Czym jest szablon mapowania wymagań AI?
Szablon do wspólnego planowania, który pomaga zespołom określić, czego potrzebuje rozwiązanie AI, zanim rozpoczną się prace rozwojowe. Warsztat prowadzi uczestników przez cele AI, potrzeby dotyczące danych, przetwarzanie wstępne i etykietowanie, wybór modelu, trenowanie i dostrajanie (fine-tuning), ewaluację oraz wdrożenie.
Jakie problemy rozwiązuje szablon mapowania wymagań AI?
Niejasne zastosowania AI
Słabo zdefiniowane cele biznesowe
Brak wymagań dotyczących danych
Niewystarczające kryteria wyboru modelu
Plany treningowe bez jasnych kryteriów walidacji
Ryzyka wdrożenia wykrywane zbyt późno
Słaba współpraca między zespołami produktowymi, danych, inżynierii i biznesu
Jak korzystać ze szablonu mapowania wymagań AI
Rozpocznij od zdefiniowania przypadku użycia AI i oczekiwanego rezultatu biznesowego.
Określ cele projektu i kryteria sukcesu.
Udokumentuj źródła danych, ich jakość, dostęp oraz potrzeby związane z przygotowaniem danych.
Zmapuj wymagania dotyczące wstępnego przetwarzania i etykietowania.
Porównaj możliwe podejścia do modelu i wybierz to, które najlepiej pasuje do przypadku użycia.
Określ wymagania dotyczące treningu, dostrajania, testowania i oceny.
Na koniec udokumentuj potrzeby wdrożeniowe, wymagania dotyczące monitorowania, zasady zarządzania i obowiązki po wdrożeniu.
Typowe pułapki
Zaczynanie od wyboru modelu zamiast od zdefiniowania problemu
Korzystanie z danych bez sprawdzenia ich jakości lub dostępu
Pominięcie wymagań dotyczących etykietowania lub wstępnego przetwarzania
Wybór metryk ewaluacyjnych, które nie odpowiadają przypadkowi użycia
Traktowanie wydajności modelu jako jedynego miernika sukcesu
Ignorowanie potrzeb związanych z wdrożeniem, monitorowaniem lub zarządzaniem
Jak unikać błędów
Najpierw określ cel biznesowy.
Ujawnij założenia dotyczące danych.
Na wczesnym etapie sprawdź ograniczenia dotyczące prywatności, bezpieczeństwa i dostępu.
Dopasuj ewaluację modelu do rzeczywistego efektu dla użytkownika.
Testuj na reprezentatywnych danych.
Udokumentuj wymagania dotyczące wdrożenia i monitorowania przed uruchomieniem.
Uwzględnij wkład zespołów produktowych, ds. danych, inżynieryjnych i biznesowych.
Funkcje Miro, których możesz użyć
Frames dla każdego etapu warsztatu
Sticky notes do zapisu wymagań i otwartych pytań
Tables do porównań modeli i danych
Tags do oznaczania priorytetu, odpowiedzialności i ryzyka
Comments do dyskusji technicznej
Kolorowe oznaczenia dla tematów: dane, modele, ewaluacja i wdrożenie
Voting do priorytetyzacji modeli lub wymagań
Łączniki do pokazywania zależności między etapami
Najczęściej zadawane pytania
P: Kto może skorzystać z tego szablonu?O: Menedżerowie produktu, analitycy danych, inżynierowie uczenia maszynowego, inżynierowie oprogramowania, liderzy AI, badacze, zespoły ds. zgodności oraz międzyfunkcyjne zespoły produktowe zajmujące się AI.
P: Kiedy należy użyć tego szablonu?O: Użyj go podczas wczesnego odkrywania zastosowań AI, przed rozwojem modelu, przy ocenie nowej funkcji AI lub podczas przeglądu istniejącego systemu AI.
P: Jakie wymagania dotyczące danych należy uwzględnić?O: Źródła danych, jakość, ilość, dostęp do nich, potrzeby w zakresie etykietowania, wstępne przetwarzanie, prywatność oraz znane ograniczenia.
P: Czy szablon obsługuje ocenę modeli?O: Tak. Jedna sekcja jest poświęcona definiowaniu kryteriów oceny i porównywaniu wyników modeli z zamierzonym przypadkiem użycia.
P: Czy ten szablon nadaje się do projektów generatywnej AI?O: Tak. Można go dostosować do modeli predykcyjnych, systemów rekomendacyjnych, generatywnej AI, klasyfikatorów, asystentów i innych produktów wykorzystujących AI.
P: Co powinno być uwzględnione w planowaniu wdrożenia?O: Sposób integracji, monitoring, mechanizmy awaryjne (fallback), zarządzanie, odpowiedzialność, bezpieczeństwo, utrzymanie i przegląd po uruchomieniu.
P: Co uczestnicy otrzymają?O: Opracowany plan wymagań AI obejmujący cele, dane, przygotowanie, podejście do modelu, trenowanie, ewaluację, wdrożenie i kluczowe ryzyka.
