет использовать ИИ и в каких рабочих процессах. Чем ближе ваши бенчмарки к ожиданиям клиентов — которые часто связаны с проблемами последней мили — тем легче понять, когда ваш ИИ-продукт пересёк этот нечёткий порог успеха.
Это захватывающее время для тех из нас, кто работает с ИИ, и хотя нам нужно преодолеть некоторые барьеры, прежде чем ИИ будет широко внедрён, это произойдёт. Я думаю, для стартапов здесь много возможностей — решите проблемы последней мили в своём приложении, и вы сможете захватить этот рынок.
Прочитайте полный отчёт Google Cloud Future of AI: Perspectives for Startups here.
