Разработка искусственного интеллекта и agile не очень хорошо сочетаются, показало исследование

Технические специалисты должны регулярно и открыто общаться с коллегами из бизнеса, чтобы избежать сбоев в работе ИИ.

Agile-разработка программного обеспечения уже давно рассматривается как высокоэффективный способ создания программного обеспечения, необходимого бизнесу. Эта практика хорошо зарекомендовала себя во многих организациях на протяжении более чем двух десятилетий. Agile также является основой для scrum, DevOps и других практик совместной работы. Однако при разработке и внедрении искусственного интеллекта (ИИ) agile-практики может не хватить.

Об этом говорится в недавнем отчете RAND Corporation, глобального аналитического центра, основанном на интервью с 65 учеными и инженерами, работающими в сфере ИИ и машинного обучения не менее пяти лет в промышленности и научных кругах. Исследование, первоначально проводившееся для Министерства обороны США, было завершено в апреле 2024 года. «Слишком часто проекты в области ИИ буксуют или вообще не запускаются», - говорят соавторы отчета во главе с Джеймсом Райсеффом, старшим аналитиком по технической политике в RAND.

Интересно, что некоторые специалисты по ИИ считают формальную практику гибкой разработки ПО препятствием на пути к успешному ИИ. «Несколько опрошенных (10 из 50) выразили убеждение, что жесткие интерпретации agile-процессов разработки ПО плохо подходят для проектов ИИ», - обнаружили исследователи.

• «Хотя движение agile software никогда не ставило своей целью разработку жестких процессов - один из его основных постулатов заключается в том, что люди и взаимодействие гораздо важнее процессов и инструментов, - многие организации требуют от своих инженерных команд универсального следования одним и тем же agile-процессам».

В результате, по словам одного из опрошенных, «рабочие элементы постоянно приходилось либо открывать заново в следующем спринте, либо делать их до смешного маленькими и бессмысленными, чтобы уложиться в недельный или двухнедельный спринт». В частности, проекты в области ИИ «требуют начальной фазы изучения данных и экспериментов с непредсказуемой продолжительностью».

Исследование RAND показало, что успех проектов ИИ может быть ограничен и другими факторами. В то время как неудачи в сфере ИТ были хорошо задокументированы за последние несколько десятилетий, неудачи в сфере ИИ приобретают иной оттенок. «Похоже, что ИИ обладает иными характеристиками проектов, такими как дорогостоящие трудовые и капитальные затраты и высокая сложность алгоритмов, что делает их непохожими на традиционные информационные системы», - говорят соавторы исследования.

«Громкий характер ИИ может усилить желание заинтересованных сторон лучше понять, чем обусловлен риск ИТ-проектов, связанных с ИИ».

Команда RAND определила основные причины провала проектов, связанных с ИИ:

• «Заинтересованные стороны в отрасли часто не понимают - или неправильно понимают - какую проблему нужно решить с помощью ИИ. Слишком часто организации внедряют обученные модели искусственного интеллекта только для того, чтобы обнаружить, что модели оптимизировали не те показатели или не вписываются в общий рабочий процесс и контекст».
• «Многие проекты ИИ терпят неудачу, потому что у организации нет необходимых данных для адекватного обучения эффективной модели ИИ».
• «Организация больше сосредоточена на использовании новейших технологий, чем на решении реальных проблем для своих целевых пользователей».
• «У организаций может не быть адекватной инфраструктуры для управления данными и развертывания готовых моделей ИИ, что повышает вероятность провала проекта».
• «Технология применяется для решения проблем, которые слишком сложны для ИИ. ИИ - это не волшебная палочка, которая может заставить исчезнуть любую сложную проблему; в некоторых случаях даже самые продвинутые модели ИИ не могут автоматизировать сложную задачу».

Хотя формальные методы agile могут оказаться слишком громоздкими для разработки ИИ, ИТ-специалистам и специалистам по работе с данными все равно важно открыто общаться с бизнес-пользователями. Участники исследования рекомендовали «вместо того, чтобы внедрять устоявшиеся процессы разработки программного обеспечения, которые зачастую представляют собой не более чем причудливые списки дел, техническая команда должна часто общаться со своими бизнес-партнерами о состоянии проекта».

В отчете говорится: «Заинтересованным сторонам не нравится, когда вы говорите: „Это занимает больше времени, чем ожидалось; я свяжусь с вами через две недели“. Им интересно. Открытая коммуникация укрепляет доверие между заинтересованными сторонами бизнеса и технической командой и повышает вероятность того, что проект в конечном итоге будет успешным».
Поэтому разработчики ИИ должны убедиться, что технический персонал понимает цель проекта и контекст области: «Непонимание и недопонимание замысла и цели проекта - самые распространенные причины провала проектов ИИ. Обеспечение эффективного взаимодействия между технологами и бизнес-экспертами может стать разницей между успехом и неудачей проекта ИИ».

Команда RAND также рекомендует выбирать «устойчивые проблемы». Проекты ИИ требуют времени и терпения для завершения: «Прежде чем приступить к реализации любого проекта по ИИ, руководители должны быть готовы к тому, что каждая команда разработчиков будет заниматься решением конкретной проблемы не менее года. Если проект ИИ не стоит таких долгосрочных обязательств, то, скорее всего, его вообще не стоит брать на себя».

Хотя концентрация на бизнес-проблеме, а не на технологическом решении, имеет решающее значение, организации должны инвестировать в инфраструктуру для поддержки усилий в области ИИ, говорится в отчете RAND: «Предварительные инвестиции в инфраструктуру для поддержки управления данными и развертывания моделей могут существенно сократить время, необходимое для завершения проектов ИИ, и увеличить объем высококачественных данных, доступных для обучения эффективных моделей ИИ».

Наконец, как отмечалось выше, в отчете говорится, что ИИ не является волшебной палочкой и имеет свои ограничения: «При рассмотрении потенциального проекта ИИ руководителям необходимо привлекать технических экспертов для оценки целесообразности проекта».