قبل از کد: نقشهٔ محصول

وسوسه‌انگیز است که مستقیم بپرید سر کد. اگر برای یادگیری و تفریح است، حتماً بپرید. اگر قرار است محصول واقعی بسازید، این درس جلوی هدررفتن ماه‌ها وقتتان را می‌گیرد.

سؤال اول: اصلاً چرا؟

ساختن یک اپلیکیشن هوش مصنوعی، مثل هر تصمیم کسب‌وکاری دیگر، پاسخی است به یک ریسک یا یک فرصت. سه سطح انگیزه وجود دارد، از پرفشارترین تا آرام‌ترین:

1. بقا: اگر این کار را نکنم، رقیبی که هوش مصنوعی دارد مرا از دور خارج می‌کند. رایج در کارهای مبتنی بر پردازش سند و اطلاعات — تحلیل مالی، بیمه — و کارهای خلاقانه مثل تبلیغات و طراحی وب.
2. سود و بهره‌وری: اگر این کار را نکنم، فرصت بهتر شدن را از دست می‌دهم. انگیزهٔ اکثر شرکت‌ها همین است.
3. نترسیدن از جاماندن: هنوز نمی‌دانم کجای کارم به درد می‌خورد، ولی نمی‌خواهم عقب بمانم. اگر توانش را دارید، بد نیست — ولی بدانید که همین است.

نقش هوش مصنوعی در محصول را مشخص کنید

سه محور وجود دارد که هر کدام مستقیماً روی سختی کار و سطح کیفیتی که لازم دارید اثر می‌گذارند:

انسان کجای کار است؟

این سؤال را تیم‌ها معمولاً دیر از خودشان می‌پرسند. برای یک چت‌بات پشتیبانی، سه حالت کاملاً متفاوت وجود دارد:

• هوش مصنوعی چند پاسخ پیشنهاد می‌دهد و انسان انتخاب و ویرایش می‌کند.
• هوش مصنوعی فقط به سؤال‌های ساده جواب می‌دهد و بقیه را به انسان ارجاع می‌دهد.
• هوش مصنوعی مستقیماً به همه جواب می‌دهد بدون دخالت انسان.

دخالت دادن انسان در تصمیم‌گیری هوش مصنوعی را انسان در حلقه (human-in-the-loop) می‌نامند. نکتهٔ مهم این است که این نقش قرار نیست ثابت بماند — قرار است به‌تدریج جلو برود.

موفقیت را عددی تعریف کنید

این مهم‌ترین قسمت این درس است. تا وقتی نتوانید بگویید «موفقیت یعنی این عدد به اینجا برسد»، نمی‌دانید کِی کار تمام شده و کِی باید بس کنید.

دو دستهٔ متفاوت سنجه لازم دارید:

• سنجه‌های کسب‌وکار — چه درصدی از پیام‌ها خودکار شود؟ چقدر سریع‌تر پاسخ دهیم؟ چقدر نیروی انسانی صرفه‌جویی شود؟
• آستانهٔ سودمندی — یعنی «چقدر خوب، یعنی به‌اندازهٔ کافی خوب برای اینکه جلوی کاربر بگذاریمش».

آستانهٔ سودمندی معمولاً از چند گروه سنجه تشکیل می‌شود: کیفیت پاسخ‌ها، تأخیر (شامل TTFT و TPOT و زمان کل)، هزینهٔ هر درخواست، و گاهی مواردی مثل انصاف و تفسیرپذیری.

برنامهٔ مرحله‌ای و نگهداری

بعد از تعیین هدف، باید بدانید از کجا شروع می‌کنید. اول مدل‌های موجود را ارزیابی کنید. اگر هدفتان خودکارسازی ۶۰٪ تیکت‌هاست و مدل آماده همین حالا ۳۰٪ را می‌زند، مسیر شما خیلی کوتاه‌تر از حالتی است که از صفر شروع کند.

و کار با رسیدن به هدف تمام نمی‌شود. این حوزه با سرعت عجیبی تغییر می‌کند و ساختن روی مدل‌های پایه یعنی سوار شدن بر همین قطار سریع. خیلی از تغییرات خوبند — طول متن قابل پردازش بیشتر می‌شود، کیفیت بالا می‌رود، قیمت‌ها پایین می‌آید. ولی حتی تغییر خوب هم اصطکاک ایجاد می‌کند:

• تصمیم می‌گیرید مدل را خودتان میزبانی کنید چون ارزان‌تر است؛ سه ماه بعد ارائه‌دهنده‌ها قیمتشان را نصف می‌کنند و انتخاب شما گران‌ترین گزینه می‌شود.
• روی یک راه‌حل شرکت ثالث سرمایه‌گذاری می‌کنید و زیرساختتان را دورش می‌چینید؛ آن شرکت سرمایه جذب نمی‌کند و تعطیل می‌شود.
• مدل جدیدی می‌آید که بهتر است، ولی پرامپت‌های شما با آن همان جواب را نمی‌دهند — و بدون زیرساخت نسخه‌بندی و ارزیابی، اصلاً نمی‌فهمید بهتر شده یا بدتر.

خودآزمایی

وارد شوید تا پیشرفتتان ذخیره شود و از همین‌جا ادامه دهید.