Πότε να προσθέσετε λειτουργίες AI στην εφαρμογή σας — και πότε όχι

Αυτή τη στιγμή υπάρχει μια υπόγεια πίεση σε κάθε ιδιοκτήτη προϊόντος να βιδώσει AI σε ό,τι κι αν φτιάχνει. Οι επενδυτές ρωτούν γι' αυτό. Οι ανταγωνιστές το βάζουν στους τίτλους τους. Ένα μέλος του διοικητικού συμβουλίου προωθεί ένα άρθρο. Κι έτσι μια απολύτως καλή εφαρμογή φυτρώνει ένα μικρό λαμπερό εικονίδιο κι ένα πλαίσιο συνομιλίας που κανείς δεν ζήτησε και σχεδόν κανείς δεν χρησιμοποιεί. Η λειτουργία βγαίνει, το δελτίο τύπου κυκλοφορεί, και έξι μήνες αργότερα τα γραφήματα χρήσης είναι επίπεδα. Το ερώτημα δεν ήταν ποτέ αν <em>μπορούσατε</em> να προσθέσετε AI. Ήταν αν θα έπρεπε.

Φτιάχνω λογισμικό και λειτουργίες AI για μικρές και μεσαίες επιχειρήσεις για βιοπορισμό, που σημαίνει ότι έχω οικονομικό κίνητρο να σας πω να προσθέσετε AI παντού. Θα κάνω το αντίθετο. Το πιο πολύτιμο που μπορώ να προσφέρω είναι ένας τρόπος να καταλάβετε — πριν δεσμεύσετε προϋπολογισμό — αν μια λειτουργία AI θα κουβαλά αθόρυβα το βάρος της ή θα σαπίζει αθόρυβα. Γιατί ο τρόπος αποτυχίας εδώ δεν είναι δραματικός. Οι λειτουργίες AI σπάνια εκρήγνυνται. Απλώς κάθονται εκεί, αχρησιμοποίητες κι αγαπημένες από κανέναν, κοστίζοντάς σας χρήματα σε κάθε κλήση API και λίγη αξιοπιστία κάθε φορά που ένας χρήστης τις τσιγκλάει και φεύγει.

Αυτός ο οδηγός είναι το πλαίσιο που πραγματικά χρησιμοποιώ σε αυτές τις συζητήσεις. Χωρίς ξύλινη γλώσσα, χωρίς ονόματα μοντέλων της μόδας, χωρίς να προσποιούμαστε ότι ένα γλωσσικό μοντέλο είναι η απάντηση σε μια ερώτηση που δεν έχετε καν θέσει ακόμα. Απλώς ένας πρακτικός τρόπος να αποφασίσετε τι ανήκει στην εφαρμογή σας, τι ανήκει στον απλό κώδικα και τι ανήκει στα σκουπίδια.

Γιατί οι περισσότερες βιδωμένες λειτουργίες AI αποτυγχάνουν αθόρυβα

Όταν μια λειτουργία AI αποτυγχάνει σε ένα μικρό προϊόν, σχεδόν ποτέ δεν αποτυγχάνει επειδή το μοντέλο δεν ήταν αρκετά έξυπνο. Αποτυγχάνει επειδή η λειτουργία επιλέχθηκε για λάθος λόγους. Κάποιος ήθελε να έχει AI, αντί να θέλει να λύσει ένα συγκεκριμένο, επώδυνο πρόβλημα που έτυχε να χρειάζεται AI. Η τεχνολογία ήταν ο στόχος, και το πρόβλημα του χρήστη ήταν δευτερεύουσα σκέψη. Οι χρήστες το μυρίζονται ακαριαία.

Η δεύτερη κοινή αποτυχία είναι πιο λεπτή: η λειτουργία λύνει ένα πραγματικό πρόβλημα, αλλά ένα πρόβλημα που ο απλός κώδικας θα μπορούσε να λύσει φθηνότερα και πιο αξιόπιστα. Ένα κουμπί με την ετικέτα «με τεχνητή νοημοσύνη» που απλώς ταξινομεί μια λίστα κατά ημερομηνία είναι βάρος, όχι λειτουργία. Πήρατε κάτι ντετερμινιστικό, το κάνατε πιο αργό, πιο ακριβό και περιστασιακά λάθος, και μετά διαφημίσατε την υποβάθμιση. Οι χρήστες το προσέχουν κι αυτό.

Η τρίτη αποτυχία είναι η εμπιστοσύνη. Οι λειτουργίες AI είναι πιθανοτικές — έχουν δίκιο τις περισσότερες φορές και άδικο με αυτοπεποίθηση κάποιες φορές. Αν την πετάξετε σε μια ροή εργασίας όπου μια λάθος απάντηση κοστίζει ακριβά και ο χρήστης δεν έχει τρόπο να την πιάσει, δεν προσθέσατε λειτουργία, προσθέσατε νάρκη. Τα καλά νέα είναι ότι και οι τρεις τρόποι αποτυχίας είναι προβλέψιμοι, που σημαίνει ότι αποφεύγονται. Απλώς πρέπει να κάνετε τις σωστές ερωτήσεις πριν ξεκινήσετε, όχι αφού κυκλοφορήσετε.

Το ειλικρινές τεστ: είναι αυτό όντως πρόβλημα για AI;

Ορίστε το πιο χρήσιμο φίλτρο που γνωρίζω. Για κάθε λειτουργία που μπαίνετε στον πειρασμό να κάνετε «έξυπνη», ρωτήστε: ακολουθεί αυτή η εργασία σταθερούς κανόνες, ή απαιτεί κατανόηση ακατάστατου, ανθρώπινου εισαγόμενου; Αν η εργασία ακολουθεί κανόνες — ταξινόμησε αυτό, υπολόγισε εκείνο, στείλε υπενθύμιση δύο ώρες πριν — θέλετε απλό κώδικα. Είναι φθηνότερος, ταχύτερος, πλήρως προβλέψιμος και δεν παραισθάνεται ποτέ. Το να το λέτε AI είναι απλώς ακριβό μάρκετινγκ.

Η AI κερδίζει τη θέση της εκεί όπου το εισαγόμενο είναι όντως ακατάστατο και ανθρώπινου σχήματος: ελεύθερο κείμενο που οι κανόνες δεν μπορούν να προβλέψουν, εικόνες, ομιλία, έγγραφα σε εκατό διαφορετικές διατάξεις, γλώσσα που πρέπει να κατανοηθεί παρά να αντιστοιχιστεί. Αυτά είναι τα πράγματα που παλιά ήταν αδύνατο να αυτοματοποιηθούν καθόλου. Αν η λειτουργία σας ζει εκεί, η AI δεν είναι κόλπο — είναι ο μόνος πρακτικός τρόπος να τη φτιάξετε. Η ικανότητα είναι να ξεχωρίζετε ειλικρινά τις δύο κατηγορίες, ειδικά όταν υπάρχει πίεση να ονομάζετε τα πάντα AI.

Πού ανήκει πραγματικά η AI σε μια εφαρμογή

Ας γίνουμε συγκεκριμένοι. Μετά από χρόνια κατασκευής τέτοιων, μια σύντομη λίστα μοτίβων συνεχίζει να αποδεικνύει την αξία της — όχι επειδή είναι της μόδας, αλλά επειδή η υποκείμενη εργασία αφορά όντως την κατανόηση μη δομημένου εισαγόμενου. Αυτές είναι οι λειτουργίες όπου οι χρήστες πραγματικά επιστρέφουν.

• Μετατροπή ελεύθερου κειμένου σε δομημένα δεδομένα — διάβασμα ενός μπερδεμένου email πελάτη και εξαγωγή της παραγγελίας, της διεύθυνσης, της προθεσμίας.
• Σύνταξη μιας πρώτης εκδοχής — μιας απάντησης, μιας περίληψης, μιας περιγραφής — που ένας άνθρωπος μετά επεξεργάζεται, αντί η AI να τη στέλνει χωρίς επίβλεψη.
• Αναζήτηση που κατανοεί το νόημα, όχι μόνο τις λέξεις-κλειδιά, ώστε οι χρήστες να βρίσκουν το σωστό έγγραφο ακόμη κι όταν το διατυπώνουν διαφορετικά από όπως το αρχειοθετήσατε.
• Κατηγοριοποίηση ή δρομολόγηση ενός χειμάρρου εισερχόμενων στοιχείων — αιτημάτων υποστήριξης, email, μεταφορτώσεων — ώστε το σωστό πράγμα να φτάνει στο σωστό μέρος.
• Εξαγωγή πληροφοριών από έγγραφα και εικόνες: τιμολόγια, αποδείξεις, φόρμες, φωτογραφίες από το πεδίο.
• Συνομιλιακή βοήθεια πάνω στα δικά σας δεδομένα, όπου ένας χρήστης κάνει μια απλή ερώτηση και παίρνει μια απάντηση θεμελιωμένη στο περιεχόμενό σας.

Προσέξτε το μοτίβο. Σε καθένα από αυτά, το εισαγόμενο είναι απρόβλεπτο και ανθρώπινο, και ένα μικρό περιθώριο λάθους είναι ανεκτό επειδή ένας άνθρωπος είναι στο κύκλωμα ή το κόστος ενός σφάλματος είναι χαμηλό. Αυτός ο συνδυασμός — ακατάστατο εισαγόμενο, ανεκτικά διακυβεύματα — είναι το φυσικό σπίτι μιας λειτουργίας AI. Όταν βρίσκετε μια εργασία που ταιριάζει και στα δύο μισά, πιθανότατα βρήκατε μια λειτουργία που αξίζει να χτιστεί.

Πού να αφήσετε την AI στην ησυχία της

Εξίσου σημαντικό είναι να ξέρετε πού να μην καταφεύγετε στην AI, γιατί η λάθος τοποθέτηση δεν σπαταλά απλώς χρήματα — διαβρώνει ενεργά την εμπιστοσύνη που έχει κερδίσει το προϊόν σας. Κάποιες εργασίες φαίνονται δελεαστικές και αποδεικνύονται παγίδες.

Υπάρχει κι ένα πιο σιωπηλό κόστος. Κάθε λειτουργία AI είναι κάτι που τώρα πρέπει να παρακολουθείτε, να αξιολογείτε και να πληρώνετε σε κάθε κλήση. Τρεις λειτουργίες AI που οι χρήστες σας εμπιστεύονται αξίζουν περισσότερο από δέκα που περιστασιακά σας ντροπιάζουν. Ένα μοντέλο που κάνει λάθος μπροστά σε έναν πελάτη τη λάθος στιγμή μπορεί να αναιρέσει έναν χρόνο προσεκτικά χτισμένης αξιοπιστίας. Η εγκράτεια εδώ δεν είναι δειλία — είναι αίσθηση προϊόντος.

Ένας γρήγορος χάρτης: φτιάξ' το, παράλειψέ το ή κάν' το αργότερα

Για να το κάνουμε λιγότερο αφηρημένο, ορίστε πώς μια χούφτα κοινές ιδέες τύπου «ας προσθέσουμε AI» τείνουν να βγαίνουν όταν τις περάσετε από το παραπάνω τεστ. Πάρτε το ως μια λογική προεπιλογή για να αντιπαρατεθείτε, όχι ως ευαγγέλιο.

Το σχήμα του πίνακα είναι το μάθημα. Τα «ναι» συγκεντρώνονται εκεί όπου το εισαγόμενο είναι ακατάστατο και τα διακυβεύματα ανεκτικά. Τα «όχι» συγκεντρώνονται εκεί όπου η εργασία είναι όντως βασισμένη σε κανόνες, ή όπου μια λάθος απάντηση πονάει και κανείς δεν ελέγχει. Αν μπορείτε να τοποθετήσετε ειλικρινά την ιδέα σας σε αυτό το πλέγμα, έχετε ήδη πάρει τη μεγαλύτερη απόφαση.

Χρονισμός: ακόμη και μια καλή λειτουργία AI μπορεί να προστεθεί πολύ νωρίς

Μερικές φορές η λειτουργία ταιριάζει όντως και η απάντηση παραμένει όχι ακόμη. Οι λειτουργίες AI έχουν μια ύπουλη προϋπόθεση που οι ιδρυτές υποτιμούν: είναι τόσο καλές όσο τα δεδομένα και η ροή εργασίας πάνω στην οποία κάθονται. Μια σημασιολογική αναζήτηση στα έγγραφά σας είναι θαυμάσια — μόλις τα έγγραφά σας είναι όντως οργανωμένα. Ένας βοηθός που απαντά ερωτήσεις για το προϊόν σας είναι λαμπρός — μόλις το περιεχόμενο του προϊόντος σας πάψει να είναι ένα αντιφατικό χάος. Η AI ενισχύει ό,τι κι αν είναι χτισμένη πάνω, συμπεριλαμβανομένου του χάους.

Έτσι, πριν προσθέσετε το έξυπνο στρώμα, βεβαιωθείτε ότι το βαρετό στρώμα από κάτω είναι στέρεο. Αν η βασική σας εφαρμογή ψάχνει ακόμη τα πατήματά της, το να ρίξετε χρόνο μηχανικής σε μια λειτουργία AI συνήθως δανείζεται από τον λάθος λογαριασμό. Η αγλάμουρη αλήθεια είναι ότι ο καλύτερος χρόνος για να προσθέσετε AI είναι συχνά αφού έχετε κατακτήσει τα θεμελιώδη — όταν έχετε πραγματικούς χρήστες, πραγματικά δεδομένα και έναν σαφή, επαναλαμβανόμενο πόνο που η AI είναι μοναδικά τοποθετημένη να αφαιρέσει.

Πώς να προσθέσετε μια λειτουργία AI χωρίς μετάνοιες

Έστω ότι βρήκατε μια λειτουργία που περνά το τεστ: ακατάστατο εισαγόμενο, ανεκτικά διακυβεύματα, στέρεο θεμέλιο από κάτω, ένας πραγματικός πόνος προς αφαίρεση. Ωραία. Τώρα έρχεται το κομμάτι όπου οι ομάδες είτε χτίζουν κάτι ανθεκτικό είτε κάτι που θα ξηλώσουν αθόρυβα του χρόνου. Αντιμετωπίστε το ως ένα προσεκτικό πείραμα, όχι ως κυκλοφορία.

1. 1
   Γράψτε τη δουλειά σε μία πρόταση

   «Ο βοηθός διαβάζει ένα εισερχόμενο email και συμπληρώνει τη φόρμα παραγγελίας, την οποία επιβεβαιώνει ένας άνθρωπος.» Αν δεν μπορείτε να γράψετε αυτή την πρόταση, η λειτουργία δεν είναι έτοιμη — είστε ακόμη ερωτευμένοι με την τεχνολογία, όχι με την εργασία.
2. 2
   Κρατήστε αρχικά έναν άνθρωπο στο κύκλωμα

   Αφήστε την AI να συντάσσει, να προτείνει ή να προσυμπληρώνει — και αφήστε έναν άνθρωπο να εγκρίνει. Θα μάθετε πού είναι αξιόπιστη και πού όχι πριν την εμπιστευτείτε ποτέ να δράσει μόνη της, αν ποτέ το κάνετε.
3. 3
   Αποφασίστε τι συμβαίνει όταν κάνει λάθος

   Οι πιθανοτικές λειτουργίες χρειάζονται μια ομαλή αποτυχία. Πώς το προσέχει ο χρήστης; Πώς το διορθώνει; Μια λειτουργία AI χωρίς ορατή διαδρομή «αναίρεσης» ή «αυτό δεν είναι σωστό» είναι μια λειτουργία που δεν μπορείτε να εμπιστευτείτε στην παραγωγή.
4. 4
   Μετρήστε τη χρήση, όχι τη νεωτερικότητα

   Παρακολουθήστε αν οι άνθρωποι την χρησιμοποιούν όντως μετά την πρώτη εβδομάδα, και αν εξοικονομεί τον χρόνο που υποσχεθήκατε. Μια λειτουργία που εκτοξεύεται στην κυκλοφορία και πέφτει επίπεδη μετά σας λέει κάτι. Ακούστε.
5. 5
   Να είστε πρόθυμοι να την αφαιρέσετε

   Αν οι αριθμοί λένε ότι δεν αποδίδει, κόψτε την. Ένα μικρότερο προϊόν που κάνει λίγα πράγματα αξιόπιστα νικάει ένα φουσκωμένο διανθισμένο με λειτουργίες AI που κανείς δεν αγγίζει.

Το νήμα που διατρέχει και τα πέντε βήματα είναι η ταπεινότητα απέναντι στο λάθος. Ο απλός κώδικας είτε δουλεύει είτε έχει ένα σφάλμα που διορθώνετε. Η AI έχει δίκιο τις περισσότερες φορές και άδικο κάποιες φορές, για πάντα — αυτή είναι η φύση της, όχι ένα ελάττωμα που μπαλώνετε. Σχεδιάστε τη λειτουργία γύρω από αυτή την πραγματικότητα και γίνεται περιουσιακό στοιχείο. Προσποιηθείτε ότι η AI έχει πάντα δίκιο και χτίσατε τη νάρκη για την οποία μιλήσαμε νωρίτερα.

Η ευρύτερη εικόνα: η AI είναι εργαλείο, όχι στρατηγική

Κάντε αρκετά βήματα πίσω και όλο το ερώτημα γίνεται απλούστερο. Η AI είναι ένα εργαλείο, όπως μια βάση δεδομένων ή μια μπάρα αναζήτησης είναι εργαλείο. Δεν χτίζετε ένα προϊόν γύρω από το να έχετε βάση δεδομένων· χρησιμοποιείτε μια βάση δεδομένων εκεί όπου κάνει το προϊόν καλύτερο. Η ίδια εγκράτεια σας εξυπηρετεί καλά εδώ. Οι εταιρείες που αντλούν πραγματική αξία από την AI δεν είναι αυτές που πρόσθεσαν την περισσότερη — είναι αυτές που την πρόσθεσαν ακριβώς στα λίγα σημεία όπου αφαιρεί πραγματική τριβή, και αντιστάθηκαν παντού αλλού.

Αυτή η εγκράτεια είναι επίσης, παρεμπιπτόντως, αυτό που κάνει την AI που όντως προσθέτετε να φαίνεται εντυπωσιακή. Όταν κάθε οθόνη έχει έναν μισοψημένο βοηθό, καμία δεν φαίνεται ξεχωριστή. Όταν μία λειτουργία διαβάζει αθόρυβα το email ενός πελάτη και εξοικονομεί στην ομάδα σας δέκα λεπτά κάθε φορά, οι άνθρωποι τη θυμούνται. Λιγότερες, πιο αιχμηρές, πραγματικά χρήσιμες — αυτή είναι η εκδοχή της AI που αξίζει να χτιστεί, και είναι η εκδοχή για την οποία οι χρήστες σας θα σας ευχαριστήσουν όντως.

Συχνές ερωτήσεις