Как оценить эффективность AI продукта до внедрения
В 2024 году исследование NTT DATA показало, что от 70% до 85% проектов по внедрению генеративного ИИ не достигают ожидаемой окупаемости инвестиций.
Причины: отсутствие чёткой бизнес-стратегии, недостаток качественных данных для обучения моделей, слабое управление изменениями в организационной культуре и процессах, переоценка возможностей технологий.
Мне иногда кажется, что AI решения покупают как капусту на рынке:подешевле или покрасивее ))
Вопрос окупаемости я обсуждаю на первых встречах, параллельно с техзаданием.
Это игра на стороне клиента, т.к. у меня нет доступа ко внутренним процессам и я не знаю картину изнутри. Но могу предложить решения и помошь в подготовке и оценке проекта прежде чем будут вложены большие деньги.
Такая подготовка может существенно изменить выбранную архитектуру решений.
Она потребует рассчитать экономику проекта по шагам, не только стоимость разработки, которую обычно оценивают по субъективному ощущению “дорого-дешево”.
Управляемое внедрение поможет сделать часть неизбежных ошибок обратимыми, а успех масштабируемым.
Разумеется, человек может накосячить так, что не разгребешь - люди существа талантливые ))
Особенно когда это касается закладываемых в фундамент проекта метрик, рисков, ответственности.
Поэтому я подготовила документ, который поможет сориентироваться, куда смотреть, что считать
Это не истина в последней инстанции и для конкретных проектов могут потребоваться и другие подходы. Но это первый шаг для изучения темы.
Пишите, если хотите обсудить свой проект.