Jaký problém řeší opětné využití (reuse), když se práce s umělou inteligencí začíná rozšiřovat po celé firmě?
Odpověď je jednoduchá. Týmů často přestavují tytéž části znovu a znovu. Jedna skupina napíše datový potrubí (pipeline). Jiná skupina o šest měsíců později napíše podobné. Třetí tým zabalí model do nového API, i když firma už má takové, které tuto práci odvede.
Tento vzorec na první pohled vypadá rychle. Není tomu tak. Vytváří duplicitní úsilí, dlouhé předávání prací a tichý odpad. Byznys platí za stejnou práci mnohokrát, ale dostane vraceno jen málo nové kapacity.
Opětné využití to napravuje tím, že promění jeden dobrý aktivum ve mnoho užitečných. Opětovně použitelné aktivum je postaveno jednou, dobře zdokumentováno a navrženo tak, aby bylo sdíleno. Řeší dnešní problém a zároveň se stavebním kamenem pro další projekt.
Co by mělo být využito jako první
V enterprise práci s AI jsou nejdůležitější tři druhy aktiv.
Prvním je datové potrubí. Toto je logika, která přináší surová data, tvaruje je, kontroluje je a činí je použitelnými. Když je potrubí postaveno jako sdílené aktivum, týmy nemusí trávit týdny znovuvytvářením kroků pro příjem, pravidel pro čištění a validačních kontrol. Začínají od známé cesty.
Druhým je vrstva modelu. Zahrnuje předtrénované modely, recepty pro doladění (fine-tuning) a vstávající vrstvy (embedding layers). Tým by měl mít možnost upravit existující modelové aktivum místo toho, aby pokaždé, když se objeví nový případ použití, začínal od nuly. To sničuje opakovanou přípravu a brání firmě v trénování mnoha verzí téhož.
Třetím je vrstva API nebo rozhraní. Toto je způsob, jakým je schopnost AI vystavena jiným systémům. Stabilní smlouva o službě umožňuje různým produktům volat tutéž funkci AI předvídatelným způsobem. To snižuje integrační úsilí a usnadňuje správu změn.
Tyto tři oblasti nesou největší váhu, protože se nacházejí blízko středu dodávky AI. Pokud jsou dobře využívány, většina okolní práce se stává jednodušší.
Proč standardizace dělá opětné využití možným
Opětné využití se nestane náhodou. Závisí na standardizaci.
Tohoto slova se často bojí. V praxi to znamená sdílená pravidla, která usnadňují spojování práce. Je to společná gramatika pro inženýrské týmy. Bez této gramatiky se i dobré aktiva stanou těžko použitelnými.
První částí je dokumentace a pracovní postup. Kód, prompty a logika modelu musí být čitelné lidmi mimo původní tým. Pokud aktivum dává smysl pouze jeho tvůrci, není skutečně sdíleno.
Druhou částí je shoda ohledně dat. Týmy potřebují stejné definice schémat, metody verzování a validační pravidla. Pokud jeden systém pojmenovává pole jedním způsobem a jiný systém je pojmenovává jinak, končí firma tím, že překládá mezi svými vlastními nástroji. To vše zpomaluje.
Třetí částí je liniace dat. Týmy potřebují vědět, odkud data pocházejí, jak se změnila a co jimi procházelo podél cesty. Bez tohoto záznamu důvěra rychle klesá. Lidé neví, co používají, a ladění chyb se stává pomalým.
Čtvrtou částí je nasazení. Sdílené toky CI/CD, kroky pro rollback a monitorovací háčky udržují vydávání předvídatelným. Nezrušují úsudek. Způsobují, že vydávání je bezpečnější a snazší opakovat.
Zde si standardizace vydobyla své místo. Snižuje náklady na koordinaci. Týmy tráví méně času zjišťováním, jak spolu pracovat, a více času stavěním samotné věci.
Malý příklad
Představte si firmu, která provozuje zákaznickou podporu napříč několika produkty.
Jeden tým postaví potrubí, které tahá text tiketů, odstraňuje citlivá pole a kontroluje, že data jsou dostatečně čistá pro analýzu. Jiný tým později potřebuje stejný druh vstupu pro nástroj vyhledávání znalostí. Pokud bylo první potrubí navrženo pro opětné využití, může druhý tým jej rozšířit. Pokud ne, přestaví stejnou logiku a ladí stejné chyby.
Stejný vzorec se objevuje u modelů. Tým podpory může natrénovat vstávající vrstvu pro seskupování tiketů. Tým produktu může později potřebovat podobnou vrstvu pro vyhledávání a směrování. Pokud jsou modelová aktiva sdílena a zdokumentována, může druhý tým začít s známým základem. Pokud jsou izolovaná, firma natrénuje další verzi a poté tráví čas snažením se ji přizpůsobit.
Stejně to platí pro API. Pokud jsou odpovědi podpory vystaveny prostřednictvím standardní smlouvy o službě, mohou je jiné systémy volat bez vlastní práce při každém spuštění. Pokud každý tým publikuje svou vlastní metodu, se integrace stává sérií řešení pro jeden konkrétní případ.
Tento příklad je malý, ale logika se škáluje. Opětné využití promění jednu fungující cestu v platformu pro několik cest.
Co se stane, když se opětnému využití ignoruje
Prvním rizikem je fragmentace. Týmy začínají stavět oddělené verze stejných nástrojů. Formáty dat se rozevírají. Modely natrénované na různých strukturách nelze čistě sdílet. Integrace se stává plným úvazkem.
Druhým rizikem je narůstající komplexita. Technický dluh se vždy neprojeví hned první den. Roste na pozadí. Nové systémy závisí na starých. Staré systémy závisí na vlastních opravách. Každý nový projekt si musí najít cestu skrz větší bludiště.
Proto přeskočení standardizace pro rychlost často obrátí spínku proti vám. Zkratka se zdá rychlejší v daném okamžiku. Později vytvoří systém, který je těžší měnit, těžší ladit a těžší rozšiřovat.
Náklady nejsou pouze technické. Ovlivňují také byznys. Firma s mnoha propojenými úsilími AI bude pomalu kráčet, když se pokusí spustit to další. Firma s opětovně použitelnými aktivy se může pohybovat s větší jistotou, protože těžké části už mají svůj domov.
Enterprise vzorec za prací
Nejsilnější enterprise programy AI dělají tři věci společně.
Spravují AI jako portfolio, ne jako hromadu izolovaných projektů. Budují platformovou infrastrukturu, kterou může použít mnoho týmů. Pak přidávají opětné využití a standardizaci, aby stejné aktivum mohlo sloužit více než jednomu případu použití.
Toto pořadí má význam. Myšlení v portfoliu dává směr. Platformová infrastruktura dává základ. Opětné využití dává rychlost, která se časem násobí.
Proto první případ použití AI často připadá obtížný. Práce je stále skládána. Druhý je jednodušší, protože již existuje více dílů. Do desátého již firma nezačíná od začátku. Rozšiřuje systém, který již ví, jak pracovat.
EuroOp LLC považuje tento vzorec za praktickou lekci aplikovaného inženýrství. Trvalý zisk vyplývá ze stavění jednou se záměrem sdílení, pak udržování pravidel dostatečně jasných, aby ostatní týmy mohly používat to, co bylo postaveno, bez tření. To je druh myšlení potrubí (pipeline thinking), kterému EuroOp Insights následoval, s jedním aplikovaným vzorcem výzkumu a vývoje a jedním praktickým poznatkem z práce za produkty.