AI 团队在定义新项目指南方面投入了大量精力。但杀死现有项目并非如此。在没有明确的指导方针的情况下，团队会让不可行的项目拖延数月中国机械网okmao.com。
他们在项目审查会议期间举办了一场狗和小马表演，以免成为坏消息的使者。通过简化流程以在不可行的项目上快速失败，团队可以显着提高 AI 计划的整体成功率。
为了快速失败，人工智能计划应该作为类似于营销和销售漏斗的转换漏斗进行管理。
AI 项目不同于传统的软件项目。它们还有更多未知数：正确数据集的可用性、模型训练以满足所需的准确度阈值、生产中推荐的公平性和稳健性等等。
为了快速失败，人工智能计划应该作为类似于营销和销售漏斗的转换漏斗进行管理。项目从五阶段漏斗的顶部开始，可以在任何阶段下降，要么暂时搁置，要么永久暂停并添加到 AI 墓地。AI 漏斗的每个阶段都定义了一组明确的未知数，以使用有时限的成功标准列表进行验证。
AI 项目漏斗有五个阶段：
1. 问题定义：“如果我们建造它，他们会来吗？”
这是漏斗的顶部。人工智能项目不仅需要在初始开发期间进行大量投资，还需要持续监控和改进。这使得验证正在解决的问题与构建工作相比，在潜在业务价值方面确实值得解决非常重要。即使问题值得解决，也可能不需要人工智能。可能有更简单的人工编码启发式方法来解决问题。
开发人工智能解决方案只是成功的一半。另一半是解决方案将如何实际使用和集成。例如，在开发用于预测客户流失的 AI 解决方案时，需要清楚地了解在客户支持团队工作流程中加入流失预测。如果没有这种级别的集成清晰度，一个完美强大的 AI 项目将无法提供业务价值。
要成功退出此阶段，以下陈述需要为真：
如果成功交付，人工智能项目将产生有形的商业价值。
没有更便宜的替代方案可以解决具有所需准确度阈值的问题。
有一条明确的途径可以将 AI 建议纳入现有流程中以产生影响。
根据我的经验，与地面现实相比，项目的早期阶段有更高的愿望比率。终止一个格式不正确的项目可以避免团队构建“寻找问题的解决方案”。
2. 数据可用性：“我们有数据来构建它。”
在漏斗的这个阶段，我们已经验证了这个问题是值得解决的。我们现在需要确认数据的可用性，以构建 AI 项目所需的感知、学习和推理能力。数据需求因 AI 项目的类型而异——构建分类智能的项目的要求将不同于提供建议或排名的项目。
数据可用性广泛地转化为具有正确的质量、数量和特征。正确质量是指数据样本准确反映了我们试图建模的现象并满足诸如独立和同分布等特性。常见的质量检查涉及发现数据收集错误、语义不一致和标记样本中的错误。