Si su empresa está construyendo algún tipo de producto o herramienta de IA, ¡felicidades! Ahora eres una empresa de IA.
Sí, sigue siendo una empresa minorista. O un banco. O una operación CpG. Eres ese más una compañía de IA: se llame a esto un Ai también Compañía (AIAW): aconsejarle una licencia para decirles a los prospectos de ventas e inversores que está “haciendo AI”.
Aprender más rápido. Cavar más profundo. Ver más lejos.
Esa licencia también lo pone en el gancho de nuevas responsabilidades. Son fáciles de omitir al principio, pero te detendrás de tu verdadero potencial de IA si lo haces. Y tal vez asumir exposiciones a los riesgos innecesarios en el proceso.
Si AIAWS quiere aprovechar al máximo la IA, haría bien en tomar prestadas algunas lecciones duras del auge de la tecnología de desarrollo de software program. Y a cambio, Software program Dev también necesita aprender algunas lecciones sobre AI.
Hemos visto esta película antes
Anteriormente en mi carrera trabajé como desarrollador de software program. Aprendí rápidamente que cualquier empresa que construya un software program personalizado, sin importar su negocio principal, tenía que aprender las cuerdas de administrar una tienda de productos de software program profesional.
Lo cual estaba muy bien, excepto que no tenían experiencia en ejecución de una tienda de productos de software program. Las decisiones de los ejecutivos se basaron en una comprensión a nivel de superficie del software program personalizado, en su mayoría, “arroja algunos desarrolladores a una habitación y les dicen qué construir”, lo que period suficiente para comenzar, pero en ningún lugar lo suficientemente cerca para tener éxito.
Si perdones la analogía “iceberg” bien usada, la mayor parte de lo que necesitaban saber sobre el software program personalizado existían debajo de la línea de flotación. Ahí es donde encontrarían cosas como “cómo construir un equipo”. (¿Recuerdas los puestos de trabajo equivocados que requirieron un título en informática?) Luego estaba “la necesidad de entornos de tiempo de ejecución de desarrollo, QA y producción separados”, cada uno de los cuales solicitó su propio {hardware}. Eso llevó a “necesitamos contratar personas para hacer management de calidad y administrar operaciones”. El conocimiento del subsuelo también incluía preocupaciones legales como la propiedad intelectual (IP), que encajaba con licencias de código abierto … y así sucesivamente.
Eso fue mucho para aprender. Y, sin embargo, fue suficiente para sacar el producto inicial por la puerta, un logro appreciable, pero que se cube que ejecuta solo el 20 por ciento del costo complete de por vida de un proyecto de software program. El tiempo, el esfuerzo y el dinero requeridos para el mantenimiento a largo plazo se produjeron como un shock de triple pegatina.
(La lección de bonificación aquí es que el llamado software program “excesivo” que estaban tratando de reemplazar no period tan caro después de todo. Pero esa es una historia para otro día).
También había muchos asuntos estratégicos debajo de la línea de flotación. Las empresas no eran solo con la atención software program para su negocio; Ese software program personalizado cambió cómo funcionaba el negocio. La capacidad de ejecutar ciertos procesos 24/7/365 creó nuevas eficiencias y riesgos por igual. Las eficiencias fueron de doble filo: la automatización de un proceso podría abrumar los procesos aguas abajo que aún se realizan a mano. La gestión de los nuevos riesgos requería que todos ejerzan una nueva disciplina. Una persona forzando un cambio de código apresurado podría alterar las operaciones y conducir a pérdidas considerables.
Estas preocupaciones aún se mantienen hoy, pero en su mayoría son invisibles, si no ridículas, porque el desarrollo de software program ha madurado. El liderazgo de la empresa está bien versado en las mejores prácticas de la industria. (En parte, porque muchos de los líderes tecnológicos de hoy son ex desarrolladores que aprendieron esas mejores prácticas de primera mano). Pero en ese entonces el progreso se midió en lecciones de aprendizaje duro, basado en horizontes de conocimiento cortos. Cada paso reveló más de la imagen de software program personalizada, mostrando a los líderes que su comprensión previa period simplificada y poco fija.
Algunos líderes retuvieron expertos en ayuda para proteger su inversión y acelerar sus esfuerzos. Otros obstaculizaron por su cuenta y finalmente lo descubrieron. O no lo descubrieron y sufrieron incidentes de tiempo de inactividad, alta rotación y fallas del proyecto.
No tenemos que revivir la misma película
Una historia comparable se está desarrollando en el espacio de IA. (Para la brevedad, agruparé toda la ciencia de datos, el aprendizaje automático y el Genai bajo el término “IA”). Al igual que el desarrollo de software program personalizado de los primeros días, las oportunidades de IA de hoy tienen el precio de los nuevos enfoques y la nueva disciplina. No puede simplemente meter un grupo de científicos de datos en una oficina y cruzar los dedos para que todo funcione.
Muchas empresas lo han intentado. Han tropezado por la habitación oscura que es AI, golpeando sus espinillas y pisando picos porque … no sé por qué. ¿Hubris? ¿Ego? Un amor por el dolor?
La IA recién acuñada de hoy, así como las empresas, como sus homólogos de software program anteriores, tienen que abordar los asuntos operativos de esta nueva tecnología. Pero antes de eso, AIAWS debe realizar el trabajo de preparación en torno a la estrategia: “¿Qué es Ai, ¿de verdad? ¿Qué puede hacer en basic y qué puede hacer por nosotros en explicit? ¿Cómo puede la incorporación de IA en nuestros productos dañarnos o nuestros clientes o partes no afiliadas que simplemente están en el lugar equivocado en el momento equivocado?
Responder estas preguntas de nivel superior requiere alfabetización de IA, y eso comienza en la parte superior de la tabla de orgg. Un equipo de liderazgo que aprecia el alcance completo de las capacidades y debilidades de la IA está preparado para tomar decisiones realistas y casos de uso significativos de superficie. Saben que involucran a los equipos legales, de relaciones públicas y de gestión de riesgos, temprano y con frecuencia, para limitar el número de sorpresas desagradables en el futuro.
Y hay muchas sorpresas para todos. La mayoría se deriva de la naturaleza probabilística de la IA: los modelos pueden exhibir un aumento repentino en los errores, ya sea porque han alcanzado una extraña caja de esquina interna o el mundo exterior ha cambiado. Y eso es si incluso puedes hacer que trabajen en primer lugar. Al igual que una inversión financiera, la IA puede brindarle 10 veces el retorno o comer su dinero o cualquier cosa intermedia. Puede influir en ese resultado, pero no puede controlarlo: ninguna cantidad de gritos, cajoling o sesiones de todas partes puede obligar a un modelo a funcionar bien.
Luego están los nuevos riesgos que la IA trae a la mesa. Los modelos inevitablemente estarán equivocados de vez en cuando; ¿Cómo manejas eso? ¿Con qué frecuencia pueden estar equivocadas antes de encontrarse en agua caliente? ¿Tiene licencia para usar esos datos de capacitación para este propósito comercial específico? ¿Se le permite operar ese modelo en cada jurisdicción donde interactúa con sus usuarios finales?
Espere que algunas de esas preguntas legales estén en flujo por un tiempo. Puede ganar sentado en el área gris del arbitraje regulatorio, pero solo si está preparado para un pivote rápido cuando esos límites cambian. Y ese es solo el tribunal de justicia. También te enfrentas al Tribunal de Opinión Pública. Las prácticas de IA que se consideran espeluznantes o invasivas pueden desencadenar una reacción pública. (Sugerencia: es posible que desee evitar el reconocimiento facial por ahora).
Notarás cuánto terreno he cubierto antes de hablar de contratación. Tomar IA a una empresa significa que tiene nuevos roles para llenar (científico de datos, ingeniero de ML), así como nuevos conocimientos para rellenar los roles existentes (productos, OPS). Las empresas que comienzan su viaje de IA contratando a los científicos de datos se están saltando mucho trabajo de preparación, a su riesgo.
Corriendo la lista de lecciones para AIAWS, hay vigilancia. AI es un paisaje cambiante. No hay un enfoque viable de “Establecer y olvídalo”. Los roles, la estrategia y la ejecución requieren una revisión y ajuste periódicos.
Un punto débil fuerte
Las AIAW que ejecutan tiendas de desarrollo de software program fuertes están, contraintuitivamente, listos para aprender estas lecciones de la manera difícil.
Esa fuerza del software program se duplica como su debilidad de IA. Dado que el desarrollo de aplicaciones y la IA implican el código de escritura, sobreestiman la superposición entre los dos. Conocemos a Python. Todas estas cosas de IA es Python. ¿Qué tan difícil podría ser?
Estas empresas adoptan AI de la misma manera que algunos desarrolladores se mueven a un nuevo lenguaje de programación: aferrarse a la mentalidad de lo antiguo. Su código puede pasar al intérprete de Python, pero son todas las construcciones de Java. Python con sabor a Java es difícil de soportar y no aprovecha al máximo lo que Pythonic Python tiene para ofrecer.
Entonces, ¿qué es la IA con sabor a desarrollo de software program? Es el CEO quien asume que, al usar una common API LLM u otro producto de AI-As-Service (AIAA), no necesitarán ninguna experiencia de IA interna. Es el líder del producto quien anuncia características respaldadas por IA antes de que los modelos se hayan demostrado. O espera la consistencia de comportamiento del software program una vez que los modelos estén en servicio. Es el CTO el que está tan muerto para que sus esfuerzos de IA se ajusten a ágiles que nunca buscan las mejores prácticas específicas de AI. Esta persona es el desarrollador principal, que cree que su modelo está listo para el horario estelar porque ha seguido el tutorial de TensorFlow.
En basic, es la compañía la que avanza en la IA a alta velocidad, impulsada por una autoconfianza que sobrepasa su horizonte de conocimiento. Esta arrogancia inyecta frustración innecesaria y exposición al riesgo en sus esfuerzos de IA.
La parte divertida es que esta tripulación podría obtener un producto de IA por la puerta. Pero no se darán cuenta de la dura verdad: solo porque carreras no lo significa obras.
Al menos, no se darán cuenta hasta después de que la aplicación habilitada para la AI interactúe con los clientes y impulse los procesos comerciales. Los problemas inevitables serán mucho más difíciles de abordar en ese momento.
El futuro es el pasado de nuevo
De hecho, dibujé la primera parte de este artículo hace varios años. En aquel entonces, se centró en las empresas que entran en software program personalizado. Period inquietante encontrarse con el antiguo esquema y ver la misma historia jugando en el mundo de la IA de hoy.
Irónicamente, los AIAW que son mejores para crear software program para aprender más. Primero necesitan desaprender ciertas prácticas de software program para crear soluciones de IA utilizando una mentalidad de IA. Pero una vez que estas empresas realmente adoptan las mejores prácticas de la IA, también están posicionadas para las mayores victorias. Ya entienden concepts como tiempo de actividad, implementación, management de versiones y monitoreo, que es todo lo que se requiere una vez que mueve el modelo de I + D y en la producción.
El 8 de mayo, O’Reilly Media se alojará Codificación con AI: el closing del desarrollo de software program tal como lo conocemos—Na conferencia de tecnología digital en vivo que destaca cómo la IA ya está sobrealimentando a los desarrolladores, impulsando la productividad y proporcionando valor actual a sus organizaciones. Si está en las trincheras que edifican las prácticas de desarrollo del mañana hoy y está interesado en hablar en el evento, nos encantaría saber de usted antes del 12 de marzo. Puede encontrar más información y nuestra llamada para presentaciones. aquí. ¿Solo quieres asistir? Regístrese free of charge aquí.
