Про идеи AI-стартапов, и чтобы работало, ч.3
Проверяем проблему, которую предполагается решать. Продолжу предыдущий пост, погружаясь в детали. Если есть идея/направление как AI будет решать конкретную часть процесса, то полезно умозрительно повалидировать решение:
5️⃣ “80% решение дает 10x прирост эффективности”.
Пример: рекомендательная система в ecommerce с точностью 70-80%, что в сумме дает большой прирост дополнительных продаж.
Где-то обязательно должен быть 10х! Почти всегда это можно посчитать в цифрах - деньгах, времени, точности и др.
Полезно заходить с другой стороны: допустим “хочу автоматизировать ревью договоров-контрактов в компании XYZ”. Можно посчитать текущие затраты сейчас и прикинуть теоретические возможность сделать 10х лучше. В большинстве случаев идея отпадает! Причем нередко из-за “не такая уж это и проблема, оказывается!”
6️⃣ “Один ошибочный результат не перечеркивает 10 верных”.
Пример: AI для скоринга заемщиков: одна ошибка может стоить дорого, буквально!
Перепроверка результатов LLMs - новый тип задач, с которыми столкнулись люди. Иногда это занимают так много времени, что вся автоматизация становится бессмысленной. Возможно тут есть поле для стартапов-проверяльщиков данных!
7️⃣ “Дополнение, а не замена человека”
Примеры были в первом посте серии. Благодаря LLM-powered труду, человек перейдет к решению более комплексных задач: условно от ввода данных в таблички к стратегии и живому общению с людьми.
2024-й я нарекаю “годом копайлотов”, потому что copilot в описании стартапов мы будем видеть все чаще и чаще!