كيف تُقدّر ميزات الذكاء الاصطناعي: إطار عملي لفِرَق المنتج

تقدير ميزة CRUD عادة. تقدير ميزة ذكاء اصطناعي جدال. النموذج يعمل في الديمو، يفشل ٨٪ في الاستخدام الحقيقي، وتلك الـ٨٪ بالضبط هي حيث يعيش المستخدمون. هذا الإطار الذي نستخدمه الآن قبل أن نُعطي العميل رقماً لأيّ ميزة AI.

المحاور الثلاثة في تقدير ميزات AI

كلّ ميزة AI يُطلب منّا تقديرها نضعها على ثلاثة محاور. احتمال الدقّة — كم خطأً يُحتمَل قبل أن يهتمّ المستخدم. قابلية التعافي — إن أخطأ النموذج، كم يكلّف التعافي. انكشاف البيانات — ما الذي يجب أن يراه النموذج، وما نصف قطر الانفجار عند التسريب.

المصفوفة ليست لعبة تسجيل نقاط. ميزتان بمسار نجاح متطابق قد تفترقان بمقدار ثلاثة أضعاف بمجرد أن يجلس التعافي وانكشاف البيانات على الصفحة نفسها مع الدقة.

وُلد هذا الإطار من تقديرات أخطأنا فيها، لا من جلسة أمام اللوح. المقطع أدناه هو الاستوديو الذي تجري فيه هذه المراجعات.

ما أخطأنا فيه في تقدير AI

عامنا الأوّل من تقديرات AI كان في الأساس تقديرات برمجية زائد معامل احتياطي. قدّرنا الطريق السعيد، ضربنا في ١٫٥ وأنهينا. ضاعت علينا باستمرار منصّة التقييم، واجهة الاحتياط، ومسار human-in-the-loop. لا شيء منها اختياري في الإنتاج؛ كلّها غير مرئية في الديمو.

قالب الصفحة الواحدة الذي نستخدمه لكل ميزة AI

لكل ميزة AI جديدة وثيقة من صفحة واحدة: تعريف المهمّة في فقرة، أرضية الدقّة كرقم واحد، واجهة الاحتياط في رسمَين، مسار human-in-the-loop كمخطّط، بصمة البيانات كقائمة نقاط. إن كان أحد الخمسة ضبابياً — الميزة غير جاهزة للتقدير.