На что обратить внимание при выборе технологического стека для вашей команды, зависит от того, где решение на базе искусственного интеллекта лучше всего вписывается в ее рабочий процесс, пишет на портале InformationWeek Пьер Дебуа, основатель консалтинговой компании Zimana.

За последние несколько лет данные стали новой нефтью, а ИИ сейчас является источником наибольшего интереса. Естественно, «нефтяная вышка» компании — ее технологический стек — должна адаптироваться к новым возможностям.

Но что должны выбрать менеджеры для корректировки своего технологического стека? Следует ли полностью его заменить?

Выбор быстро становится огромным. В сезон конференций технологические гиганты анонсируют свои новейшие решения, включающие функции на основе ИИ. Многие из них призваны усилить роль использования данных в экосистемах, которыми управляют технологические стеки. Данные — это инженерный продукт, и для извлечения из них нужной ценности необходимо разрабатывать стратегии.

Но даже наличие большого бюджета для покупки технологий не избавляет менеджеров от необходимости выбора технологического стека, который обеспечит ценность наилучшим образом. Руководители иногда инвестируют в ПО в последний момент, чтобы поддерживать уровень бюджетирования. Это приводит к покупке облачных или десктопных решений, которые предлагают ограниченные возможности. В результате получается стек, в котором данные используются фрагментарно, а не унифицированное управление данными делает дорогостоящей разработку единого источника истины на основе данных.

Конечная цель технологического стека — обеспечить простоту взаимодействия между бизнес-командами, быстро проводить анализ и облегчить поддержку визуализации данных. Для получения таких результатов теперь требуются общие форматы и протоколы обмена данными. Но не каждое решение хорошо работает с определенным набором протоколов и приложений.

Текущая шумиха вокруг ИИ привлекла внимание менеджеров. Последние обновления ИИ-инструментов сделали доступными API для создания софтверных плагинов и программной интеграции в приложения. Эти обновления позволяют компаниям использовать возможности ИИ по генерации текстов, которая сочетает фразы, изображения и данные для создания решений, соответствующих подсказкам. Руководители открывают для себя сценарии использования новейших платформ ИИ в виде чатботов, позволяющих генерации текста отвечать на вопросы после изучения мультимедийных данных и запросов пользователей. Возможность использовать генерацию текста — это серьезный переход на новый уровень по сравнению с машинным обучением на основе методов классификации, которое до сих пор использовалось в технологических стеках.

Теперь менеджеры задаются вопросом, как результаты ИИ будут работать в рамках рабочего процесса, поддерживаемого технологическим стеком. Сегодня большие ставки делаются на внедрение больших языковых моделей (LLM) в ИИ-инструменты. Они способны избавить перегруженных специалистов от ряда задач. Все, что поможет лучше сфокусироваться, важно как никогда.

Как выбрать технологический стек для ИИ

Итак, на что должны обратить внимание бизнес- и ИТ-руководители при выборе технологического стека? Технологический стек должен соединять синтаксис — программирование, которое объединяет данные вместе — с полезностью для пользователей через интерфейс, который делает информацию доступной.

Следующие четыре вопроса подчеркивают, на что должно быть обращено внимание при принятии решения о техническом стеке:

  • Насколько хорошо организованы потоки данных внутри стека?
  • Насколько сильны болевые точки для заинтересованных сторон в рамках стека?
  • Насколько проста интеграция в случае выбора нового технологического стека или добавления нового решения?
  • Насколько легко нетехническим командам использовать функции стека, особенно подсказки, если в интерфейсах используется ИИ?

То, насколько хорошо стек соответствует положительным ответам на эти вопросы, зависит от того, насколько хорошо управляется доступ к данным на уровне приложений, файлов и хранилищ. Уровень приложений — это то, что видит пользователь во внешних приложениях и облачных пользовательских интерфейсах, которые предоставляют доступ к решениям. Файловый уровень — это различные способы доступа к файловым бэкапам, например, контроль версий. Уровень хранения — это то, где данные хранятся до запроса на уровне приложений. Эффективное управление данными в этих областях — вот что делает технологический стек ценным.

ИИ может улучшить работу технологического стека на этих уровнях различными способами, например, предложить аналитикам данных систему тегов для организации их моделей данных и информационных панелей, чтобы заинтересованные стороны могли легко ориентироваться в этих продуктах данных.

Модели ценообразования для LLM: что следует учитывать

Одним из аспектов, который следует учитывать при рассмотрении любых функций стека, является ценообразование. Поскольку многие решения пытаются быстро добавить ИИ, они полагаются на API от основных поставщиков LLM. Некоторые платформы LLM взимают плату за вызов данных через API или за предоставление эксклюзивных премиум-услуг, таких как гарантированное время бесперебойной работы. ChatGPT Plus, например, обходится в 20 долл. в месяц; за эти деньги пользователи получают лучшее время безотказной работы и доступ к плагинам, расширяющим функциональность. Даже производители единичных решений с небольшим присутствием на рынке ИИ будут вводить премиальные цены. Так, Evernote, приложение для ведения заметок, вводит улучшенную благодаря функцию поиска исключительно для своих подписчиков, но при этом объявляет о повышении стоимости подписки с 10,99 до 17,99 долл.

Менеджерам необходимо в ходе внедрения следить за ценообразованием, чтобы понимать, извлекают ли они истинную выгоду из внедряемых функций.

Многие ИИ-продукты будут появляться в виде минимально жизнеспособных продуктов (MVP). Это означает, что их функции выполняют единственную цель или имеют ограничения. Менеджерам не стоит чрезмерно углубляться при выборе функций ИИ — если описание функции не поражает воображение тем, как решение может улучшить административный рабочий процесс, то следует поискать лучшие варианты.

Перед руководителями ИТ-проектов стоит та же задача в отношении инструментов с поддержкой ИИ, что и в отношении всех других решений — всегда искать инструменты, которые улучшают целостное рабочее взаимодействие и соответствуют приоритетам организации. В противном случае происходит низкое внедрение стека на уровне сотрудников, что ведет к потенциально низкой рентабельности инвестиций в стек и его раздуванию — решения становятся накладными расходами из-за низкого уровня использования.

Если менеджеры стремятся стать «золотоискателями» в эпоху ИИ, они должны больше задаваться вопросом о том, как эта возможность наилучшим образом послужит их организации в долгосрочной перспективе.