Hola a todos
Después de trabajar en 12 startups en el campo del aprendizaje automático, saqué ocho conclusiones útiles sobre productos, datos y personas.
Todas las nuevas empresas provenían de diferentes campos (tecnología financiera, biotecnología, salud, tecnología de capacitación) y en diferentes etapas: tanto en la etapa previa a la semilla como en la etapa de adquisición por parte de una gran empresa. Mi papel también ha cambiado. Fui consultor estratégico, jefe de análisis de datos, inundado con un empleado a tiempo completo. Todas estas compañías intentaron crear un buen producto, y muchas lo lograron.
Durante el trabajo, llegué a las siguientes conclusiones:
El producto es más importante que la IA.
Estas nuevas empresas están desarrollando productos, no aprendiendo inteligencia artificial. Como matemático convencido, al principio estaba más interesado en el aprendizaje automático y la creación de nuevos métodos y algoritmos.
Pronto me di cuenta de que incluso los modelos precisos de aprendizaje automático no eran valiosos en sí mismos. El valor de la IA y el aprendizaje automático depende directamente del valor del producto en el que se utilizan. El objetivo de una startup es aprender a crear productos de aprendizaje automático.
Con este enfoque, a veces resulta que el aprendizaje automático no es la herramienta más efectiva. A veces el asunto no está en la tarea en cuestión, sino en el proceso de resolución. Incluso en tales situaciones, es útil recurrir a los científicos: utilizan un enfoque científico basado en datos. Sin embargo, no pierda el tiempo en IA donde necesita arreglar el proceso.
Esfuércese por las sinergias entre los datos y el producto.
No puede crear algo valioso agregando pronósticos basados en un modelo de aprendizaje automático a un producto existente. Una IA fuerte no es un complemento de producto, es la base. En tales casos, es la IA la que crea valor. Dichos productos se desarrollan teniendo en cuenta este hecho: en ellos, tanto el producto como los datos funcionan en sinergia.
Una buena ejecución da como resultado una interacción que llamo la "combinación de producto y datos". El producto se da cuenta plenamente del potencial de los datos y al mismo tiempo genera nuevos datos necesarios para mejorar.
Cuando se trabaja en IA, no solo se necesitan ingenieros y científicos que trabajen con estos datos. El trabajo sobre el valor del producto es más rápido si otros miembros del equipo participan en la discusión, desde gerentes de producto hasta gerentes. Esto requiere un nivel de conocimiento y participación al que incluso los ingenieros que trabajan en startups no están acostumbrados.
Primero datos, luego AI
La inteligencia artificial y el aprendizaje automático necesitan muchos datos de alta calidad. Al crear un producto desde cero, piense en recopilar datos desde el primer día. Antes de introducir la tecnología de inteligencia artificial en un producto existente, prepárese para invertir mucho en ingeniería de datos y cambio arquitectónico.
Primero, descubra el valor del producto, y solo entonces comience a trabajar. Cuanto mejor sea el procesamiento de datos, más informativa será la analítica; esto es de vital importancia para el desarrollo de la empresa. Entonces demuestras el valor del producto y atraes inversores. Comience a pensar en la inteligencia artificial cuando la analítica sea confiable.
Invierte en comunicación
Para crear un producto, necesita gerentes de productos calificados y soporte administrativo. La inteligencia artificial sólida y el aprendizaje profundo son de interés para muchos, pero las personas que están lejos de la industria de TI no conocen estas tecnologías. Para analizar el aprendizaje automático y la inteligencia artificial, debe comprender las estadísticas: la comunicación ineficiente conduce a expectativas poco realistas.
El gerente de producto y los ingenieros de datos deben analizar constantemente las métricas comerciales y cómo se transforman en un producto. Esto es especialmente importante para los ingenieros: para un trabajo efectivo, necesitan profundizar el conocimiento en su campo y en la esfera empresarial.
Las "soluciones simples y obvias" no son tan obvias
Como mencioné anteriormente, a menudo la tarea es más fácil de resolver utilizando métodos simples y obvios. Esto se debe en parte a que las decisiones "simples y obvias" de hoy fueron complejas y originales ayer. Usar
word2vec ahora
es tan fácil como la
regresión . Cada día surgen más herramientas nuevas, y comprender estas herramientas es importante para un analista de datos.
El advenimiento de las nuevas herramientas de código abierto ha llevado al hecho de que ahora las plataformas propietarias del aprendizaje automático no son una solución efectiva. Por supuesto, debe usar algoritmos patentados si son efectivos en su industria y para resolver su problema. Pero dejemos los estudios en profundidad de los empleados de Google: concéntrese en las tareas comerciales.
En caso de duda, muestre los datos a los usuarios.
En una etapa temprana, es importante establecer comentarios con el mercado. Sin embargo, el aprendizaje automático requiere datos que requieren mucho tiempo para recopilarse. Este es el problema: ¿cómo analizar la imagen sin grandes cantidades de datos?
La mayoría de las veces, la mejor solución es mostrar los datos acumulados a los usuarios. No importa que tenga pocos datos: las personas solo procesan pequeñas cantidades de datos a la vez. Vea cómo los usuarios interactúan con los datos: ¿qué ignoran y qué quieren entender con más detalle? De esta manera, comprenderá la importancia de los datos de su empresa.
Construir confianza
La confianza es la base del éxito de la mayoría de las tecnologías: las personas quieren confiar en las tecnologías que utilizan. A algunas personas les preocupa que la automatización les robe su trabajo, mientras que otras confían en la tecnología para tomar decisiones importantes. En ambos casos, la confianza en las aplicaciones y algoritmos de aprendizaje automático es importante.
Si la inteligencia artificial no ayuda a una persona a tomar decisiones, sino que decide, los usuarios pierden rápidamente la confianza en la aplicación.
La confianza es fácil de perder y extremadamente difícil de recuperar. Crea productos en los que la gente confiará.
Comparta el artículo con colegas, saque conclusiones y trabaje productivamente. Si tiene algo que compartir, escriba los comentarios. Más información sobre aprendizaje automático en el
canal de telegramas Neuron (@neurondata).
Todo el conocimiento!