پروژه های اثبات مفهوم (POC) زمینه آزمایش برای فناوری جدید است و AI مولد (Genai) نیز از این قاعده مستثنی نیست. موفقیت واقعاً برای Genai POC چه معنی دارد؟ به عبارت ساده تر ، یک POC موفق یکی از مواردی است که یکپارچه به تولید منتقل می شود. مشکل این است که به دلیل جدید بودن فناوری و تکامل سریع آن ، بیشتر POC های Genai در درجه اول بر روی امکان سنجی فنی و معیارهایی مانند دقت و فراخوان متمرکز شده اند. این تمرکز باریک یکی از دلایل اصلی عدم موفقیت POC ها است. بوها بررسی مک کینزی دریافت که در حالی که یک چهارم از پاسخ دهندگان نگران صحت بودند ، بسیاری از آنها به همان اندازه با امنیت ، توضیح ، مدیریت مالکیت معنوی (IP) و انطباق نظارتی تلاش می کردند. در موضوعات متداول مانند کیفیت ضعیف داده ها ، محدودیت های مقیاس پذیری و سردردهای ادغام اضافه کنید و به راحتی می توان فهمید که چرا بسیاری از POC های Genai نمی توانند به جلو حرکت کنند.
Beyond the Hype: واقعیت Genai Pocs
اتخاذ به وضوح در حال افزایش است ، اما میزان موفقیت واقعی POCS نامشخص است. گزارش ها آمار مختلفی را ارائه می دهند:
- گارتنر پیش بینی می کند که تا پایان سال 2025 ، حداقل 30 ٪ از پروژه های Genai پس از مرحله POC رها می شوند و دلالت بر این دارد که 70 ٪ می توانند به سمت تولید حرکت کنند.
- مطالعه ای توسط Avanade (ذکر شده در RTInsights) دریافت که 41 ٪ از پروژه های Genai در POC گیر کرده است.
- ژانویه 2025 Deloitte ایالت Genai در شرکت گزارش تخمین می زند که تنها 10-30 ٪ از POC ها به تولید می پردازند.
- تحقیقاتی توسط IDC (ذکر شده در cio.com) دریافت که ، به طور متوسط ، فقط 5 از 37 POC (13 ٪) آن را به تولید می رساند.
با تخمین های مختلف از 10 ٪ تا 70 ٪ ، نرخ موفقیت واقعی احتمالاً به انتهای پایین نزدیکتر است. این برجسته است که بسیاری از سازمان ها برای طراحی POC ها با مسیری روشن برای مقیاس گذاری تلاش می کنند. نرخ موفقیت پایین می تواند منابع ، شور و شوق و نوآوری غرفه را تخلیه کند ، و منجر به آنچه اغلب “خستگی POC” می نامند ، جایی که تیم ها احساس می کنند خلبانان در حال اجرا هستند که هرگز آن را به تولید نمی رسانند.
فراتر از تلاش های هدر رفته
Genai هنوز در مراحل اولیه چرخه پذیرش خود است ، دقیقاً مانند محاسبات ابری و هوش مصنوعی سنتی قبل از آن. محاسبات ابری 15-18 سال طول کشید تا به اتخاذ گسترده برسد ، در حالی که هوش مصنوعی سنتی به 8-10 سال نیاز داشت و هنوز در حال رشد است. از نظر تاریخی ، اتخاذ AI یک چرخه رونق را دنبال کرده است که در آن هیجان اولیه منجر به انتظارات بیش از حد می شود ، و پس از آن که چالش ها پدیدار می شوند ، قبل از اینکه در نهایت تثبیت در استفاده از جریان اصلی انجام شود. اگر تاریخچه راهنما باشد ، پذیرش Genai فراز و نشیب های خاص خود را خواهد داشت.
برای حرکت به طور مؤثر در این چرخه ، سازمانها باید اطمینان حاصل کنند که هر POC با مقیاس پذیری در ذهن طراحی شده است ، و از بروز مشکلات متداول که منجر به تلاش های هدر رفته می شود ، جلوگیری می کند. با شناخت این چالش ها ، شرکت های پیشرو در زمینه فناوری و مشاوره ، چارچوب های ساختاری را برای کمک به سازمانها در فراتر از آزمایش و مقیاس ابتکارات Genai خود با موفقیت ایجاد کرده اند.
هدف از این مقاله تکمیل این چارچوب ها و تلاش های استراتژیک با تشریح مراحل عملی و تاکتیکی است که می تواند احتمال حرکت Genai POC را به میزان قابل توجهی افزایش دهد.
مراحل تاکتیکی کلیدی برای یک Genai Poc موفق
1. یک مورد استفاده را با توجه به تولید انتخاب کنید
اول و مهمتر از همه ، یک مورد استفاده را با یک مسیر واضح برای تولید انتخاب کنید. این به معنای انجام یک ارزیابی آمادگی جامع و گسترده در سطح شرکت نیست. درعوض ، هر مورد استفاده را به صورت جداگانه بر اساس عواملی مانند کیفیت داده ، مقیاس پذیری و الزامات ادغام ارزیابی کرده و افراد با بالاترین احتمال دستیابی به تولید را در اولویت قرار دهید.
چند سؤال مهم دیگر که باید هنگام انتخاب مورد استفاده صحیح در نظر بگیرید:
- آیا POC من با اهداف تجاری بلند مدت هماهنگ است؟
- آیا می توان به داده های مورد نیاز به صورت قانونی دسترسی پیدا کرد و از آنها استفاده کرد؟
- آیا خطرات واضحی وجود دارد که مانع از مقیاس گذاری می شود؟
5. قبل از شروع کار ، معیارهای موفقیت را تعریف و تراز کنید
یکی از بزرگترین دلایل غرفه POCS عدم وجود معیارهای تعریف شده برای اندازه گیری موفقیت است. بدون تراز قوی بر روی اهداف و انتظارات ROI ، حتی POC های فنی ممکن است برای دستیابی به خرید برای تولید تلاش کنند. تخمین ROI آسان نیست اما در اینجا برخی از توصیه ها وجود دارد:
- چارچوبی مانند این را ابداع یا اتخاذ کنید یکیبشر
- از ماشین حساب های هزینه استفاده کنید ، مانند این ابزار قیمت گذاری API Openai و ماشین حساب های ارائه دهنده ابر برای برآورد هزینه ها.
- به جای یک هدف واحد ، برآورد ROI مبتنی بر دامنه را با احتمالات ایجاد کنید تا عدم اطمینان را به خود اختصاص دهید.
در اینجا مثالی از چگونگی querygpt uber تیم تأثیر بالقوه ابزار Genai متن به SQL خود را تخمین زد.
3. آزمایش سریع را فعال کنید
ساختمان برنامه های Genai همه چیز در مورد آزمایش است که نیاز به تکرار مداوم دارد. هنگام انتخاب پشته فنی ، معماری ، تیم و فرآیندها ، اطمینان حاصل کنید که از این رویکرد تکراری پشتیبانی می کنند. انتخاب ها باید آزمایش یکپارچه را از تولید فرضیه ها و آزمایش های در حال اجرا گرفته تا جمع آوری داده ها ، تجزیه و تحلیل نتایج ، یادگیری و پالایش فعال کنند.
- برای تسریع در آزمایش ، استخدام فروشندگان خدمات کوچک و متوسط را در نظر بگیرید.
- انتخاب کردن معیارهای، چارچوب های EVALS و ارزیابی در ابتدا اطمینان حاصل می کنند که آنها با مورد و اهداف استفاده شما هماهنگ هستند.
- از تکنیک هایی مانند استفاده کنید LLM-as-a-judge یا LLM-as-juries برای ارزیابی خودکار (نیمه اتوماتیک).
4. هدف از راه حل های کم اصطکاک
یک راه حل با اصطکاک کم نیاز به مصوبات کمتری دارد و بنابراین ، با اعتراض کمتری برای اتخاذ و مقیاس گذاری روبرو می شود. رشد سریع Genai منجر به انفجار ابزارها ، چارچوب ها و سیستم عامل هایی شده است که برای تسریع POC ها و استقرار تولید طراحی شده اند. با این حال ، بسیاری از این راه حل ها به عنوان جعبه های سیاه که نیاز به بررسی دقیق آن ، تیم های حقوقی ، امنیت و مدیریت ریسک دارند ، فعالیت می کنند. برای پرداختن به این چالش ها و ساده تر کردن روند ، توصیه های زیر را برای ایجاد یک راه حل با اصطکاک پایین در نظر بگیرید:
- یک نقشه راه اختصاصی برای مصوبات ایجاد کنید: یک نقشه راه اختصاصی را برای پرداختن به نگرانی های تیم شریک و به دست آوردن مصوبات در نظر بگیرید.
- از پشته های فنی از پیش تأیید شده استفاده کنید: هر زمان ممکن است ، از پشته های فنی استفاده کنید که قبلاً تأیید شده اند و در حال استفاده هستند تا از تأخیر در تأیید و ادغام جلوگیری کنید.
- تمرکز روی ابزارهای ضروری: POC های اولیه به طور معمول به تنظیم دقیق مدل ، حلقه های بازخورد خودکار یا مشاهده گسترده/SRE نیاز ندارند. درعوض ، ابزارهایی را برای کارهای اصلی مانند بردار ، تعبیه ، بازیابی دانش ، نگهبان و توسعه UI در اولویت قرار دهید.
- از ابزارهای کم کد/بدون کد با احتیاط استفاده کنید: در حالی که این ابزارها می توانند جدول زمانی را تسریع کنند ، طبیعت جعبه سیاه آنها قابلیت های شخصی سازی و ادغام را محدود می کند. از آنها با احتیاط استفاده کنید و پیامدهای طولانی مدت آنها را در نظر بگیرید.
- نگرانی های مربوط به امنیت زودهنگام: تکنیک هایی مانند تولید داده های مصنوعی ، ماسک داده های PII و رمزگذاری را برای رفع نگرانی های امنیتی به طور فعال اجرا کنید.
5. یک تیم لاغر و کارآفرینی را جمع کنید
مانند هر پروژه ، داشتن تیم مناسب با مهارت های اساسی برای موفقیت بسیار مهم است. فراتر از تخصص فنی ، تیم شما نیز باید زیرک و کارآفرینی باشد.
- از جمله مدیران محصول و متخصصان موضوع (SME) را در نظر بگیرید تا از حل مشکل مناسب اطمینان حاصل کنید.
- اطمینان حاصل کنید که شما هم توسعه دهندگان تمام پشته و هم مهندسین یادگیری ماشین را در تیم دارید.
- از استخدام خاص برای POC یا وام گرفتن منابع داخلی از پروژه های اولویت بالاتر و بلند مدت خودداری کنید. درعوض ، استخدام فروشندگان خدمات کوچک و متوسط را در نظر بگیرید که می توانند استعدادهای مناسب را به سرعت وارد کنند.
- شرکای حقوقی و امنیت را از روز اول تعبیه کرد.
6. الزامات غیر کاربردی را نیز در اولویت قرار دهید
برای یک POC موفق ، ایجاد مرزهای مشکل روشن و مجموعه ثابت از الزامات عملکردی بسیار مهم است. با این حال ، الزامات غیر کاربردی نباید نادیده گرفته شود. در حالی که POC باید در مرزهای مشکل متمرکز شود ، معماری آن باید برای عملکرد بالا طراحی شود. به طور خاص ، دستیابی به تأخیر میلی ثانیه ممکن است یک ضرورت فوری نباشد ، با این حال ، POC باید با گسترش کاربران بتا قادر به مقیاس بندی یکپارچه باشد. برای یک معماری مدولار که انعطاف پذیر و آگنوستیک برای ابزارها باقی مانده است ، انتخاب کنید.
7. طرحی را برای رسیدگی به توهمات تدوین کنید
توهم با مدل های زبان اجتناب ناپذیر است. بنابراین ، نگهبانان برای مقیاس بندی راه حل های Genai با مسئولیت بسیار مهم هستند. با این حال ، ارزیابی کنید که آیا نگهبان های خودکار در مرحله POC و تا چه حد لازم است. به جای نادیده گرفتن یا نگهبانان بیش از حد مهندسی ، تشخیص دهید وقتی مدل های شما توهم می شوند و آنها را به کاربران POC پرچم گذاری کنید.
8. بهترین روشهای مدیریت محصول و پروژه را اتخاذ کنید
این XKCD تصویر در مورد POC ها دقیقاً همانطور که در تولید انجام می شود ، صدق می کند. هیچ یک از کتاب های یک اندازه متناسب با یک اندازه وجود ندارد. با این حال ، اتخاذ بهترین شیوه ها از مدیریت پروژه و محصول می تواند به ساده سازی و دستیابی به پیشرفت کمک کند.
- برای برنامه ریزی و اجرای تاکتیکی از روشهای Kanban یا Agile استفاده کنید.
- همه چیز را مستند کنید.
- برای همکاری مؤثر با تیم های شریک ، Scrum-of Scrums را نگه دارید.
- ذینفعان و رهبری خود را در مورد پیشرفت آگاه نگه دارید.
پایان
اجرای یک Genai POC موفق فقط به اثبات امکان سنجی فنی نیست ، بلکه در مورد ارزیابی گزینه های بنیادی برای طولانی مدت است. با انتخاب دقیق مورد استفاده صحیح ، تراز کردن در معیارهای موفقیت ، امکان آزمایش سریع ، به حداقل رساندن اصطکاک ، جمع آوری تیم مناسب ، پرداختن به نیازهای عملکردی و غیر کاربردی ، و برنامه ریزی برای چالش هایی مانند توهم ، سازمان ها می توانند به طور چشمگیری شانس حرکت از POC به تولید را بهبود بخشند.
گفته می شود ، مراحل ذکر شده در بالا جامع نیست و هر توصیه ای برای هر مورد استفاده اعمال نمی شود. هر POC منحصر به فرد است و نکته اصلی موفقیت تطبیق این بهترین شیوه ها متناسب با اهداف تجاری خاص ، محدودیت های فنی و چشم انداز نظارتی است.
یک چشم انداز و استراتژی قوی برای اتخاذ Genai ضروری است ، اما بدون مراحل تاکتیکی مناسب ، حتی برنامه های بهترین راهپیمایی می توانند در مرحله POC متوقف شوند. اعدام جایی است که ایده های عالی موفق یا موفق می شوند و یا شکست می خورند ، و داشتن یک رویکرد واضح و ساخت یافته تضمین می کند که نوآوری به تأثیر دنیای واقعی تبدیل می شود.
