Make or buy w AI

Własny model AI: kiedy się opłaca i co na końcu należy do Państwa

Mówiąc o własnej AI, mamy na myśli model, który jest trenowany na danych Państwa firmy i należy do Państwa. Alternatywą jest wynajmowane oprogramowanie standardowe, które powstaje dla wielu klientów jednocześnie i jest dostępne bez własnego projektu rozwojowego. Na tej stronie opisujemy, według jakich kryteriów mogą Państwo wybrać jedno z tych rozwiązań i w jakich sytuacjach własny model nie jest właściwym wyborem. Wyjaśniamy także, co Państwo od nas otrzymują, zlecając opracowanie własnego modelu.

Make or buy w AI: sześć kryteriów wyboru między własnym modelem a wynajmowanym oprogramowaniem

Firma, która rozważa, czy wynająć aplikację AI, czy zlecić jej opracowanie jako indywidualnego rozwiązania AI, podejmuje decyzję typu make or buy. Taką decyzję można podjąć tylko dla konkretnego zastosowania. Tabela wymienia sześć kryteriów i przy każdym z nich okoliczności, które przemawiają za jednym albo za drugim rozwiązaniem.

KryteriumZa wynajmowanym oprogramowaniem standardowym przemawiaZa własnym modelem przemawia
Zadanie Zadanie wygląda w wielu firmach tak samo, na przykład tłumaczenie tekstów albo odczytywanie danych z dokumentów księgowych. Zadanie zależy od wzorców, które widać tylko w Państwa danych, na przykład od tego, kiedy klienci składają zamówienia albo jak reagują na sezon.
Dane W Państwa firmie nie ma danych historycznych dotyczących tego pytania, na których dałoby się wytrenować model. Wielkość, którą model ma przewidywać, była w Państwa firmie rejestrowana w przeszłości.
Koszty Płacą Państwo bieżącą opłatę, która często zależy od liczby użytkowników albo od skali korzystania. Projekt rozwojowy nie jest potrzebny. Za opracowanie modelu płacą Państwo raz. Potem powstają koszty eksploatacji, przede wszystkim koszty czasu pracy potrzebnego na monitoring, weryfikację i zatwierdzanie.
Czas do uruchomienia Z oprogramowania można korzystać po zawarciu umowy i konfiguracji. Prototyp na Państwa danych zajmuje nam od czterech do sześciu tygodni. Czas trwania pilotażu i włączenia modelu do systemów zależy od Państwa procesów.
Eksploatacja Za eksploatację i dalszy rozwój odpowiada dostawca. Model trzeba monitorować i w razie potrzeby ponownie trenować. To zadanie przejmuje Państwa zespół albo zewnętrzny usługodawca.
Koniec umowy Możliwość korzystania z oprogramowania kończy się wraz z wypowiedzeniem umowy. Model, który trenujemy na Państwa danych, pozostaje Państwa własnością. Po projekcie mogą Państwo nadal go stosować i ponownie trenować na nowych danych.

Między tymi dwoma rozwiązaniami istnieją formy pośrednie, na przykład oprogramowanie standardowe, które można dostosować za pomocą Państwa danych. Dlatego tabela nie zastępuje analizy konkretnego przypadku. Przed każdą decyzją o modelu sprawdzamy, czy zakres i jakość Państwa danych wystarczają do danego zastosowania.

Kiedy własny model AI nie jest właściwym wyborem

W czterech opisanych niżej sytuacjach więcej przemawia przeciw własnemu modelowi niż za nim. Jeśli z naszej weryfikacji wynika, że projekt AI się Państwu nie opłaca, mówimy to Państwu i podajemy uzasadnienie.

Zadanie jest standardowe

Do zadań, które w wielu firmach wyglądają tak samo, często istnieje gotowe oprogramowanie. Jeśli chcą Państwo przede wszystkim wdrożyć takie narzędzia i przeszkolić pracowników z ich obsługi, lepszym wyborem są naszym zdaniem producenci oprogramowania i firmy szkoleniowe. Specjalizujemy się w modelach, które rozwijamy na Państwa własnych danych.

Brakuje danych

Własny model trenuje się na danych, które Państwa firma dotychczas rejestrowała. Jeśli wielkość, którą model ma przewidywać, nie była rejestrowana wcale albo była rejestrowana tylko ogólnie, brakuje podstawy do trenowania. Wtedy rozsądniej jest najpierw poprawić rejestrowanie danych.

Proste rozwiązanie wystarcza

Każdy model musi być lepszy niż to, co robią Państwo już dziś, na przykład niż dotychczasowa reguła kciuka albo wartość z poprzedniego roku. Jeśli prototyp nie osiągnie uzgodnionego wcześniej progu, zalecamy zakończyć projekt na tym etapie. Czasem już analiza danych pokazuje, że do podjęcia decyzji wystarcza istniejący wskaźnik.

Nikt nie zajmie się modelem

Po projekcie model trzeba monitorować i w razie potrzeby ponownie trenować. Jeśli w Państwa firmie nie ma osoby odpowiedzialnej za to zadanie ani nie ma go przejąć zewnętrzny usługodawca, lepszym wyborem jest wynajmowane oprogramowanie, którego eksploatacją zajmuje się dostawca.

To, czy dane, zmienna docelowa i poziom szczegółowości wystarczają do projektu AI, sprawdza w stałej cenie AI Readiness Assessment.

Jak zmieniają się koszty i dokładność własnego modelu AI

Koszty wynajmowanego oprogramowania i własnego modelu powstają w różny sposób. Cena wynajmowanego oprogramowania często zależy od liczby użytkowników albo od skali korzystania, dlatego koszty rosną, gdy z oprogramowania korzysta więcej pracowników. Za opracowanie własnego modelu płacą Państwo raz, a potem koszty wynikają głównie z czasu pracy potrzebnego do eksploatacji.

Model nie staje się dokładniejszy dzięki nowym danym sam z siebie. Bez monitoringu i ponownego trenowania jakość prognoz w eksploatacji raczej spada, ponieważ zmieniają się dane, na przykład za sprawą nowych klientów albo wymienionej maszyny. Model może stać się dokładniejszy, gdy spełnione są cztery warunki.

Wartości rzeczywiste są rejestrowane

Faktyczny przebieg zdarzeń jest rejestrowany jako wartość rzeczywista i porównywany z prognozą. Dopiero wartości rzeczywiste pozwalają zmierzyć, jak dobrze model pracuje w eksploatacji.

Wartości graniczne są ustalone z góry

Wartości graniczne dla ostrzeżenia i ponownego trenowania ustala się przed rozpoczęciem eksploatacji. Monitoring porównuje te same wskaźniki, które model wcześniej zaliczył w walidacji.

Walidacja modeli: wskaźniki i progi

Ponowne trenowanie według stałej reguły

Model jest ponownie trenowany, gdy zostanie przekroczona wartość graniczna. W większości projektów w średnich firmach wystarcza proces częściowo zautomatyzowany, w którym każdą zmianę na nowy model zatwierdza człowiek.

Nowa wersja musi być lepsza od poprzedniej

Nowo wytrenowana wersja modelu trafia do eksploatacji tylko wtedy, gdy w testach wypada lepiej niż dotychczasowa.

Gdy te cztery warunki są spełnione, model może przy każdym ponownym trenowaniu uczyć się na nowszych danych. Nie da się z góry obiecać, o ile dokładniejsze staną się dzięki temu prognozy. Można to jednak zmierzyć w eksploatacji na podstawie wartości rzeczywistych.

Czas obliczeń rzadko jest kosztowną częścią ponownego trenowania. Więcej pracy wymagają kroki wokół samego trenowania, czyli zebranie wartości rzeczywistych, porównanie nowego modelu ze starym oraz zatwierdzenie i udokumentowanie zmiany.

Od liczby użytkowników, okresu korzystania i nakładu na eksploatację zależy, które rozwiązanie będzie tańsze w perspektywie kilku lat. Dlatego proszę przeprowadzić to porównanie na liczbach z ofert, które Państwo otrzymali.

Szczegółowy przebieg monitoringu i ponownego trenowania opisuje strona MLOps: wdrożenie, dryf, ponowny trening.

Co przy własnym modelu AI na końcu należy do Państwa

Model, który trenujemy na Państwa danych, pozostaje Państwa własnością. Dokumentacja również należy do Państwa.

Możliwość korzystania z wynajmowanego oprogramowania kończy się wraz z wypowiedzeniem umowy. Własny model mogą Państwo po projekcie nadal stosować i ponownie trenować na nowych danych.

Otrzymują Państwo ponadto kod do przygotowania danych i do trenowania, aby Państwa zespół mógł dalej rozwijać model.

Gotowy model działa w kontenerze, który łączy go ze środowiskiem uruchomieniowym. Dlatego można go bez zmian uruchomić w innym środowisku, na przykład u innego dostawcy albo w Państwa własnym centrum danych.

Cztery punkty, według których mogą Państwo sprawdzić każdą ofertę, opisuje strona Suwerenność cyfrowa w AI.

Co znaczy „gotowy do produkcji” i co otrzymują Państwo przy przekazaniu

Model nazywamy gotowym do produkcji, gdy jest wersjonowany, automatycznie testowany i włączony do Państwa aplikacji biznesowej, a w eksploatacji stale monitorowany. Model, który działa tylko w notebooku, czyli w środowisku programistycznym data scientista, tych warunków jeszcze nie spełnia.

Do eksploatacji model trafia u nas tylko wtedy, gdy jest lepszy od prostego rozwiązania porównawczego, a wartości graniczne dla ostrzeżenia i ponownego trenowania zostały wcześniej ustalone. Przekazanie modelu Państwa zespołowi, czyli transfer wiedzy, jest u nas osobnym etapem projektu. Oprócz modelu Państwa zespół otrzymuje wtedy trzy rezultaty potrzebne do eksploatacji.

Model w eksploatacji

Gotowy model jest włączony do Państwa systemów jako wersjonowany kontener. Na życzenie działa w całości on-premises w Państwa infrastrukturze.

Vendor lock-in w AI i danych: jak go uniknąć

Dokumentacja

Dokumentacja należy do Państwa i opisuje, co robi model, jakich danych potrzebuje, jakie wskaźniki zaliczył i jakie założenia obowiązują. Zawiera także informację, z jakiej wersji danych i z jakiej wersji kodu pochodzi dany wynik.

Instrukcja postępowania na wypadek awarii

Instrukcja postępowania, w branży IT nazywana runbookiem, określa, co robi Państwa zespół, gdy monitoring zgłosi ostrzeżenie. Opisuje kroki kontrolne, wskazuje osoby kontaktowe oraz ustala, jak przywrócić poprzednią wersję modelu i jak zapada decyzja o nowym trenowaniu.

Szkolenie

Szkolenie jest przeznaczone dla osób, które pracują z prognozami. Po szkoleniu powinny one umieć ocenić, co model potrafi i w jakich sytuacjach nie daje wiarygodnej odpowiedzi.

Celem przekazania jest, aby Państwa zespół sam utrzymywał model i mógł go dalej rozwijać. Do tego czasu utrzymujemy go wspólnie. To, czy i jak długo będziemy potem uczestniczyć w utrzymaniu, ustalamy indywidualnie.

Jak współpracują dział biznesowy i zespół techniczny oraz jak mierzymy wynik

Projekt AI wymaga wiedzy Państwa działu biznesowego w takim samym stopniu jak pracy nad danymi i modelem. Wynik mierzymy w euro, ponieważ wskaźnik taki jak dokładność pokazuje, jak dobrze model liczy, ale nie mówi, co zyskuje na nim Państwa firma.

Wynik w euro

Przed startem uzgadniamy, jak każdy wskaźnik modelu przelicza się na euro. Miarą są na przykład koszty godzin przestoju, braków albo kapitału zamrożonego w zapasach.

Porównanie z prostym rozwiązaniem

Model porównujemy z tym, na czym dziś opiera się decyzja w Państwa firmie, na przykład z doświadczeniem planisty albo z regułą w systemie ERP. Próg, czyli to, o ile model musi być lepszy, ustalamy wcześniej wspólnie.

Zrozumienie biznesu: przekształcanie celów biznesowych w mierzalne pytania

Wkład Państwa działu biznesowego

Pytanie biznesowe i kryteria sukcesu pochodzą od osób, które pracują z danymi. One też wiedzą, co faktycznie oznacza konkretne pole w systemie gospodarki magazynowej. Dlatego w pierwszym warsztacie biorą udział osoby, które będą później korzystać z prognozy, a za projekt odpowiada jedna osoba w Państwa firmie.

Nasz wkład

Rozwijamy model i włączamy go do Państwa procesów. Wspieramy eksploatację do czasu, aż przejmie ją Państwa zespół. Pracujemy przy tym na systemach, które Państwo mają, i nie stosujemy modelu językowego tam, gdzie wystarcza prostsza metoda.

Przed startem powinno być ustalone, kto rozwija model i włącza go do procesów, a kto utrzymuje go po zakończeniu projektu. U nas te zakresy odpowiedzialności są zapisane w mapie drogowej.

To, jakiej wiedzy wymaga każda faza, pokazuje strona Proces data science: sześć faz CRISP-DM.

Częste pytania o własny model AI

Kiedy warto zlecić opracowanie własnego modelu AI?

Własny model AI może się opłacać, gdy zadanie zależy od wzorców, które widać tylko w Państwa danych, a wielkość, którą model ma przewidywać, była rejestrowana w przeszłości. Model musi ponadto być lepszy niż rozwiązanie, z którego korzystają Państwo dziś. Prototyp na Państwa danych pokazuje, czy model spełnia ten warunek.

Kiedy oprogramowanie standardowe jest lepsze niż indywidualne rozwiązanie AI?

Wynajmowane oprogramowanie standardowe jest lepszym wyborem, gdy zadanie wygląda w wielu firmach tak samo albo gdy po projekcie nikt nie zajmowałby się modelem. Przeciw własnemu modelowi przemawia także brak potrzebnych danych albo sytuacja, w której wystarcza prosta reguła. Do wdrażania gotowych narzędzi AI właściwymi partnerami są naszym zdaniem producenci oprogramowania i firmy szkoleniowe.

Do kogo należy model AI, który trenują Państwo na naszych danych?

Model, który trenujemy na Państwa danych, pozostaje Państwa własnością. Dokumentacja również należy do Państwa. Po projekcie mogą Państwo nadal stosować model i ponownie trenować go na nowych danych. Ponieważ model działa w kontenerze, można go bez zmian uruchomić w innym środowisku, na przykład w Państwa własnym centrum danych.

Czego potrzebujemy, aby zlecić wytrenowanie własnego modelu AI?

Potrzebują Państwo konkretnego problemu z odczuwalnymi kosztami, procesów, które już wytwarzają dane na jego temat, i osoby w firmie, która odpowiada za projekt. Najważniejsze jest, aby wielkość, którą model ma przewidywać, była rejestrowana w przeszłości. Własny zespół data science ani centrum danych nie są na początek potrzebne.

Czy własny model AI sam z siebie staje się lepszy dzięki nowym danym?

Nie. Bez monitoringu i ponownego trenowania jakość prognoz w eksploatacji raczej spada, ponieważ zmieniają się dane. Model może stać się dokładniejszy, gdy rejestrowane są wartości rzeczywiste, wartości graniczne są ustalone z góry, przekroczenie wartości granicznej uruchamia ponowne trenowanie, a nowo wytrenowana wersja trafia do eksploatacji tylko wtedy, gdy wypada lepiej niż dotychczasowa.

Ile kosztuje opracowanie własnego modelu AI?

Rozmowa wstępna jest bezpłatna. Współpracę zaczynają Państwo od jednego z pakietów w stałej cenie: od Data Quality Snapshot za 650 euro po AI Readiness i Data Quality Assessment za 3 490 euro (netto). Wdrożenie wyceniamy potem indywidualnie, ponieważ nakład i korzyści zależą od Państwa danych. Do kosztów opracowania dochodzi bieżący nakład na monitoring i ponowne trenowanie.

To, jak zaczyna się projekt i ile kosztuje jego początek, opisuje strona Doradztwo AI dla średnich firm.
Usługa

Porozmawiajmy o Państwa danych

Bezpłatna 30-minutowa rozmowa wstępna. Proszę krótko opisać zbiór danych i zamierzenie; opcjonalnie mogą Państwo podać preferowany termin.

Bezpłatna 30-minutowa rozmowa wstępna
Stała cena przy jasnym zakresie
Dane pozostają u Państwa
Wynik jako raport zarządczy

Usługi nie zastępują prawnej porady w zakresie ochrony danych.