6 ловушек при оценке ИИ 🤖
Разобрали шесть ошибок, из-за которых эффект от ИИ легко переоценить или, наоборот, не заметить.
1️⃣ Считаете один рубль дважды
Нельзя складывать hard- и soft-эффекты, если они описывают один и тот же ресурс. Например, одновременно считать экономией зарплату сотрудников и доход от задач, на которые они переключились после внедрения ИИ.
2️⃣ Забываете про «зарплату» ИИ
Модель — это не разовая покупка, есть инфраструктура, токены, поддержка, обновления и контроль качества. Если не заложить стоимость владения заранее, экономика проекта может перестать сходиться уже после запуска.
3️⃣ Сравниваете ИИ с неэффективным процессом
Высокий эффект получается, если сравнивать новую технологию с тем, как всё работает сейчас. Но иногда лучшая альтернатива — не ИИ, а простая автоматизация, изменение процесса или готовое решение.
4️⃣ Не гонитесь за точностью, которая бизнесу не нужна
Дополнительные проценты точности сами по себе не создают ценность. Важно понимать, какое решение изменится благодаря прогнозу и как это повлияет на экономику процесса.
5️⃣ Верите в эффект без A/B-теста
Метрики могли вырасти не из-за модели. Повлиять могли сезонность, рынок или другие изменения. Контрольная группа помогает отделить реальный эффект алгоритма от внешних факторов.
6️⃣ Смотрите на метрику отдела, а не на клиента
Рост одного продукта ещё не означает рост бизнеса. Клиент мог просто перейти из одного продукта в другой, поэтому важно смотреть на совокупный эффект и, например, оценивать его через CLTV.
Если хотите, чтобы ваш ИИ окупался, начните с правильного учёта. Считайте не то, что легко посчитать, а то, что действительно создаёт для компании ценность.
В полной статье читайте подробнее 🔗
#aaa_hardposting
❤️ Больше рассказываем о работе в IT и Digital в канале Alfa Digital
Разобрали шесть ошибок, из-за которых эффект от ИИ легко переоценить или, наоборот, не заметить.
1️⃣ Считаете один рубль дважды
Нельзя складывать hard- и soft-эффекты, если они описывают один и тот же ресурс. Например, одновременно считать экономией зарплату сотрудников и доход от задач, на которые они переключились после внедрения ИИ.
2️⃣ Забываете про «зарплату» ИИ
Модель — это не разовая покупка, есть инфраструктура, токены, поддержка, обновления и контроль качества. Если не заложить стоимость владения заранее, экономика проекта может перестать сходиться уже после запуска.
3️⃣ Сравниваете ИИ с неэффективным процессом
Высокий эффект получается, если сравнивать новую технологию с тем, как всё работает сейчас. Но иногда лучшая альтернатива — не ИИ, а простая автоматизация, изменение процесса или готовое решение.
4️⃣ Не гонитесь за точностью, которая бизнесу не нужна
Дополнительные проценты точности сами по себе не создают ценность. Важно понимать, какое решение изменится благодаря прогнозу и как это повлияет на экономику процесса.
5️⃣ Верите в эффект без A/B-теста
Метрики могли вырасти не из-за модели. Повлиять могли сезонность, рынок или другие изменения. Контрольная группа помогает отделить реальный эффект алгоритма от внешних факторов.
6️⃣ Смотрите на метрику отдела, а не на клиента
Рост одного продукта ещё не означает рост бизнеса. Клиент мог просто перейти из одного продукта в другой, поэтому важно смотреть на совокупный эффект и, например, оценивать его через CLTV.
Если хотите, чтобы ваш ИИ окупался, начните с правильного учёта. Считайте не то, что легко посчитать, а то, что действительно создаёт для компании ценность.
В полной статье читайте подробнее 🔗
#aaa_hardposting
❤️ Больше рассказываем о работе в IT и Digital в канале Alfa Digital