هر هفته ، یک شرکت دیگر ابتکار عمل خود را به نماینده هوش مصنوعی اعلام می کند. شش ماه بعد ، بیشتر این پروژه ها در خلبان خالص یا بی سر و صدا از هیئت های اجرایی ناپدید شدند. مقصر هوش مصنوعی نیست – این مدیریت محیط زیست است.
این چیزی است که ما آموخته ایم: شما می توانید باهوش ترین عوامل هوش مصنوعی در جهان داشته باشید ، اما اگر با اطمینان نمی توانید آنها را از توسعه به سمت تولید منتقل کنید ، آنها ارزش تجاری را ارائه نمی دهند. در حالی که تیم ها از داده های عملکرد و آموزش مدل برخوردار هستند ، آنها کار ناگفته را نادیده می گیرند ، که در واقع تعیین می کند که آیا عوامل AI موفق می شوند یا در مقیاس نیستند.
مدیریت محیط زیست فقط مربوط به داشتن توسعه دهنده ، آزمایش و تولید نیست. این در مورد ایجاد سیستمی است که به شما امکان می دهد عوامل هوش مصنوعی را با خیال راحت مستقر کنید ، سریع تکرار کنید و با افزایش پیچیدگی ، کنترل را حفظ کنید. بدون این بنیاد ، حتی ابتکارات امیدوار کننده برای دستیابی به پتانسیل های خود تلاش می کنند.
ضد الگوی مدیریت محیط زیست AI
بیشتر سازمان ها در چرخه های قابل پیش بینی از خرابی های محیطی هوش مصنوعی گرفتار می شوند. این ضد دستکاری در همه جا وجود دارد و شناخت آنها اولین قدم برای آزادی است.
1. رویکرد “استقرار و دعا”
شما این را دیده اید: تیم ها در توسعه عوامل هوش مصنوعی می سازند ، چندین آزمایش انجام می دهند و مستقیماً به تولید فشار می دهند. وقتی چیزی می شکند ، آنها نزاع می کنند تا بفهمند چه اشتباهی رخ داده است. این فقط خطرناک و بی پروا نیست.
عوامل هوش مصنوعی برنامه های سنتی نیستند. آنها تصمیم می گیرند ، با داده ها به صورت پویا تعامل دارند و بر اساس ورودی هایی که ارائه نکرده اید می توان متفاوت نگه داشت. بدون اعتبار مناسب محیطی ، می توانید به مشتری خود شرط بندی کنید.
امنیت از ابتدا
اطمینان حاصل کنید که هر عامل ، کاربرد ، فرآیند و فرآیند کاری که در حال ساختن آن هستید با ادغام امنیت از ابتدا محافظت می شود.
2. کابوس برای پیکربندی رانش
در اینجا اتفاق می افتد: عامل هوش مصنوعی شما کاملاً در توسعه کار می کند ، اما تولید دارای طرح های داده کمی متفاوت ، قوانین امنیتی یا مدل های ادغام است. عامل به روشهای ظریف که باعث سیگنال نمی شود ، شکست می خورد اما بی سر و صدا نتایج اشتباه را به دست می آورد.
هنگامی که عوامل هوش مصنوعی شما بر اساس تنظیمات راکد یا داده های غیر سازگار تصمیم گیری می کنند ، شما نه تنها تجربه بدی را ارائه می دهید. شما به طور بالقوه الزامات انطباق را نقض می کنید و اشتباهات گران می کنید. با استفاده از جعبه های ماسه ای با نسخه های کامل یا جزئی ، تیم ها می توانند با یک ماکت نزدیکتر از تولید (از جمله داده ها ، ابرداده ها و تنظیمات امنیتی) در تعامل باشند تا بتوانند رفتار AI را در محیطی که منعکس کننده واقعیت است ، آزمایش کند ، نه نزدیک تر.
3. دام برای اجرای دستی
برخی از تیم ها با ایجاد کتاب های دقیق کتاب و فرآیندهای دستی در تلاشند تا مدیریت محیط زیست را حل کنند. هر استقرار به یک تمرین چند ساعته مربوط می شود که شامل بسیاری از افراد ، لیست های کنترل گسترده و انگشتان دستبند شده است.
این رویکرد مقیاس نمی کند. هنگامی که استقرار عوامل هوش مصنوعی نیاز به تلاش قهرمانانه دارد ، شما نمی توانید به اندازه کافی سریع تکرار کنید تا رقابتی بمانید. تیم های مرکز DevOps می توانند از این تله بیرون بیایند. آنها به جای ردیابی دستی تغییرات در ارگا ، یک خط لوله مدرن و بصری دریافت می کنند که البته ابرداده ، کنترل منبع و گردش کار بر اساس یک تیم.
4. مدیریت به عنوان متفکر
بسیاری از سازمان ها با مدیریت محیط زیست به عنوان مستندات رفتار می کنند – چیزی که بعداً نگران آن است. آنها روی کار عوامل تمرکز می کنند و سپس سعی می کنند امنیت ، رعایت و مدیریت تغییر را پس از آن مقاوم سازند.
با وجود عوامل هوش مصنوعی ، این رویکرد پشتی به ویژه نگران کننده است. سیستم های هوش مصنوعی می توانند به داده های حساس دسترسی داشته باشند ، تصمیمات خودمختار بگیرند و با مشتریان به روش هایی که برنامه های سنتی هرگز نتوانستند تعامل داشته باشند. مدیریت ساختمان در مدیریت محیط زیست از روز اول بسیار مهم است.
در واقع آنچه AI آماده برای مدیریت است در واقع ike به نظر می رسد
سازمان هایی که AI را اداره می کنند نه تنها محیط را بهتر مدیریت می کنند بلکه متفاوت فکر می کنند. در اینجا به نظر می رسد که به نظر می رسد.
طراحی محیطی آشنا با داده ها
مدیریت سنتی محیط زیست نشان می دهد که کد تنها چیزی است که تغییر می کند. عوامل هوش مصنوعی به داده ها ، مدل ها و منطق تجارت بستگی دارند که همه به طور مستقل توسعه می یابند. استراتژی زیست محیطی شما باید این پیچیدگی را در نظر بگیرد.
تیم های هوشمند از محیط هایی استفاده می کنند که خط داده ، نسخه های مدل و اتصالات بین آنها را درک می کنند. هنگامی که رفتار عامل AI به داده های آموزش ، داده های مشتری و قوانین تجاری بستگی دارد ، محیط های آزمایشی شما باید این اعتیاد را منعکس کنند.
لرزش به
پیشرفت
در گزارش چهارم IT به داده ها و جذب کلیدی بیش از 4000 رهبر IT نگاهی بیندازید.
اجرای مترقی برای بارگیری هوش مصنوعی
نمایندگان هوش مصنوعی به استراتژی های اجرای نیاز دارند که هزینه های تدریجی و اعتبار سنجی زمان واقعی را در نظر می گیرند. یعنی:
- Canary قبل از استقرار کامل این رفتار عامل آزمایش را با کاربران واقعی راه اندازی می کند
- پرچم های ویژگی ای که به شما امکان می دهد بدون توجه به نسخه های کد ، قابلیت های عامل را کنترل کنید
- استراتژی هایی را برگردانید که می توانند به سرعت نه تنها کد را برگردانند بلکه نسخه ها و تنظیمات را نیز مدل می کنند
- نظارت بر اثربخشی که کیفیت راه حل ها را نشان می دهد ، نه فقط برای پیشرفت سیستم
امنیت و انطباق با طراحی
عوامل هوش مصنوعی غالباً به داده های حساس تر دسترسی دارند و نسبت به برنامه های سنتی تصمیمات تأثیرگذارتر می گیرند. مدیریت محیط زیست شما باید امنیت و رعایت هر مرحله را تحمیل کند. این شامل مدیریت داده های شناسایی است که در محیط ها کار می کند ، کنترل دسترسی به داده هایی که به نمایندگان اجازه نمی دهد اطلاعاتی را که نباید نباشند ، و ردیابی حسابرسی که نه تنها آنچه را که نمایندگان انجام داده اند نظارت کنند ، بلکه به همین دلیل این کار را انجام می دهند.
مدیریت محیط زیست با بستر Salesforce
این جایی است که بیشتر تیم ها سقوط می کنند: آنها در تلاشند تا AI را برای مدیریت محیط در بالای سیستم عامل هایی که برای آن طراحی نشده اند ، بسازند. این مانند تلاش برای راه اندازی برنامه های وب مدرن در زیرساخت های اصلی: از نظر فنی ممکن اما غیر ضروری پیچیده است.
به این فکر کنید که هنگام ساختن یک عامل در سکوی Salesforce چه اتفاقی می افتد. جعبه های توسعه شنی شما به طور خودکار مدل داده تولید ORG ، تنظیمات امنیتی و مدل های ادغام را به ارث می برند. این باعث می شود که رانش پیکربندی که بیشتر AI را از بین می برد ، از بین می برد.
به جای دوختن اسکریپت های سفارشی CI/CD ، مرکز DevOps به تیم ها اجازه می دهد تا تغییرات را در محیط هایی با یک منبع کنترل ساخته شده ، ردیابی و پیاده سازی کنند – اعتماد به نفس و سرعت را به تیم های پلتفرم بدهید. شما باید نماینده خود را در برابر منطق و داده های دنیای واقعی آزمایش کنید؟ Salesforce Sandboxes به شما امکان می دهد شرایط تولید را بدون به خطر انداختن داده های زنده یا اشتباهات زنده در معرض خطر قرار دهید.
لایه حاکم نیز ساخته شده است. دنباله حسابرسی میدانی هرگونه تغییر در محیط را ردیابی می کند. ردیابی تاریخچه زمینه به شما نشان می دهد که چگونه تغییرات در داده ها بر رفتار عامل تأثیر می گذارد. اینها ابزارهای جداگانه ای برای ادغام نیستند-این قدرت ابزارهای حامل پلتفرم است.
تأثیر واقعی مدیریت ضعیف محیط زیست
مدیریت ناکافی محیط زیست نه تنها پروژه های پروژه را کند می کند – این پتانسیل آنها را محدود می کند. هنگامی که تیم ها نمی توانند با اطمینان از عوامل مستقر شوند ، اعتماد به نفس و ابتکارات خود را از دست می دهند. هنگامی که مدیریت یک نتیجه است ، تیم های انطباق پرچم های قرمز را بالا می برند. هنگامی که امنیت به روز می شود ، آسیب پذیری ها به خطرات تجاری تبدیل می شوند.
سازمانهایی که اصلی ترین مدیریت محیط زیست هستند ، نه تنها مأمورین را سریعتر تأمین می کنند ، بلکه با اطمینان بیشتری برای آنها ارسال می کنند. آنها می توانند به جای سه ماهه ، هفتگی را تکرار کنند زیرا به روند اجرای اعتماد دارند. آنها می توانند در واحدهای تجاری مقیاس بندی کنند زیرا مدیریت آنها ساخته شده است ، ثابت نیست.
مدیریت محیط زیست مزیت رقابتی شما
بیشتر تیم ها با مدیریت محیط زیست به عنوان مالیات فنی رفتار می کنند – کاری که برای انجام کار واقعی خود باید انجام دهند. تیم های با بهره وری بالا آن را به عنوان یک توانایی استراتژیک تشخیص می دهند که تعیین می کند که چگونه می توانند با خیال راحت نوآوری کنند.
تفاوت در نحوه برخورد آنها با به روزرسانی های عامل AI نشان داده شده است. آنها به جای اینکه امیدوار باشند تغییرات در تولید کار کنند ، اعتماد به نفس دارند زیرا خط لوله محیطی آنها رفتار عامل را در شرایط واقعی تأیید می کند. آنها زودتر مشکلات را به خود جلب می کنند زیرا محیط های آزمایشی آنها پیچیدگی تولید را شبیه سازی می کند.
این فقط مربوط به داشتن ابزارهای بهتر نیست -این یک سیستم بهتر است. هنگامی که مدیریت محیط زیست شما برای بارگیری هوش مصنوعی در نظر گرفته شده است ، تیم شما می تواند به جای مدیریت زیرساخت ها ، روی ایجاد اطلاعات تمرکز کند.
به سرعت با جعبه های شن و ماسه Salesforce به سرعت
سه ویژگی مدیریت تغییر ایمن و مؤثر را بیاموزید – به علاوه سایر شیوه های مفید برای توسعه ، امنیت و عملیات.
