Tahap 1: diagnosis adegan dan peringkat nilai
Proyek ini harus mengidentifikasi target sektor, inti titik-titik nyeri, proses yang ada, sumber data, batas sistem dan indikator sukses sebelum start- up. Tidak semua skenario cocok untuk segera AI, dan FDE perlu membantu perusahaan layar tinggi frekuensi, nilai tinggi, bisa diverifikasi, dan skenario risiko terkendali.
Skenario prioritas umum termasuk kasus pengetahuan bisnis, dukungan layanan penumpang, pertanyaan penjualan dan jawaban, pengolahan kontrak / dokumen, klasifikasi lembar kerja, asisten analisis data dan otomatisasi proses internal.
Fase 2: validasi dan penilaian dampak
Fase prototipe harus divalidasi menggunakan sampel nyata, file nyata dan pemain bisnis yang sebenarnya. indikator tidak boleh dilihat hanya dalam aliran jawaban, tetapi juga dalam akurasi, kutipan, kecepatan respon, waktu manual tabungan dan tingkat adopsi oleh staf operasional.
Fase ini dapat dengan cepat menghapus ide-ide yang tidak cocok untuk tujuan operasi, dan juga dapat mengidentifikasi kesenjangan dalam dasar pengetahuan, hak istimewa, proses, dan antarmuka, sehingga mengurangi risiko untuk versi produksi.
- Indikator penerimaan yang terukur
- Validasi efek dengan data bisnis yang nyata
- Rekam kegagalan dan bentuk daftar iteratif
Tahap 3: Produksi tingkat pengembangan dan integrasi sistem
Aplikasi ini juga terhubung ke sistem seperti CRM, OA, ERP, layanan penumpang, lembar kerja, atau platform data.
Jika Agen mengalir dalam jalur kerja, juga memerlukan identifikasi pemicu untuk setiap langkah, poin dari identifikasi manual, ditarik dari kegagalan dan batas-batas tanggung jawab, dan menghindari kemampuan otomatisasi dari kendali operasional.
Tahap 4: operasi up- line dan optimisasi kontinyu
Pengiriman penuh harus termasuk kode aplikasi, paket penyebaran, berkas antar muka, aturan pemeliharaan kasus pengetahuan, petunjuk dan konfigurasi alur kerja, laporan tes, manual operasional, catatan pelatihan dan program-pengembangan.
Log masuk diikuti oleh pengamatan terus menerus dari penggunaan, kecepatan hit, kualitas rendah respon, transfer manual, perubahan dalam indikator bisnis dan umpan balik pengguna, dan optimasi periodik dari model konfigurasi, konten pengetahuan dan desain proses.
Outsourcing dari FDE proyek dari membaca temuan ke masukan projek
Masalah yang paling mungkin setelah membaca artikel metodologi adalah penerimaan prinsip, yang tidak diterjemahkan ke langkah berikutnya. Diusulkan bahwa kepala operasi mengorganisir 60-90 menit minimal-lokakarya, memilih hanya satu proses nyata dan tidak bergegas untuk membahas platform penuh.
Langkah 1: Pembangunan status saat ini dan baseline contoh
Data dapat direkam selama satu sampai dua minggu berturut-turut, tetapi dengan referensi siklus sampel dan fluktuasi operasional.
Langkah 2: klarifikasi penutupan awal dan inaksi
Tahap pertama, dikombinasikan dengan Tahap II: Validasi Prototype dan Aksessi Impression, menulis fase pertama dari masukan, pemrosesan, keluaran, penggunaan peran dan kondisi penyelesaian. Tahap pertama bertujuan untuk menjaga rantai berjalan dan beresonansi, daripada menumpuk semua sistem yang harus diakses, informasi yang perlu disediakan oleh klien, tinggi-risiko penting yang tidak dapat ditangani secara otomatis dan kondisi yang tergantung pada pihak ketiga.
Langkah 3: Cocokkan hasil teknis untuk rekayasa bukti
Proyek AI juga menyimpan versi penilaian, petunjuk atau proses konfigurasi, model dan sumber pengetahuan, catatan koreksi manual, dan keyakinan rendah, melangkahi dan gagal tes regresi. Jangan bergantung pada sebuah demonstrasi tunggal untuk menghasilkan jawaban yang benar. Demonstrasi pemasok harus didasarkan pada sampel dikonfirmasi oleh kedua belah pihak. Data produksi yang tidak tersedia secara terbuka dapat dissensitisasi tetapi tidak dapat digantikan oleh data pengujian yang teridolkan.
Langkah 4: Menerima, inspeksi dan disking dengan kaliber yang sama
Dengan asumsi bahwa proses asli menangani 600 tugas per bulan, rata-rata 20 menit dan tingkat pengembalian 10 persen, target dapat dinyatakan sebagai "enam minggu setelah awal baris, dengan rata-rata pengurangan 25 persen dalam kompleksitas tugas, dan tingkat pengembalian tidak lebih tinggi dari baseline asli". Set hanya menunjukkan metode pengukuran dan tidak mewakili hasil klien apapun; indikator formal harus diidentifikasi oleh perusahaan pada sampel sendiri.
- Material operasional: flowchart, peran, misi sampel, isu saat ini dan data baseline
- Material teknis: inventaris sistem, antar muka, akses data, lingkungan penyebaran dan persyaratan keamanan
- Material projek: lingkup fase pertama, pengecualian, matriks kewajiban, tonggak dan mekanisme perubahan
- Menerima dan memeriksa bahan: uji set, catatan eksekusi, daftar kekurangan, petunjuk dan dokumen-dokumen handover
Ketika bahan-bahan ini diidentifikasi bersama-sama oleh kedua pihak operasional dan teknis, metode dalam artikel sebenarnya dimasukkan ke dalam proyek. Jika data kunci, otorisasi antar muka atau orang yang bertanggung jawab tidak berada di tempat, langkah selanjutnya logis biasanya adalah diagnosis terbatas atau PoC, daripada komitmen langsung untuk menyelesaikan jangka waktu kerja dan harga total.
Implikasi metodologi untuk aksi projek
- Aplikasi FDE AI proyek layar pertama skenario bernilai tinggi
- Validasi prototype menggunakan data real dan indikator jelas
- Akses produksi harus termasuk mekanisme otoritas, audit, pemantauan dan operasi kontinyu
Melanjutkan untuk mendamaikan masalah umum dalam keputusan projek-membuat
Bagaimana FDE bisa berbeda dengan pengembangan perangkat lunak AI yang umum?
FDE menekankan kerja keras insinyur dalam-dalam, bekerja dengan pengguna, data, model dan sistem yang ada untuk memajukan aplikasi. Pembangunan AI normal biasanya dimulai dengan persyaratan fungsional yang lebih jelas, fokus pada aplikasi dan antarmuka. FDE lebih cocok untuk proyek yang perlu diidentifikasi, diberikan kembali atau didorong ke seluruh sektor.
Lihat jawaban lengkapPemasapan, kutipan, dan penerimaan AIHaruskah aplikasi yang dikembangkan pertama menjadi PoC atau implementasi langsung dari sistem formal?
Ketika efek model, kualitas data atau kondisi sistem belum divalidasi, kisaran terbatas PoC harus dilakukan; jika jenis kemampuan yang sama divalidasi pada sampel yang nyata, jangkauan, standar antar-muka dan penerimaan stabil dan dapat diintegrasikan secara langsung ke proses produksi. PoC bukan sistem formal yang kurang cocok, tapi lebih tepatnya jawaban untuk kunci ketidakpastian.
Lihat jawaban lengkapperusahaan AI Efektivitas, Keselamatan dan Lanjutkan OperasiBagaimana AI proyek mengembangkan penerimaan dan indikator inspeksi?
Proyek AI tidak dapat menerima dan menerima "tampak baik" atau berkomitmen untuk akurasi 100% dari data. Indikatornya harus mencakup kedua hasil bisnis, efek model, kinerja sistem, hak akses keamanan dan batas-pundi-pundi-pundi tes harus diturunkan dari operasi nyata dan terstruktur menurut kesulitan dan risiko.
Lihat jawaban lengkapEnterprise AI Transport Organization and ImplementasiHaruskah departemen bisnis atau IT bertanggung jawab untuk transfer perusahaan AI?
Perbaikan lingkungan AI transportasi membutuhkan operasional dan tanggung jawab IT, tetapi dengan tanggung jawab yang berbeda. isu definisi bisnis, pengetahuan, sampel nyata dan hasil akhir, dan IT atau tim teknis bertanggung jawab untuk antarmuka data, hak identitas, arsitektur, keamanan, penyebaran dan transportasi. Manajemen bertanggung jawab untuk pengaturan prioritas, anggaran dan persimpangan - sectoral decisions - membuat.
Lihat jawaban lengkapPerlu analisis lebih lanjut dalam konteks negara saat ini perusahaan?
Kami memberikan saran teknis IT, konstruksi informasi perusahaan, Software Project Outlook, desain produk, pengiriman R & D dan layanan pengiriman sistem.