این مقاله گزیده ای از کتاب آینده من است که می توانید در اینجا مشترک شوید: https://www.danrose.ai/book
هنگام مصاحبه با کارشناسان حوزه برای راه حل های هوش مصنوعی، مهم است که از بحث در مورد یک راه حل خاص اجتناب کنید و در عوض روی نتیجه کسب و کار و مشکل تمرکز کنید. وقتی با کارشناسان مصاحبه می کنید، آنها گاهی اوقات خیلی زود به یک تصمیم خاص می پردازند، حتی بدون اینکه بدانند. به عنوان یک معمار راه حل، شما نیز ممکن است همین کار را انجام دهید و جایگزین های بهتری را از دست بدهید. من اغلب متوجه می شوم که این کار را انجام می دهم زیرا یافتن راه حل کامل رضایت بخش ترین بخش مرحله کشف است. برای تمرکز بر مشکل و نتیجه کسب و کار، از راهنمای زیر به عنوان الهام بخش سوالات استفاده می کنم.
س: آخرین باری که X را انجام دادید (مثلاً پیشبینی فروش یا تغییر برنامه در بستنیفروشی) به من بگویید.
این سوال بهتر از “چگونه پیش بینی می کنید؟” پرسیدن آن از این طریق در بهترین حالت به شما پاسخ دقیقی خواهد داد. کارشناس موضوع به شما می گوید که چگونه همه چیز باید انجام شود. همه ما میخواهیم بهترین نسخه خود را ارائه دهیم، و میتوانیم بترسیم که اعتراف کنیم وقتی سرمان شلوغ است یا اوضاع کمی به هم ریخته است. اما همه ما سرمان شلوغ است و کار روزانه بهم ریخته است. ترزا تورس در کتاب خود با عنوان “تداوم کشف عادات” مثال خوبی دارد: وقتی از مردم بپرسید که چگونه شلوار جین می خرند، به شما خواهند گفت که برند و کیفیت را انتخاب می کنند. وقتی از آنها بپرسید که دفعه قبل چگونه شلوار جین خریدند، به شما خواهند گفت که تخفیف خوبی داده شده است.
وقتی در حال ساختن هوش مصنوعی هستید، به دنبال شناسایی همه آشفتگی ها و راه حل ها هستید. اینجاست که با چالش هایی روبرو می شوید و آیا می توانید با هوش مصنوعی آنها را کاهش دهید. شما می توانید ارزش زیادی ارائه دهید.
س: چگونه از اطلاعات ارائه شده توسط هوش مصنوعی استفاده خواهید کرد؟ (به عنوان مثال اطلاعاتی در مورد تعداد بستنی فروخته شده در یک روز معین)
این سوال بر نیاز و نتیجه کسب و کار متمرکز است، نه فقط میل به اطلاعات یا یک راه حل فنی. مقدار در هر هوش مصنوعی را می توان در اقدامی که بر اساس اطلاعات ارائه شده توسط مدل تصمیم می گیریم پیدا کرد. افشای اقدامات برنامه ریزی شده ارزش بالقوه راه حل هوش مصنوعی را نشان می دهد. همچنین دلیل (و گاهی اوقات فقدان آن) پشت نیاز به راه حل هوش مصنوعی را آشکار می کند.
سوال: راه حل چگونه به همکار جدید شما کمک می کند؟
کارمندان باتجربه ممکن است به سختی ایده کمک را ببینند (از هوش مصنوعی یا نه). آنها همیشه می توانند راه حلی برای چالش ها پیدا کنند. آنها نیازی به کمک ندارند. اما وقتی همکاران بیتجربهشان سوژه میشوند، راحتتر ارزش را میبینند و میتوانند توضیح دهند که چگونه یک راهحل به آنها کمک میکند.
س: چرا نمی توانید این مشکل را به هیچ طریقی غیر از هوش مصنوعی حل کنید؟
این اغلب منجر به این می شود که سوژه به شما بگوید چگونه فکر می کند هوش مصنوعی مشکل را حل می کند. این سوء تفاهم های احتمالی را در مورد آنچه که هوش مصنوعی می تواند و نمی تواند انجام دهد را آشکار می کند.
همچنین نشان می دهد که این ایده چقدر خوب فکر شده است. آیا هوش مصنوعی تنها راه حل هایی است که به دلیل تبلیغات انتخاب شده اند یا جایگزین ها به طور جدی در نظر گرفته می شوند؟ از به چالش کشیدن ایده استفاده از هوش مصنوعی نترسید. هر تصمیم خوبی می تواند این آزمون را تحمل کند، و اگر تصمیم خوبی نباشد، شما در یک مقطع زمانی متوجه خواهید شد. زودتر از دیرتر بهتر است.
سوال: چرا این راه حل شکست خواهد خورد؟
آیا تا به حال شنیده اید که مردم بگویند “می دانستم که شکست خواهد خورد”؟ اگر این درست باشد، حتی گاهی اوقات، پرسیدن این سوال می تواند شما را از دردسر نجات دهد. همچنین ممکن است احساس نادیده گرفتن نشانههای چالشها را در زمانی که بیش از حد در مورد راهحل هیجانزده بودید، بدانید. من قطعا انجام می دهم.
وقتی این سوال را می پرسم، اغلب این پاسخ را می گیرم: “ما شکست خواهیم خورد زیرا سعی می کنیم همه چیز را حل کنیم، نه اینکه آن را انجام دهیم.” این یک چالش رایج است و واداشتن سوژه ها به گفتن آن کمی واقع گرایی به پروژه می آورد.
س: به من نشان دهید که چگونه X را انجام می دهید؟
از شخص بخواهید به شما نشان دهد که چگونه کار خود را انجام می دهد. مشاهده اعمال سوژه دانش ناملموس را آشکار خواهد کرد. آنچه برای سوژه نوع ۱ و روتین شده است شما را گیج می کند و می توانید به این نکته اشاره کنید و بپرسید که چه خبر است.
سوال: چه چیزی دشوار خواهد بود (X، Y، Z)؟
من اغلب سوالاتی مانند “به دست آوردن دقت بالا چه چیزی دشوار است؟” یا “درگیر کردن کاربران در راه حل چه چیزی دشوار خواهد بود؟”. سؤالاتی مانند این نشان می دهد که ویژگی های داده هایی را نشان می دهد که ممکن است آنقدرها که فکر می کنید قابل اعتماد نباشند. پاسخهایی مانند «ما اخیراً نحوه ثبت دادهها را برای X تغییر دادیم» در اینجا معمول است.
برای راهنمایی، برای کتاب اینجا ثبت نام کنید: https://www.danrose.ai/book
