Levering af AI-projekter

Læs transskriptionen:

Vi prøver at transskribere vores podcasts ved hjælp af et softwareprogram. Bær over med eventuelle tastefejl, da botten ikke er korrekt 100 % af tiden.

Galen Low: Du har haft de drømme igen. Du ved, den hvor alle andre projektledere på dit team er cyborger? Eller den hvor AI-produktet, som dit team bygger, bliver selvbevidst og gør menneskeheden til slaver?

Slap af.

Kunstig intelligens er ganske vist et varmt emne i disse dage, men det er noget, der har eksisteret i en eller anden form i årtier. Og det er overalt omkring dig: Den foreslår formuleringer til dine e-mails, anbefaler videoer til dig og finder den bedste rute til arbejde.

Men ja, det er et stort ansvar at levere projekter, der involverer AI, og helt ærligt er det uundgåeligt. Og som med enhver teknologi i hastig udvikling er det ikke alle projekter, der er bestemt til at lykkes. Så ... det pres, du føler, er både gyldigt og reelt.

Hvis du er en person, der prøver at forstå kunstig intelligens og den måde, den vil påvirke digital projektledelse på, er dagens episode noget for dig. Vi vil se nærmere på årsagerne til, at AI-projekter mislykkes, og hvad vi som projektledere kan gøre for at give vores AI-relaterede projekter de bedste chancer for succes.

Hej alle sammen, og tak fordi I lytter med. Mit navn er Galen Low fra Digital Project Manager. Vi er et fællesskab af digitale fagfolk, der har til formål at hjælpe hinanden med at blive dygtigere, mere selvsikre og bedre forbundet, så vi kan øge værdien af projektledelse i en digital verden. Hvis du vil høre mere om det, så gå til thedigitalprojectmanager.com.

I dag taler vi om projekter, der involverer kunstig intelligens, og om hvordan agile metoder kan hjælpe med at håndtere nogle af kompleksiteterne ved at skabe et AI-baseret produkt.

Med mig i dag har jeg Kathleen Walch og Ron Schmelzer, de administrerende partnere og ledende analytikere bag Cognilytica samt værterne på AI Today — en podcast, der fokuserer på praktiske indsigter fra den virkelige verden om, hvad der sker inden for kunstig intelligens.

Kathleen, Ronald, velkommen!

Ronald Schmelzer: Tak, fordi I havde os med.

Kathleen Walch: Ja, vi er meget glade for at være her.

Galen Low: Det er fantastisk at have jer med i programmet. Til jer, der lytter, sad vi lige og nørdede med podcasts, fordi Ron og Kathleen har lavet podcasts om AI i hvad, seks år nu?

Kathleen Walch: Næsten, ja.

Galen Low: Så jeg har suget alle deres tips og hemmeligheder til mig, og jeg føler mig en smule presset.

Jeg føler mig lidt usikker, men jeg tænkte, at vi ville kaste os direkte ud i det. AI er et meget interessant emne lige nu i projektledelsesverdenen — måske i hele verden. Jeres podcast har masser af lyttere. Alle prøver virkelig at holde fingeren på pulsen i forhold til dette område, der bevæger sig meget hurtigt og generelt er noget misforstået.

Men før vi går videre, vil I så fortælle lidt om Cognilytica? Hvad fik jer til at skabe organisationen, og hvordan hjælper I folk med at navigere i kunstig intelligens?

Kathleen Walch: Selvfølgelig. Cognilytica har eksisteret omtrent lige så længe som vores podcast, siden 2017. Det begyndte, fordi Ron og jeg tidligere havde arbejdet sammen i en virksomhed, der hed Tech Breakfast, og som primært var et morgenarrangement med demonstrationer.

Det var meget entreprenant og ikke nødvendigvis fokuseret på AI, men på teknologi generelt. Formålet var at fremvise og fremhæve, hvad der foregik i forskellige regioner i USA. Vi var omkring 12 steder, fra Boston til New York, Washington D.C.-området og det nordlige Virginia og Maryland. Vi havde også nogle arrangementer i Texas, North Carolina og naturligvis Silicon Valley.

Fra Tech Breakfast begyndte vi faktisk at se meget aktivitet inden for især stemmeassistenter og stemmeteknologi. Og vi tænkte, at der måske var noget her. Det var begyndelsen på Cognilytica. Cognilytica startede som et AI-fokuseret firma inden for forskning, rådgivning og uddannelse. Det, vi hurtigt indså, var, at folk, der arbejdede med AI, ikke altid gjorde det korrekt.

Så vi fandt ud af, at folk ikke gennemførte AI-projekter rigtigt, og at fejlprocenten var høj. Derfor sagde vi: Lad os træde et skridt tilbage, forstå hvad der foregår, og finde ud af, hvorfor det sker. På vores podcast har vi faktisk en serie om AI-fejl, der gennemgår almindelige årsager til, at AI-projekter mislykkes.

Det kan handle om problemer med datakvalitet og datamængde. Måske er investeringsafkastet ikke nødvendigvis til stede. Folk vil lave AI bare for at lave AI. En anden stor årsag var, at folk af en eller anden grund lover for meget og leverer for lidt. De lover for meget om, hvad AI kan gøre, bliver begejstrede for teknologien og leverer derefter for lidt, fordi projektet måske var uden for rammerne.

De har måske påtaget sig mere, end de kunne håndtere. Derfor sagde vi, at vi var nødt til at fokusere på grundlæggende uddannelse og virkelig vise og lære folk, hvordan man gør AI rigtigt, herunder ved at følge bedste praksis og metoder.

Ronald Schmelzer: En fantastisk introduktion.

Jeg hedder Ron Schmelzer og er også administrerende partner hos Cognilytica. En af de ting, vi fandt, og en del af årsagen til, at podcasten voksede så meget, er, at vi bruger meget af vores tid på begreber, forklaringer og selv terminologi.

Noget af det er forvirrende. Som vi siger, er noget af det næsten med vilje forvirrende. Vi bruger de samme ord til at betyde forskellige ting og forskellige ord til at betyde det samme, fordi kunstig intelligens faktisk består af en samling relaterede, men forskellige fællesskaber.

Galen Low: Det er interessant, at du nævner, at kunstig intelligens har sin oprindelse i 1950'erne. Jeg forestiller mig noget af denne science fiction-teknologi, der først kommer fra fiktion og derefter bliver til virkelighed.

Ronald Schmelzer: Ja, og vi ser faktisk dette nu. En af virksomhederne inden for selvkørende køretøjer er netop gået konkurs. Det handler om, hvordan man forbinder teknologien med den forretningsmæssige effekt, den skal skabe.

Kathleen Walch: Når folk taler om AI, kan de tale om to forskellige ting. Det kan være chatbots, selvkørende køretøjer eller noget andet som for eksempel prædiktiv vedligeholdelse. De falder alle under den generelle kategori AI, men de er ikke det samme.

Derfor udviklede vi de syv AI-mønstre, fordi alle de projekter, vi har set, falder ind under et eller flere af disse syv mønstre. På et højt niveau er de konversationssystemer, autonome systemer, genkendelse, måldrevne systemer, mønstre og anomalier, hyperpersonalisering og prædiktiv analyse.

Galen Low: Jeg kan godt lide ordet mønstre. Jeg tænkte oprindeligt på mønstre som computere, tendenser og udviklinger, men det er næsten mere som syning, ikke? Man har et mønster til en kjole og et andet mønster til et par bukser, og det hjælper med at lede en i en bestemt retning.

Ronald Schmelzer: Ja, mønster er et af de engelske ord, vi bruger på en særlig, generel måde. Det er faktisk ikke et dårligt mentalt billede. Når vi får maskinlæringssystemer til at lære fra data, er alle disse ting i praksis former for mønstergenkendelse.

Men mønsteret betyder noget. Hvis jeg prøver at lære et sprogmønster, kan jeg ikke anvende den model til billedgenkendelse. Der findes en overordnet idé inden for kunstig intelligens, som kaldes kunstig generel intelligens, men i dag arbejder vi primært med snæver AI, hvor vi forsøger at løse individuelle mønstre.

Galen Low: Det gør det endnu mere fascinerende. Vi forstår ikke alt om, hvordan en hjerne fungerer, og alligevel forsøger vi at bygge den stykke for stykke.

Ronald Schmelzer: Den vigtigste forskel er, at AI-systemer er helt afhængige af data. Et maskinlæringssystem lærer alt fra data. Selv hvis to personer bygger præcis den samme chatbot med den samme teknologi, kan de få helt forskellige resultater, hvis de bruger forskellige træningsdata.

Kathleen Walch: Hvis man vil gennemføre et datacentreret projekt, skal man have den rette datatankegang samt dataspecifikke metoder og praksisser. Vi anbefaler CPMAI-metoden, altså kognitiv projektledelse for AI.

Galen Low: Hvordan kan projektledere lære nok om AI til at stille de rigtige spørgsmål?

Kathleen Walch: Det er en vigtig grund til, at vi har udviklet CPMAI-uddannelsen og certificeringen. Den er til folk, der måske ikke har en dyb baggrund inden for kunstig intelligens, maskinlæring eller avanceret matematik. Vi har også et gratis introduktionskursus til CPMAI på AItoday.live/cpmai.

Galen Low: Fantastisk. Ron, Kathleen, tusind tak fordi I deltog i programmet. Det var både sjovt og meget indsigtsfuldt.

Kathleen Walch: Tak. Det har været rigtig sjovt.

Galen Low: Hvad synes du?

Kræver ledelse af et kunstig intelligens-projekt en særlig tilgang for at lykkes? Eller er et projekt bare et projekt med de samme udfordringer som alle andre?

Fortæl os en historie: Hvornår har et AI-drevet værktøj eller en AI-drevet teknologi kastet en kæp i hjulet på dit projekt? Og hvordan løste du det?

Hvis du vil styrke dine færdigheder som strategisk projektleder, så kom med i vores fællesskab!

Gå til thedigitalprojectmanager.com/membership for at få adgang til et støttende fællesskab, der deler viden, løser komplekse udfordringer og sammen former fremtiden for vores fag.

Fra robuste skabeloner og månedlige træningssessioner, der sparer dig tid og energi, til den kollegiale støtte gennem vores Slack-diskussioner, livebegivenheder og mastermind-grupper betyder et medlemskab af vores fællesskab, at du har mere end tusind mennesker i ryggen, mens du navigerer i din karriere inden for digital projektlevering.

Hvis du kunne lide det, du hørte i dag, så abonnér og hold kontakten på thedigitalprojectmanager.com.

Indtil næste gang — tak fordi du lyttede.