Исследования и разработки в сфере ИИ от Capital One преодолевают пробелы в науке
При поддержке Capital One
Предприятия борются не с тем, чтобы экспериментировать с ИИ, а с тем, чтобы заставить его работать в реальном мире. Переход от перспективных прототипов к надежным системам промышленного масштаба — это этап, на котором буксует большинство инициатив.
Работая в структуре AI Foundations компании Capital One, я на собственном опыте убедилась, что успешное внедрение ИИ — это не просто принятие на вооружение новейших моделей или инструментов. Для этого требуется дисциплинированный подход к исследованиям и разработкам (R&D), который связывает фундаментальные исследования с системами реального мира и заставляет нести ответственность за идеи по мере их продвижения от концепции до продакшена.
Это сложнее, чем кажется. Возможности ИИ развиваются быстро, но корпоративные среды могут быть сложными, фрагментированными и ориентированными на минимизацию рисков. Вопрос заключается не только в том, что возможно, но и в том, что действительно работает — для конкретного рабочего процесса, пользователя или решения — с учетом современных технологий и ограничений.
Ниже рассказывается о том, как организации могут превратить амбиции в области ИИ в реальность продакшена с помощью более взвешенного подхода к исследованиям, оценке и развертыванию.
Соединяя фундаментальные и прикладные исследования
Создание эффективного ИИ требует преодоления разрыва между передовыми исследованиями и практическим применением в реальном мире. Когда исследования существуют в академическом вакууме, оторванные от операционной реальности, модели, которые могут хорошо показывать себя в автономной среде, часто не справляются при столкновении с требованиями к задержке в реальном времени и сложностью «живых» производственных данных. Без тесной обратной связи легко упустить из виду то, что действительно имеет значение для конечного пользователя.
Наши ИИ-команды намеренно спроектированы так, чтобы охватывать весь спектр от фундаментальных исследований до решения конкретных прикладных задач, устраняя эти проблемные точки до того, как они затормозят проект. Эта интегрированная модель объединяет исследования и приложения под одной крышей, создавая пространство для изучения базовых технологий при сохранении опоры на реальные потребности бизнеса и сотрудников. Когда фундаментальные исследования и прикладная разработка связаны по замыслу, вы можете ускорить обучение, избежать тупиков и учесть реальные ограничения на ранних этапах.
В Capital One этот подход помог нам решать задачи, лежащие в основе финансовых услуг, включая улучшение обнаружения мошенничества, повышение качества цифрового пользовательского опыта и совершенствование ориентированных на клиента технологий с использованием проприетарных ИИ-решений.
Например, наше исследование по объединению мультиагентных архитектур выходит за рамки простого рассуждения на основе LLM; оно нацелено на то, чтобы позволить специализированным ИИ-агентам координировать действия при выполнении различных задач, таких как одновременное изучение контекста клиента и подготовка документации. Это исследование послужило основой для запуска Chat Concierge — решения для покупки автомобилей, которое имитирует человеческое мышление, чтобы не просто предоставлять информацию, но и действовать от имени клиентов в соответствии с их запросами. Мы также новаторы в создании передовых решений для обслуживания агентами, персонализации на базе ИИ и многого другого. Сохраняя привязку исследований к сценариям использования, мы можем ускорять передовые прорывы, которые действительно масштабируются в реальном мире.
Перевод ИИ из концепции в продакшен
Не каждая идея ИИ должна сразу отправляться в продакшен. Строгая оценка от концептуального доказательства (PoC) до пилотного проекта и продакшена имеет решающее значение для определения того, что действительно стоит масштабировать, но только если к этим этапам относятся как к честным барьерам. Некоторые аспекты включают:
Концептуальное доказательство (PoC) должно быть функциональным, а не только теоретическим. Это не должна быть презентация в стиле «вот что мы могли бы сделать». Это должна быть машина, которая действительно делает что-то измеримое. Уже на этом этапе вам нужен объективный сигнал о том, что работу стоит продолжать.
Отрицательный результат пилотного проекта — это не провал. Если пилотные проекты по определению всегда «успешны», то они не выполняют роль точек принятия решений — это просто медленное движение в сторону продакшена. Пилотный проект должен расширять масштаб и реалистичность, предоставляя ценные данные о том, действительно ли решение помогает человеку выполнять реальную работу.
Продакшен — это командная игра. Решение базовой модели или алгоритмической проблемы — это лишь часть работы. Переход в продакшен требует межфункционального взаимодействия, включающего разработку программного обеспечения, науку, управление продуктом и дизайном, техническое управление программами, операции и другие дисциплины на уровне предприятия. Технический прорыв необходим, но на этом работа не заканчивается.
На протяжении всего этого пути измерения являются важным вкладом. В Capital One конечной окупаемостью инвестиций (ROI) является довольный клиент, поэтому мы ориентируемся на ряд ключевых показателей эффективности ИИ, таких как точность, задержка и другие, чтобы соответствовать ожиданиям наших клиентов. Если вы не можете определить, есть ли улучшения, вы их и не добьетесь. Приоритизация точности в ущерб показушности — это то, что обеспечивает непрерывное совершенствование и прогресс.
Обеспечение непрерывного обучения и ответственных инноваций
Устойчивые инновации в области ИИ зависят от культуры в той же степени, что и от технологий. Поскольку исследования связаны с изучением неизведанного, неопределенность является нормой. Здоровая культура признает эту реальность и создает пространство для осознанного риска в сочетании с подотчетностью.
Организации должны поощрять работу над ошибками. Если признание того, что «это не работает», воспринимается как катастрофа, команды научатся скрывать проблемы, а не решать их. Но если команды поощряются к честной оценке, изменению курса при необходимости и извлечению уроков из неудачных стартов, то организация может двигаться одновременно быстрее и безопаснее. Это означает отношение к пилотным проектам как к реальным точкам принятия решений — остановку, переформатирование или сужение усилий на основе данных, а не проталкивание их по умолчанию. В Capital One мы даем командам возможность пробовать амбициозные вещи, быстро учиться и создавать экосистему, которая работает над тем, чтобы ИИ был полезным, надежным и безопасным.
Заключительные мысли
Создание эффективного ИИ — это не погоня за каждым новым прорывом. Это продуманное направление идей от исследований к реальности посредством оценки, сотрудничества и культуры, которая приветствует обучение.
Поскольку ИИ продолжает развиваться, лидерам следует инвестировать не только в инструменты, но и в процессы R&D и культурные основы, которые позволяют инновациям масштабироваться ответственным образом. Когда вы объединяете исследования и приложения, уделяете первостепенное внимание непрерывной оценке и измерениям, а также создаете среду, в которой команды могут учиться и адаптироваться, вы даете ИИ наилучшие шансы обеспечить долгосрочный эффект в корпоративном масштабе и в реальном мире.
Лиз Боши — вице-президент по основам ИИ в Capital One.
Спонсорские статьи — это контент, производимый компанией, которая либо платит за публикацию, либо имеет деловые отношения с VentureBeat, и такие материалы всегда четко отмечены. Для получения дополнительной информации обращайтесь по адресу sales@venturebeat.com.
