6.1 Mkakati wa AI na utayari

Muhtasari na msukumo

Akili bandia imetoka kuwa jambo geni la utafiti hadi uwezo wa msingi ambao mashirika makubwa sasa yanatarajiwa kuutumia kwa uwajibikaji na kwa ukubwa. Kwa mashirika na mawakala wa serikali, swali halisi si tena kama AI inaweza kufanya kitu cha kuvutia kwenye onyesho. Ni kama uwekezaji mahususi unatatua tatizo halisi vizuri kuliko mbadala, unaweza kuendeshwa kwa usalama kwa miaka, na unaweza kuokoka ukaguzi, ununuzi, na uchunguzi wa umma. Mkakati wa AI ni nidhamu ya kuamua mahali pa kutumia AI, mahali pa kuiepuka, na misingi gani unayohitaji kabla ya mfano wa kwanza kufika kwenye uzalishaji.

Kwa timu kubwa, ukubwa na uzito wa kusimama huongeza dau. Mpango uliopangwa vibaya unaweza kuchoma bajeti, kuwavuruga wahandisi wenye vipaji, na kumomonyoa uaminifu kwa wadhibiti na raia unaposhindwa hadharani. Uliochaguliwa vizuri unaweza kuotomatisha kazi ya kuchosha, kufichua ufahamu kutoka data ambayo hungeweza kamwe kuifikia hapo awali, na kuwaweka huru watu wenye ujuzi kwa kazi ya thamani zaidi. Tofauti mara chache ni mfano wenyewe. Inashuka hadi jinsi unavyopanga tatizo vizuri, jinsi data na vipaji vyako vilivyo tayari, na jinsi kesi yako ya biashara ilivyo ya uaminifu.

Mazingira ya serikali na yanayodhibitiwa huongeza vikwazo zaidi. Vyombo vya umma lazima vihalalishe matumizi, vihakikishe uwazi, viepuke ubaguzi usio halali, na viendelee kuwajibika kwa viongozi waliochaguliwa na umma. Kanuni za ununuzi zinaweza kukataza kufungwa kwa muuzaji mmoja, kudai uwezo wa kuelezea, na kuhitaji wauzaji wafichue tabia ya mfano. Hapa, chukulia uzingatiaji, uwezo wa kukaguliwa, na njia za kutoka kama mahitaji ya daraja la kwanza, si mawazo ya baadaye.

Kanuni kuu

• Anza kutoka tatizo linalostahili kutatuliwa, si teknolojia inayotafuta matumizi.
• Pendelea mbinu rahisi zaidi inayotimiza hitaji; AI ni chaguo moja kati ya mengi, na mara nyingi si bora.
• Chukulia utayari wa data, vipaji, na ukomavu wa jukwaa kama masharti, si mikondo sambamba ya kazi ya kupanga baadaye.
• Fanya maamuzi ya kujenga-dhidi-ya-kununua waziwazi na uyapitie tena soko na uwezo wako vinapobadilika.
• Pima jumla ya gharama ya umiliki, ikijumuisha uendeshaji, ufuatiliaji, na kubadilisha mwishowe, si leseni au jaribio tu.
• Sanifu kwa kutoka tangu siku ya kwanza: epuka usanifu unaofanya kubadili wauzaji au mifano kuwa ghali kupita kiasi.
• Katika mazingira yanayodhibitiwa na ya umma, chukulia uwazi, uzingatiaji wa ununuzi, na uwajibikaji kama vikwazo vya usanifu.
• Pima gharama ya kutotenda kando ya gharama ya kutenda.

Mapendekezo

Panga tatizo kabla ya kuchagua teknolojia

Andika taarifa ya tatizo ya ukurasa mmoja. Taja uamuzi au kazi unayotaka kuboresha, kipimo cha msingi cha sasa, matokeo yanayopimika unayotaka, na nini kinatokea mfumo unapokosea. Kisha uliza kama tatizo linafaa AI kabisa. Je, kuna data ya kutosha inayohusika? Je, kazi inategemea mifumo badala ya kanuni? Je, unaweza kuvumilia majibu ya uwezekano? Je, binadamu anaweza kukagua matokeo? Matatizo mengi yanatatuliwa vizuri zaidi kwa programu ya kuamuliwa, usanifu bora wa mchakato, au usafi bora wa data tu. Andika waziwazi mahali AI si chaguo zuri: kwa mfano, maamuzi ambayo lazima yaelezeke kikamilifu kisheria, au ambapo gharama ya kosa adimu ni ya maafa na haiwezekani kunasa.

Tumia mti wa uamuzi wa kujenga-dhidi-ya-kununua-dhidi-ya-kurekebisha-dhidi-ya-kutoa-maagizo

Sogea kutoka nafuu zaidi na ya haraka zaidi hadi ghali zaidi na yenye udhibiti zaidi:

1. Toa maagizo kwa mfano uliopo unaopangishwa. Kama mfano wa matumizi ya jumla (kama Claude wa Anthropic, au ofa zinazolingana kutoka watoa huduma wengine) unatatua tatizo kwa maagizo makini na urejeshaji, fanya hivyo kwanza. Gharama ndogo zaidi, marudio ya haraka zaidi, hakuna miundombinu ya mafunzo.
2. Ongeza kwa urejeshaji au zana. Kama pengo ni maarifa au vitendo, ongeza uzalishaji unaoongezwa kwa urejeshaji (RAG), unaochukua nyaraka husika wakati wa swali na kuziwasilisha kwa mfano kama muktadha, na matumizi ya zana kabla ya kugusa uzito wa mfano.
3. Rekebisha vizuri au badilisha. Kama maagizo hayawezi kufikia usahihi, toni, au umbo linalohitajika kwa uthabiti, rekebisha vizuri mfano mdogo kwa data yako: yaani, funza zaidi mfano uliofunzwa mapema kwa mifano yako kuubobea. Hii inanunua udhibiti kwa gharama ya bomba la MLOps (operesheni za kujifunza kwa mashine).
4. Nunua bidhaa maalumu. Kwa maeneo yaliyofafanuliwa vizuri (uchakataji wa nyaraka, alama za ulaghai), bidhaa iliyokomaa ya muuzaji inaweza kushinda chochote unachojenga.
5. Jenga kuanzia sifuri. Hifadhi kufunza mifano ya msingi (mifano mikubwa iliyofunzwa mapema kwa data pana na inayoweza kubadilishwa kwa kazi nyingi) kwa mashirika yenye data ya kipekee, vipaji vya kina, na sababu za kimkakati. Kwa karibu mashirika yote na mawakala, hili ni chaguo lisilo sahihi.

Anzisha masharti ya data, vipaji, na jukwaa

Kagua data yako kwa upatikanaji, ubora, uwekaji lebo, asili, na msingi wa kisheria wa matumizi. Thibitisha kwamba una haki ya kuitumia kwa AI kweli, ikijumuisha data yoyote binafsi au ya mtu wa tatu. Tathmini vipaji kwa uaminifu: unahitaji wanasayansi wa data, na pia wahandisi wa ML, wahandisi wa data, wasimamizi wa bidhaa wanaoelewa mifumo ya uwezekano, na wapitiaji wanaoweza kutathmini matokeo. Kabla hujapanua, simamisha msingi wa jukwaa: ufuatiliaji wa majaribio, rejista ya mifano (mfumo rasmi wa matoleo ya mifano iliyofunzwa na hali ya idhini yake), ufuatiliaji, na kuhudumia salama, ili kila matumizi mapya yasibuni upya operesheni.

Shughulikia mazingira yanayodhibitiwa na ya serikali kwa makusudi

Leta timu za ununuzi, sheria, na hatari mapema. Dai wauzaji wafichue asili ya mfano, mazoea ya data ya mafunzo, matokeo ya tathmini, na mipaka inayojulikana. Pendelea mikataba inayotoa uhamishaji wa data na maagizo yako, na uepuke miundo ya umiliki inayokunasa. Pale inapofaa, chapisha madhumuni na ulinzi wa mifumo ya AI inayomkabili umma, na uwape watu njia ya kupinga maamuzi ya kiotomatiki. Oanisha na mifumo inayotambulika (angalia sura ya 6.5) ili ukaguzi upate mchakato ulioandikwa, unaoweza kutetewa.

Kokotoa jumla ya gharama ya umiliki na ulinde dhidi ya kufungwa

Mfano wa gharama ya mzunguko mzima wa maisha: uelekezaji au leseni, mabomba ya data, mapitio ya binadamu, ufuatiliaji, kufunza upya, jibu la tukio, na kustaafisha. Ilinganishe na gharama ya hali ilivyo sasa na ya mbadala. Punguza kufungwa kwa kuweka mfano nyuma ya kiolesura cha ndani, kuweka maagizo na seti za data za tathmini zikihamishika, na kujaribu mtoa huduma wa pili mara kwa mara.

Mabadilishano: faida na hasara

Mbinu	Faida	Hasara	Bora wakati
Toa maagizo kwa mfano unaopangishwa	Haraka, nafuu, hakuna miundombinu, rahisi kubadilisha	Udhibiti mdogo, gharama kwa kila mwito, maswali ya kushiriki data	Mifano ya awali, kazi pana, mahitaji yasiyo na uhakika
Kuongeza kwa urejeshaji	Huweka majibu kwenye data yako, inayosasishwa	Ubora wa urejeshaji ni mgumu, huongeza miundombinu	Kazi nzito za maarifa
Rekebisha vizuri mfano mdogo	Udhibiti, gharama ndogo kwa kila mwito kwa ukubwa, chaguo la ndani ya majengo	Inahitaji MLOps, data, na matunzo	Kazi thabiti, za kiasi kikubwa, maalumu
Nunua bidhaa	Imethibitishwa, inaungwa mkono, thamani ya haraka	Gharama ya leseni, kufungwa, ufaao mdogo	Matatizo ya kawaida yaliyofafanuliwa vizuri
Jenga mfano wa msingi	Udhibiti na utofautishaji wa juu zaidi	Gharama kubwa mno, vipaji adimu, hatari kubwa	Karibu kamwe, nje ya maabara za mipaka

Mabadilishano makuu ni udhibiti dhidi ya gharama na kasi. Kutoa maagizo kunakupa kasi na unyumbulifu zaidi lakini udhibiti mdogo zaidi; kujenga kunakupa udhibiti zaidi lakini kunadai rasilimali ambazo mashirika machache yanapaswa kutumia. Timu nyingi kubwa zinapaswa kuishi katikati: toa maagizo na rejesha kwanza, rekebisha vizuri kwa kuchagua, na nunua kwa mahitaji ya kawaida. Kufungwa kunabadilisha urahisi wa muda mfupi kwa hatari ya muda mrefu, na hilo ni muhimu hasa katika serikali, ambapo wajibu wa miaka mingi wa kutoka ni wa kawaida.

Maswali ya kujadili na timu yako

1. Kila kimoja cha matumizi yetu matatu ya juu ya mgombea kiko wapi kwenye ngazi ya toa-maagizo-kisha-rejesha-kisha-rekebisha-vizuri-kisha-nunua-kisha-jenga, na ushahidi gani ungekisogeza ngazi moja? Hili ni muhimu kwa sababu matumizi mengi ya AI yaliyopotea hutokana na kuanza ngazi moja juu mno: kufunza mfano wakati maagizo makini yangefanya kazi. Kwa timu kubwa, kukubaliana ngazi kama chaguo-msingi la pamoja huzuia kila kikundi kisibuni upya bomba la gharama. Leta taarifa ya tatizo ya ukurasa mmoja kwa kila mgombea, kipimo cha msingi cha sasa, na usomaji wa uaminifu wa kama pengo ni maarifa (urejeshaji), uthabiti (kurekebisha vizuri), au kitu cha kawaida kilichotatuliwa (nunua). Katika mazingira ya mashirika makubwa na serikali, ongeza gharama ya ununuzi na ukaguzi wa kila ngazi, kwa kuwa mfano uliorekebishwa vizuri unaburuza mzigo wa MLOps ambao mwito unaopangishwa hauna. Jibu linapaswa kukuruhusu kuua au kushusha angalau mradi mmoja uliozidi wigo chumbani.

2. Mpango wetu madhubuti wa kutoka kwa muuzaji au mfano tunaoutegemea zaidi ni upi, na je, tumeujaribu kweli? Kufungwa ni nafuu kukubali na ghali kufungua, na katika serikali unaweza kubeba wajibu wa miaka mingi wa kutoka usioweza kutimiza ikiwa hukuwahi kuufanyia mazoezi. Leta orodha ya vipengele vya umiliki mnavyovitegemea, kama maagizo na seti za data za tathmini zinahamishika, na jinsi mfano unavyokaa nyuma ya kiolesura cha ndani (au haukai). Ishara ya kutazama ni kama yeyote amewahi kuendesha mfululizo wenu wa tathmini dhidi ya mtoa huduma wa pili; kama sivyo, mpango wenu wa kutoka ni tumaini, si mpango. Jibu la uaminifu likiwa kwamba kubadili kungechukua miezi na kuandika upya msimbo wa msingi, chukulia hilo kama kasoro ya usanifu ya kurekebisha sasa, si daraja la kuvuka baadaye.

3. Kadi ya alama ya utayari ya uaminifu inasema nini kuhusu haki zetu za data, na ni matumizi gani inayoyaondoa leo? Kuruka utayari wa data ndiko kushindwa kunakozamisha majaribio kimyakimya: mfano unafanya kazi, lakini hamkuwahi kuwa na msingi wa kisheria wa kutumia data, au haina lebo na asili. Kwa shirika kubwa, data binafsi na ya mtu wa tatu huibua mipaka ya ridhaa na ya kimkataba inayotofautiana kwa mamlaka na kwa seti ya data. Leta ukaguzi wa upatikanaji, ubora, uwekaji lebo, asili, na msingi wa kisheria kwa kila mgombea, na muwe tayari kuweka alama matumizi mengine kama yaliyozuiwa hadi misingi ya data iwepo. Katika mazingira yanayodhibitiwa na ya umma, msingi wa kisheria usioweza kutumika si ucheleweshaji, ni kusimama kamili, na kufadhili kazi ya utayari kunapaswa kuwa mstari wazi kwenye mpango badala ya wazo la baadaye.

4. Tutajuaje matumizi ya AI hai yanafanya kazi kweli, na ushahidi gani ungetufanya tuuue? Majalada mengi ya AI hujilimbikiza zombi: majaribio yaliyosafirishwa, yakamvutia mtu, na sasa yanaendesha milele bila yeyote kukagua kama bado yanastahili gharama yake. Kubaliana kipimo cha msingi na kipimo cha mafanikio kabla ya uzinduzi, kisha weka kizingiti wazi cha kuua, ili uamuzi wa kusimamisha ufanywe mapema badala ya kutetewa wakati huo huo. Leta kipimo cha sasa, gharama ya usimamizi wa binadamu kwa kila matokeo, na kuteleza mliloona tangu uzinduzi. Kwa majalada ya mashirika makubwa na serikali, taja nani anapitia kila mfumo kwa mzunguko uliowekwa na nani ana mamlaka ya kuustaafisha; matumizi ambayo hakuna anayewajibika kuyapitia ni yale ambayo hakuna atakayeyazima kamwe.

5. Binadamu anabaki kwenye mzunguko wapi, usimamizi huo unagharimu kiasi gani, na je, tumeupangia bajeti kweli? Matumizi ya AI yanayoonekana nafuu zaidi ni yale yanayodhania uotomatishaji kamili kimyakimya, kisha yanavujisha gharama kupitia mapitio, marekebisho, na kupandisha ngazi ambazo uhalisia unarudisha ndani. Amua kwa makusudi maamuzi gani mtu lazima athibitishe, yapi mfano unaweza kuchukua peke yake, na yapi usiyachukue kamwe, kisha upime kwa bei muda wa binadamu unaomaanisha. Leta kiasi cha kesi za imani ya chini, gharama ya jibu lisilo sahihi, na njia ya sasa ya kupandisha ngazi. Katika mazingira yanayodhibitiwa na ya umma, funga kila uamuzi wa kiotomatiki na afisa anayewajibika na njia ya rufaa, kwa sababu usimamizi usioweza kuuelezea ni usimamizi ambao huna.

6. Tuna vipaji na jukwaa la kuendesha tunachopendekeza, au tunadhania kimyakimya uwezo ambao hatuna? Mipango ya AI yenye tamaa inashindwa kidogo kwenye mfano kuliko kwenye misingi isiyovutia: hakuna wa kudumisha bomba, hakuna anayeweza kutathmini matokeo, hakuna jukwaa la kusambaza. Linganisha kila matumizi ya mgombea na ujuzi na miundombinu inayohitaji kweli, na muwe waaminifu pale pengo ni ajira, mshirika, au sababu ya kutojenga. Leta orodha ya nani anaweza kumiliki kila mfumo kwenye uzalishaji, jukwaa gani utaendeshwa, na uwezo gani mngelazimika kununua. Kwa shirika kubwa au la umma, ongeza muda wa ununuzi na uajiri, kwa kuwa mpango unaotegemea vipaji msivyoweza kuajiri katika dirisha husika ni mpango wa kutotoa vya kutosha.

Mtazamo wa sekta

Kampuni changa. Kasi na kunusurika vinatawala. Chagua matumizi moja finyu yanayogusa thamani yako ya msingi, yasafirishe kwenye mfano unaopangishwa nyuma ya kiolesura chembamba, na uweke kikomo kikali cha matumizi. Epuka kujenga miundombinu au kufunza mifano: rasilimali yako adimu zaidi ni umakini wa kihandisi, na bomba la kurekebisha vizuri usiloweza kulidumisha ni dhima, si ngome. Weka kubadili kwa bei nafuu ili uweze kufuata soko linalosonga haraka.

Biashara ndogo. Huenda huna wanasayansi wa data na bajeti ni finyu, kwa hiyo chukulia AI kama kitu unachonunua kimepachikwa kwenye zana unazotumia tayari, si programu unayoiajiria. Weka utayari kama swali la usafi wa data na faragha badala ya mradi wa kujifunza kwa mashine: jua data gani ya wateja unayoshikilia, unaruhusiwa kufanya nini nayo, na mahali jibu la kiotomatiki lisilo sahihi lingekugharimu mteja. Pendelea wauzaji wanaofanya AI iwe ya hiari, wazi, na rahisi kuzima.

Biashara kubwa. Tatizo ni utawala wa jalada kuvuka timu nyingi: ngazi ya pamoja ya kujenga-dhidi-ya-kununua, tathmini thabiti za utayari, na uchambuzi wa kufungwa na jumla ya gharama ili vikundi viache kubuni upya mabomba ghali. Weka bajeti ya mzigo wa MLOps na usimamizi wa binadamu waziwazi, sawazisha tabaka la kiolesura ili watoa huduma wabaki wakibadilishika, na simamia matumizi ya AI kama jalada lenye vipimo wazi na vigezo vya kuua badala ya mtawanyiko wa majaribio.

Serikali. Uwazi, kanuni za ununuzi, na uwajibikaji huumba kila uchaguzi. Pendelea mifumo inayonukuu vyanzo rasmi badala ya kuzalisha sera, weka binadamu anayewajibika kwa maamuzi yenye matokeo, na udai uhamishaji wa data na ufichuzi wa mipaka ya mfano kwenye mikataba. Chapisha maelezo ya lugha rahisi na njia ya rufaa, heshimu wajibu wowote wa miaka mingi wa kutoka mnaoutia saini, na uweke AI nje ya maamuzi ya mwisho ya tathmini yanayopaswa kukaa na afisa anayewajibika.

Mifano

Kampuni changa. Kampuni changa ya watu watano ya kupanga ratiba ilitaka kuongeza kipengele cha lugha asilia cha “niwekee mkutano” bila kuwatoa wahandisi wake wawili kwenye bidhaa kuu. Ilichagua tatizo dogo zaidi lililojalisha, kuchambua ombi kuwa wakati uliopendekezwa, na kulisafirisha kwa mfano unaopangishwa nyuma ya API chembamba ya ndani ili iweze kubadili watoa huduma baadaye. Timu iliweka kikomo kigumu cha matumizi ya kila mwezi, ilifuatilia kama watumiaji walikubali nyakati zilizopendekezwa, na ilikubaliana kurudi kwenye mfano uliorekebishwa vizuri tu kiasi kingehalalisha kazi ya ziada.

Biashara kubwa. Kampuni ya bima ya kimataifa ilitaka kuharakisha upangaji wa madai. Badala ya kufunza mfano maalumu, ilipanga tatizo kwa finyu (elekeza na fupisha madai yanayoingia), ilifanya mfano wa awali kwa mfano unaopangishwa pamoja na urejeshaji juu ya nyaraka zake za sera, na ikapima dhidi ya muda wa kushughulikia wa binadamu na usahihi. Baada ya kuthibitisha thamani tu ndipo ilirekebisha vizuri mfano mdogo kwa aina ya dai yenye kiasi cha juu zaidi kupunguza gharama kwa kila mwito. Iliweka mfano nyuma ya API ya ndani ili iweze kubadili watoa huduma, na ikapanga TCO ya miaka mitatu iliyojumuisha mapitio ya binadamu ya kesi za imani ya chini.

Serikali. Mamlaka ya kitaifa ya kodi ilifikiria msaidizi wa AI kuwasaidia wafanyakazi kujibu maswali ya raia. Kwa kuwa majibu hayo yaligusa wajibu wa kisheria, wakala ulisisitiza uwazi: mfumo ungeweza kuonyesha mwongozo rasmi tu ukiwa na manukuu, kamwe usibuni sera, na binadamu alipitia kila pendekezo la kiotomatiki kabla halijatoka. Ununuzi ulimtaka muuzaji kufichua mipaka ya mfano na kutoa uhamishaji wa data, na wakala ulichapisha maelezo ya lugha rahisi ya mfumo na njia ya rufaa. Uliweka AI nje ya maamuzi ya mwisho ya tathmini kabisa, ukiyahifadhi kwa maafisa wanaowajibika.

Kesi ya biashara: sababu, ROI, na TCO

Mkakati wa AI upo kukusaidia kuepuka kushindwa kuwili kinyume: kuwekeza kupita kiasi kwenye AI isiyolipa kamwe, na kuwekeza kidogo huku washindani au mawakala wenzako wakisonga mbele. ROI inatokana na kazi iliyookolewa, muda wa mzunguko uliopunguzwa, viwango vya makosa vilivyopungua, na uwezo mpya uliowezeshwa. Pima haya dhidi ya kipimo cha msingi cha kweli, na upunguze kwa gharama halisi ya usimamizi wa binadamu, ambayo mara chache hupotea.

TCO lazima ijumuishe mistari isiyovutia: mabomba ya data, ufuatiliaji, kufunza upya dunia inapoteleza, mapitio ya usalama, na kustaafisha mwishowe. Jaribio linaloonekana nafuu linaweza kuwa ghali likiendeshwa kwa ukubwa kwa miaka. Wasilisha pia gharama ya kutopokea: huduma ya polepole, gharama kubwa ya mkono, na kuteleza kimkakati. Weka kesi kwa uongozi kwa mtazamo wa jalada: dau chache zenye imani ya juu, vipimo wazi vya mafanikio, vigezo vya kuua kwa kushindwa, na tathmini ya utayari inayoonyesha misingi ya data na vipaji ipo. Waombe viongozi wafadhili utayari waziwazi; ukiruka, unahakikisha kazi ya kurekebisha ya gharama.

Mifumo mibaya na mitego

• Suluhisho linalotafuta tatizo. Kununua AI kwa sababu wenzao walifanya, kisha kuwinda matumizi.
• Kuruka utayari wa data. Kuzindua mifano kwenye data isiyopatikana, isiyo na lebo, au isiyoweza kutumika kisheria.
• Maamuzi yanayoendeshwa na onyesho. Kujitolea kwa msingi wa onyesho lililong’arishwa bila tathmini ya ubora wa uzalishaji.
• Kupuuza mzunguko wa binadamu. Kudhania uotomatishaji kamili na kupanga bajeti ya mapitio kidogo, ambapo gharama nyingi inajificha.
• Kufungwa kimya. Kujenga kwa kina juu ya vipengele vya umiliki vya muuzaji mmoja bila mpango wa kutoka.
• Kudharau operesheni. Kuchukulia usambazaji kama mstari wa kumalizia badala ya mwanzo wa wajibu wa matengenezo.
• Uzingatiaji kama wazo la baadaye. Kurudisha uwazi na uwezo wa kukaguliwa baada ya usanifu, kwa mara kadhaa ya gharama.

Kielelezo cha ukomavu

1. Kuanzisha. Majaribio ya papo hapo, hakuna mkakati wa pamoja, maamuzi yanayoendeshwa na ushabiki na shauku ya mtu mmoja mmoja.
2. Kuendeleza. Upangaji wa tatizo upo kwa baadhi ya miradi; msingi wa kwanza wa jukwaa unaonekana; kujenga-dhidi-ya-kununua kunajadiliwa lakini kutokuwa na uthabiti.
3. Kusawazisha. Jalada la matumizi ya AI lenye vipimo wazi, mti wa uamuzi ulioandikwa, tathmini za utayari, na uchambuzi wa kufungwa na TCO, vinavyotumika kwa uthabiti kuvuka timu.
4. Kusimamia. Jalada linapimwa: utayari, ROI, TCO, na gharama ya usimamizi wa binadamu vinafuatiliwa dhidi ya vipimo vya msingi; vigezo vya kuua vinatekelezwa kwa ushahidi; athari ya utoaji na ubora huendesha kila uamuzi wa kwenda au kutokwenda.
5. Kuratibu. Mkakati wa AI umeunganishwa na upangaji wa biashara na hatari; utayari unadumishwa mfululizo; shirika mara kwa mara linastaafisha, kubadilisha, na kupanua upya mifumo ya AI kwa ushahidi, likisawazisha upya jalada soko na picha ya hatari vinapohama.

Mawazo ya kujadili

• Mnaamuaje wakati tatizo halifai AI kweli, na nani ana mamlaka ya kusema hapana?
• Kizingiti gani cha utayari kinapaswa kuweka lango la mradi kutoka jaribio hadi uzalishaji?
• Kufungwa kiasi gani kunakubalika kwa kubadilishana na thamani ya haraka zaidi?
• Katika serikali, wajibu wa uwazi unapaswa kuumbaje uchaguzi wa kujenga-dhidi-ya-kununua?
• Mnaweka vipi makadirio ya TCO ya uaminifu wakati wauzaji na washabiki wana motisha ya kuyadharau?
• Nani anamiliki jalada la AI, na maamuzi ya kuua yanafanywaje?

Mambo muhimu ya kukumbuka

• Mkakati huanza na tatizo halisi na kipimo cha msingi cha uaminifu, si teknolojia.
• Pendelea chaguo rahisi zaidi: toa maagizo, kisha rejesha, kisha rekebisha vizuri, kisha nunua, na mara chache jenga kuanzia sifuri.
• Utayari wa data, vipaji, na jukwaa ni masharti; kuyafadhili ni sehemu ya mpango.
• Mazingira yanayodhibitiwa na ya serikali yanahitaji uwazi, uzingatiaji wa ununuzi, na njia za kutoka kwa usanifu.
• Pima TCO kamili na gharama ya kutotenda, na ulinde dhidi ya kufungwa na muuzaji tangu uamuzi wa kwanza wa usanifu.

Marejeo na usomaji zaidi

• Ajay Agrawal, Joshua Gans, and Avi Goldfarb, Prediction Machines: The Simple Economics of Artificial Intelligence.
• Eric Siegel, The AI Playbook: Mastering the Rare Art of Machine Learning Deployment.
• Andriy Burkov, The Hundred-Page Machine Learning Book.
• National Institute of Standards and Technology, AI Risk Management Framework (AI RMF 1.0).
• Organisation for Economic Co-operation and Development, OECD AI Principles.
• Thomas H. Davenport, The AI Advantage: How to Put the Artificial Intelligence Revolution to Work.