Polazište je jasno definiran problem čije rješenje zahtijeva istraživanje, testiranje pretpostavki i upravljanje tehnološkom neizvjesnošću. Cilj nije samo razviti novu funkcionalnost, nego dokazati da proizvod može pouzdano raditi, riješiti stvarnu potrebu korisnika i stvoriti mjerljivu poslovnu vrijednost.

Za poduzeće to znači povezati produktnu strategiju, dostupne podatke, tehničke mogućnosti i povratne informacije korisnika u strukturiran razvojni projekt.

Od poslovnog problema do istraživačkog pitanja

Razvoj novog proizvoda često započinje idejom poput automatizacije korisničke podrške, predviđanja potražnje ili prepoznavanja obrazaca u dokumentima. Međutim, ideja sama po sebi nije dovoljna. Potrebno ju je pretvoriti u konkretno istraživačko pitanje.

Umjesto neodređenog cilja „primijeniti umjetnu inteligenciju”, projektni tim treba utvrditi:

• koji problem AI rješenje treba riješiti
• tko su njegovi stvarni korisnici
• koji su podaci dostupni i dovoljno kvalitetni
• što predstavlja prihvatljivu razinu točnosti
• kako će se mjeriti poslovni rezultat
• koje tehničke i tržišne neizvjesnosti treba provjeriti.

Takvo početno istraživanje smanjuje rizik da se vrijeme, resursi i budžet potroše na proizvod koji tehnički radi, ali nema praktičnu vrijednost.

Planiranje projekta i razvojnih hipoteza

Nakon definiranja problema izrađuje se projektni plan. On obuhvaća razvojne faze, odgovornosti, procjenu troškova, potrebne kompetencije i kriterije uspjeha. Kod AI proizvoda posebno je važno unaprijed odrediti koje se hipoteze testiraju.

Primjerice, tim može pretpostaviti da model može klasificirati zahtjeve korisnika uz zadovoljavajuću pouzdanost ili da će njegova primjena skratiti trajanje određenog poslovnog procesa. Svaka pretpostavka mora biti povezana s dokazom koji je može potvrditi ili opovrgnuti.

Eksperimentalni razvoj nije linearna aktivnost. Rezultati pojedinog testa mogu zahtijevati promjenu modela, izvora podataka, korisničkog iskustva ili čak početne definicije proizvoda.

U planiranju AI projekta sve su važniji i novi PMI standardi i smjernice za AI projekte, koji naglašavaju potrebu za jasnim upravljanjem neizvjesnošću, etikom, kvalitetom podataka, transparentnošću odlučivanja i stalnim usklađivanjem tehničkih rezultata s poslovnim ciljevima. U praksi to znači da AI projekt ne treba voditi samo kao tehnološki razvoj, nego kao interdisciplinarni projekt u kojem se istodobno upravlja rizicima, očekivanjima dionika, validacijom i vrijednošću za korisnika.

Izrada prototipa i tehnička validacija

Prva verzija AI rješenja ne mora biti potpuno razvijen proizvod. Prototip služi provjeri ključnih tehničkih pretpostavki uz ograničen trošak i opseg rada. Ovisno o projektu, može uključivati jednostavan algoritam, postojeći model prilagođen određenoj namjeni ili djelomično automatiziran proces.

Tehnička validacija provjerava:

• kvalitetu, relevantnost i dostupnost podataka
• performanse i stabilnost modela
• pouzdanost rezultata u različitim scenarijima
• sigurnost i zaštitu osjetljivih informacija
• mogućnost integracije u postojeće sustave
• pojavu netočnih, pristranih ili neobjašnjivih odgovora.

Ova faza pokazuje postoji li realna tehnološka osnova za daljnji razvoj. Ako rezultati nisu zadovoljavajući, projekt se vraća na ranije pretpostavke, mijenja pristup ili ograničava područje primjene.

Korisnička validacija AI proizvoda

Tehnički uspješan model nije nužno i uspješan proizvod. Korisnička validacija provjerava razumiju li korisnici rješenje, vjeruju li njegovim rezultatima i uklapa li se nova funkcionalnost u njihov način rada.

Testiranje može uključivati intervjue, promatranje korištenja prototipa, pilot-projekt ili kontrolirano uvođenje MVP-a. Pritom se ne prati samo zadovoljstvo korisnika. Važno je utvrditi smanjuje li proizvod broj pogrešaka, ubrzava li izvršenje zadataka, povećava li prihode ili donosi drugu dokazivu korist.

Prototip05 u takvim projektima djeluje kao konzultantski partner koji povezuje kreativnu ideaciju sa strogom projektnom disciplinom. Validacija nije samo papirologija, nego strukturiran istraživački proces kojim se provjerava rješava li AI proizvod stvarni problem za stvarnog korisnika.

Dokumentiranje aktivnosti, troškova i rezultata

Svaka razvojna aktivnost trebala bi ostaviti jasan trag: početnu hipotezu, opis provedenog testa, rezultate, donesenu odluku i sljedeći korak. Takva dokumentacija olakšava upravljanje projektom, kontrolu budžeta i izradu održivog projektnog plana kada poduzetnik planira prijavu za dodjelu bespovratnih sredstava.

Pri prijavi za potporu potrebno je razlikovati redoviti razvoj od aktivnosti istraživanja i eksperimentalnog razvoja. Prihvatljivost troška, intenzitet potpore i mogući iznos bespovratnih sredstava ovise o pravilima konkretnog poziva, veličini prijavitelja i vrsti planiranih aktivnosti. Važna može biti i usklađenost projekta s tematskim prioritetnim područjem, uključujući prioritetna područja S3.

Kvalitetno pripremljen projekt jasno povezuje tehnološku neizvjesnost, planirane eksperimente, potrebna sredstva i očekivane rezultate. Razvoj novog AI proizvoda tako postaje kontroliran proces učenja u kojem svaka iteracija donosi konkretnije dokaze o tehničkoj izvedivosti, tržišnom prihvaćanju i održivosti budućeg proizvoda ili usluge.

Kada uključiti Prototip05

Ako razvijate AI proizvod, planirate validaciju inovacije ili želite strukturirati istraživanje i razvoj prije većih ulaganja, Prototip05 vam može pomoći povezati strategiju, validaciju, korisničko testiranje i projektno planiranje u izvediv proces. Posebno je vrijedno uključiti podršku kada treba istodobno provjeriti tehničku izvedivost, tržišni smisao rješenja i opravdanost daljnjih ulaganja. U toj fazi korisno je i rano raditi na smanjenju rizika kroz jasno definirane eksperimente, mjerljive kriterije i odluke temeljene na dokazima, što je detaljnije obrađeno u tekstu o smanjenju rizika prije većih ulaganja.