Ndërkohë që IA-ja ul koston e prodhimit të softuerit, për të përcaktuar avantazhin konkurrues kërkohet një ndryshim i modelit të funksionimit. Organizatat që riprojektojnë punën e ekipeve dhe jo që thjesht përdorin asistentët e IA-së, kanë më shumë gjasa të sigurojnë përfitime të qëndrueshme.
Inxhinieria me IA-në në themel kërkon dy kapacitete plotësuese: ekipe aplikacionesh pranë klientëve dhe problemeve dhe ekipe platformash ose “strukturash” që ofrojnë kontekstin, masat mbrojtëse, vlerësimet dhe qeverisjen e përbashkët që nevojiten për një veprim të sigurt të njerëzve dhe agjentëve të IA-së në shkallë të gjerë.
Drejtimi teknologjik kalon nga menaxhimi i kapacitetit të realizimit te projektimi i sistemit të realizimit. Drejtuesit duhet të qartësojnë katër vendime: përgjegjësitë e ekipeve të aplikacioneve, kontekstin dhe kontrollet e përbashkëta, ku agjentëve u duhet miratimi njerëzor dhe si do të maten të mësuarit e vërtetuar dhe vlera për klientin.
Praktika moderne inxhinierike është zhvilluar kryesisht në një botë ku krijimi i softuerit kishte kosto të larta. Pyetja në lidhje me organizimin ishte: si mund të ofrojnë më shumë ekipe më shumë softuerë, në mënyrë më të parashikueshme? Ky supozim përcaktoi se si organizatat strukturonin ekipet, financonin platformat dhe matnin realizimin. Zgjerimi shpesh nënkuptonte shtim personeli, ndërsa suksesi shprehej zakonisht me vëllimin e punës që kalonte përmes sistemit.
IA-ja e ndryshon këtë supozim. Pikëpamja jonë është që inxhinieria me IA-në në themel nuk është inxhinieria tradicionale me mjete më të mira. Ajo kërkon një model tjetër funksionimi: ekipe më të vogla aplikacionesh pranë problemeve të klientit, të mbështetura nga ekipet e platformës ose të “strukturës”. Me “strukturë” nënkuptojmë mjedisin e kontrolluar që u jep njerëzve dhe agjentëve kontekstin, mjetet, lejet, ciklet e reagimeve dhe kufijtë që kërkohen për një përdorim të sigurt të IA-së në shkallë të gjerë.
Për drejtuesit e teknologjisë dhe të dhënave, kjo ka rëndësi sepse vetëm rritja e produktivitetit individual nuk mjafton për një adoptim të sigurt në organizatë. Pa një model të kujdesshëm funksionimi, ekipet rrezikojnë të përballen me mjete të fragmentuara, modele të dublikuara, përgjegjësi të paqarta, ekspozim të të dhënave dhe cilësi jo konsistente.
Pyetja që ndërmarrjet i bëjnë vetes duhet të kalojë nga “Si t'i ndihmojmë inxhinierët të përdorin IA-në?” te “Si ta riformësojmë sistemin inxhinierik që njerëzit dhe agjentët të krijojnë vlerë në mënyrë të sigurt në shkallë ndërmarrjeje?”
IA-ja i lejon inxhinierët të eksplorojnë më shumë ide, të krijojnë prototipe më shpejt dhe të provojnë më shumë qasje. Por, sidoqoftë, më shumë prodhim nuk krijon automatikisht më shumë vlerë. Pa një gjykim të mirë, kontekst përkatës dhe vlerësim efektiv, organizata mund ta rrisë volumin e punës më shpejt sesa arrin të vendosë çfarë të besojë, të vërë në përdorim ose nga çfarë të mësojë.
IA-ja mund të ulë koston e gjenerimit të kodit dhe të ekzekutimit të eksperimenteve. Ulja e kostos totale të softuerit varet nga puna që kërkohet ende për rishikimin, integrimin, funksionimin, mirëmbajtjen dhe ripunimin e tij.
Ne presim që avantazhi inxhinierik të varet gjithmonë e më shumë nga katër aftësi:
Vendimmarrja se çfarë duhet ndërtuar, si duhet ndërtuar dhe si regjistrohen këto zgjedhje.
Mbështetja e njerëzve dhe sistemeve të IA-së te njohuritë e duhura të organizatës.
Zgjerimi i sigurt përmes platformave, kontrolleve e vlerësimit të përbashkët.
Projektimi i arkitekturave që integrojnë mjete dhe përbërës të rinj pa ndërprerje të përsëritura.
Kërkesa për aftësinë kalon kështu nga prodhimi e rezultateve te rritja e rendimentit: zgjedhja e punës së duhur, mbështetja në kontekst, testimi nëse funksionon dhe përcaktimi se çfarë nuk duhet publikuar.
Ndërsa eksperimentimi bëhet më i lirë, regjistrimi i vendimeve bëhet më i vlefshëm po ashtu. Organizatat duhet të dinë çfarë është provuar, çfarë ka dështuar, mësimet që u nxorën dhe pse u zgjodh një rrugë në vend të një tjetre.
Sistemet inxhinierike duhet të optimizohen për një vërtetim të shpejtë, përmirësim të sigurt ciklik dhe mësime të dokumentuara, jo vetëm shpejtësi realizimi. Kjo e ndryshon si rolin e inxhinierit, ashtu edhe të ekipit.
Për inxhinierët, ky është aq shumë një largim nga ndërtimi, por më shumë një kalim drejt formësimit, vlerësimit dhe bashkërendimit të asaj që krijohet.
Softueri i krijuar nga IA-ja nuk e eliminon nevojën për inxhinierët. Ai rrit rëndësinë e njerëzve që i kuptojnë kufizimet e sistemit, përcaktojnë ndërfaqet, projektojnë vlerësimet dhe bashkërendojnë punën e njerëzve dhe agjentëve. Inxhinierët që ndërthurin njohuritë e thella teknike me gjykimin, njohuritë mbi produktin dhe aftësitë e vlerësimit shpesh krijojnë më shumë vlerë se ata që vetëm zbatojnë përbërës individualë.
Historikisht, ekipet e produktit vendosnin se çfarë të ndërtohej, ndërsa ato të inxhinierisë përcaktonin mënyrën e ndërtimit. Sot, shumë organizata i bashkojnë së bashku produktin, dizajnin dhe inxhinierinë. Ndryshimi specifik nga IA-ja është se çfarë ndodh brenda ekipit: prototipet më të lira lejojnë që idetë të kalojnë nga formulimi i problemit te zbatimi dhe vlerësimi në të njëjtin cikël. Ekipet mund të provojnë më shumë opsione, të eliminojnë më herët idetë e dobëta dhe t'i shtyjnë më tej në prodhim idetë e miratuara.
Kjo favorizon ekipe të vogla ndërfunksionale ku specialistët e produktit, dizajnit, inxhinierisë dhe fushës punojnë në një cikël të përbashkët mësimor. Gjykimi për produktin dhe gjykimi teknik nuk shkrihen në një rol të vetëm, por duhet të afrohen më shumë. Drejtuesve të produktit u duhen njohuri të mjaftueshme teknike për të krijuar prototipe dhe për të vlerësuar opsionet. Inxhinierëve u duhet kontekst i mjaftueshëm për klientin dhe biznesin që të përcaktojnë problemin, jo vetëm të zbatojnë një përgjigje të paracaktuar.
Organizatat inxhinierike tradicionalisht e kanë trajtuar kodin si asetin e tyre kryesor. Ndërsa kodi gjenerohet më lehtë, vlera afatgjatë kalon te konteksti përkatës: njohuritë e fushës, njohuritë e klientit, përvoja operative, të dhënat pronësore, paketat e të dhënave për vlerësimin, politikat e lexueshme nga makinat dhe historiku i vendimeve për arkitekturën që shpjegon mënyrën e funksionimit të sistemeve.
Bazat e kodit kanë rëndësi edhe sepse mishërojnë njohuri për biznesin dhe klientët të fituara me vështirësi. IA-ja ndryshon përpjekjen për të prodhuar kodin, por nuk e eliminon përpjekjen për t'i fituar ato njohuri. Për këtë arsye, organizatat duhet të shikojnë përtej volumit të kodit dhe të investojnë në asete që fitojnë më shumë vlerë: të dhëna pronësore të qeverisura mirë, sisteme njohurish të përdorshme, njohuri të thella për klientin dhe regjistrim të qartë të vendimeve.
Për drejtorët e informacionit dhe të të dhënave, kjo e bën arkitekturën e informacionit dhe qeverisjen e të dhënave thelbësore për performancën inxhinierike. Agjentët e IA-së mund të përdorin vetëm kontekstin ku kanë leje qasjeje dhe interpretimi. Si pasojë, njohuritë e fragmentuara, përgjegjësia e paqartë për të dhënat dhe lejet jo konsistente bëhen kufizime inxhinierike, jo thjesht probleme të menaxhimit të informacionit.
Kur konteksti bëhet pjesë e sistemit të prodhimit, ai nuk mund të mbetet një dokumentacion pasiv. Ai bëhet aftësi e platformës.
Realizimi me IA-në nuk mund t'u lihet tërësisht ekipeve individuale kur konteksti, vlerësimi dhe qeverisja bëhen pjesë e sistemit të prodhimit. Dhe as nuk duhet përqendruar aq sa ekipet të humbasin lidhjen me problemet reale të klientëve.
Një model i federuar i ekuilibron këto nevoja. Ekipet autonome të aplikacioneve mbeten pranë problemit, të mbështetura nga kapacitetet e përbashkëta të platformës dhe strukturës që sigurojnë mjete të ripërdorshme, qasje të kontrolluar te konteksti, modele vlerësimi, leje dhe qeverisje. Modeli i federuar funksionon vetëm me përgjegjësi të qarta: ekipet e aplikacioneve përgjigjen për rrjedhën e punës dhe rezultatet; ekipet e strukturës ofrojnë kapacitetet e përbashkëta për progres të sigurt; dhe ekipet për rrezikun, sigurinë dhe qeverisjen kanë mbikëqyrje të pavarur.
Ekipet e aplikacioneve dhe ekspertët e fushës duhet të përcaktojnë rastet e vlerësimit për detyrën dhe nivelin e pranimit. Ekipi i strukturës duhet të ofrojë infrastrukturën e vlerësimit, kontrollet e përbashkëta dhe raportimin për zbatim konsistent të vlerësimeve.
Fusha | Ekipi i aplikacionit | Ekipi i strukturës | Rreziku, siguria dhe qeverisja |
|---|---|---|---|
Produkti dhe rezultati | Zgjedh problemin, punën, përvojën e përdoruesit dhe matësit e suksesit; përgjigjet për rezultatin për klientin dhe biznesin | Ofron modele të ripërdorshme, mjete dhe telemetrinë | Vendos kufizime kur rasti i përdorimit krijon rrezik të lartë |
Konteksti dhe qasja | Përcakton informacionet dhe veprimet që kërkon rrjedha e punës | Ofron ndërfaqet e kontekstit, identitetin e agjentit dhe lejet e mjeteve | Miraton qasjen në të dhëna delikate dhe kufijtë e kontrollit |
Vlerësimi dhe publikimi | Përcakton kriteret e pranimit dhe rishikon rezultatet | Mirëmban paketat e vlerësimit, regjistrat e auditimit dhe zbatimet e miratuara | Miraton rastet me rrezik të lartë, përjashtimet dhe ndryshimet thelbësore |
Financimi dhe përgjegjshmëria | Financohet dhe mban përgjegjësi për rezultatin e aplikacionit | Financohet si kapacitet i përbashkët dhe matet për ripërdorimin, mbulimin dhe kohën deri në prodhim të sigurt | Siguron mbikëqyrjen e pavarur dhe vendimet e kontrollit |
Ritmi dhe të mësuarit | Punon me ekspertët e fushës dhe rishikon rezultatet, anulimet dhe incidentet | I kthen mësimet në teste, kontrolle dhe kapacitete të reja të ripërdorshme | Rishikon incidentet dhe ndryshimet në pikat e miratimit |
Kjo ndryshon edhe mënyrën se si drejtuesit duhet të mendojnë për madhësinë e ekipeve. Ekipet më të vogla që prodhojnë më shumë softuerë nuk janë një objektiv në vetvete. Qëllimi është ta vendosim gjykimin njerëzor aty ku krijon më shumë vlerë: pranë problemit në ekipet e aplikacioneve dhe brenda kapaciteteve të përbashkëta që i lejojnë ata të ecin shpejt pa e humbur kontrollin.
Me ekipe aplikacionesh më të vogla e më të ndihmuara nga IA-ja, organizatave u duhen kapacitete të përbashkëta më të forta për realizim të sigurt, të njëtrajtshëm dhe me llogaridhënie.
Inxhinieria tradicionale e platformave është përqendruar te produktiviteti i zhvilluesve, me njerëzit si përdorues kryesorë. Një platformë me IA në themel duhet të mbështetë njerëzit dhe agjentët.
Agjenti nuk e përdor platformën e zhvilluesve si një njeri. Atij i duhen udhëzime e mjete të qasshme nga makinat, leje të qarta dhe mënyra të besueshme vlerësimi të punës. Struktura duhet të mbulojë edhe vëzhgueshmërinë, sigurinë, pajtueshmërinë dhe menaxhimin e njohurive. Qëllimi i saj është ta bëjë autonominë të dobishme brenda kufijve të qartë e të zbatueshëm.
Merrni një bankë që fut një rrjedhë pune me IA për kërkesat mbi kundërshtimin e transaksioneve me kartë. Ekipi i aplikacionit nis me një detyrë të ngushtë: klasifikon rastin, gjen politikën përkatëse dhe harton një përgjigje për punonjësin e mbështetjes. Ai përgjigjet për rrjedhën e punës, përvojën e përdoruesit, pragjet e përshkallëzimit dhe matësit e suksesit. Nuk përcakton politikat rregullatore dhe as i jep agjentit leje të reja.
Në këtë shembull, agjentët mund të ndihmojnë zbatimin, të kryejnë teste për detyrën dhe të përgatitin versionin për publikim. Njerëzit do të miratonin sërish vendosjen në prodhim, ndërsa rezultatet do të orientonin ciklin tjetër të vlerësimit dhe zhvillimit. Kontrollet gjatë ekzekutimit mbeten më vete: agjenti i mbështetjes duhet të përdorë vetëm mjete e të dhëna të miratuara, brenda lejeve dhe rrugëve të përcaktuara të përshkallëzimit.
Konteksti: Agjenti ka qasje te rasti aktual, të dhënat minimale të klientit për zgjidhjen, procedurat e miratuara të produkteve e ankesave dhe rregullat e përshkallëzimit të lexueshme nga makinat. Nuk ka qasje te kredencialet e plota të pagesave apo të dhënat e palidhura të klientëve dhe nuk shkruan në sistemin e menaxhimit të rasteve.
Vlerësimi: Para publikimit, një paketë testesh me raste historike përfaqësuese dhe raste kufitare të etiketuara nga ekspertët duhet të kalojë kontrollet për saktësinë e klasifikimit, respektimin e politikave, mosveprimin kur duhet, rrjedhjen e të dhënave personale dhe përshkallëzimin e ankesave ose rasteve financiarisht të ndjeshme.
Miratimi: Vendimi për produktin i takon ekipit të aplikacionit. Ekipet e riskut, sigurisë dhe pajtueshmërisë miratojnë qasjen te të dhënat, lidhjen me politikat dhe rrugën e vendosjes në prodhim. Punonjësi i mbështetjes miraton çdo mesazh dalës; vendimet që prekin paratë ose të drejtat e klientit mbeten jashtë autonomisë së agjentit.
Regjistri i strukturës: Çdo ekzekutim regjistron identitetin e agjentit, versionin e modelit, kontekstin e burimet e marra, mjetet e thirrura, kontrollet e politikave, rezultatet e vlerësimit, ndryshimet ose anulimet nga njerëzit dhe incidentet. Ekipi i kthen praktikat e suksesshme në ndërfaqe konteksti, raste vlerësimi, shabllone lejesh dhe rrugë të miratuara vendosjeje të ripërdorshme. Dështimet dhe anulimet shndërrohen në teste të reja dhe përmirësime të rrjedhës së punës.
Kështu agjenti mund të ketë hapësirë veprimi, por vetëm përmes kontekstit e mjeteve të miratuara; çdo kufi i rëndësishëm prodhon prova të shqyrtueshme dhe të ripërdorshme. Njerëzit mbeten përgjegjës për vendimet me peshë. Me kohë, banka mund të përdorë raste reale — sukseset e agjentit, ndërhyrjet njerëzore dhe dështimet — për të përmirësuar punën dhe për të vendosur nëse do t'ia zgjerojë kompetencat. Kështu duken në praktikë autonomia e kufizuar dhe të mësuarit e vërtetuar me prova.
Kjo ndarje pasqyrohet në sistemet dhe kontrollet që administron ekipi i strukturës. Ekipet e strukturës mund të përgjigjen për:
Identitetin e agjentit: lëshimin e identiteteve të shërbimit, regjistrimin e përgjegjësisë e mjedisit dhe gjurmimin e versioneve të modelit, kërkesës e mjeteve që përdor çdo agjent.
Lejet e mjeteve: përcaktimin e fushëveprimit të leximit e shkrimit, kufijve të qasjes te të dhënat, ritmit të kërkesave, pikave të miratimit dhe rregullave të ndalimit si parazgjedhje për veprimet e agjentit.
Ndërfaqet e kontekstit: ofrimin e njohurive e të dhënave të miratuara përmes ndërfaqeve me versione, që respektojnë lejet dhe tregojnë qartë prejardhjen e përditësinë.
Paketat e vlerësimit: mirëmbajtjen e shembujve përfaqësues, rasteve kufitare, testeve të sigurisë e mbrojtjes, testeve të regresionit dhe pragjeve të publikimit.
Regjistrat e auditimit dhe vëzhgueshmërinë: regjistrimin e identitetit të agjentit, kontekstit, mjeteve, rezultateve, miratimeve, anulimeve nga njerëzit, dështimeve e incidenteve, me kontrolle të përshtatshme ruajtjeje dhe qasjeje.
Rrugët e miratuara të vendosjes: mjedise të izoluara, ekzekutim paralel pa ndikim, vendosje me faza dhe në prodhim, me kontrolle automatike, mekanizma rikthimi dhe kontroll ndryshimesh.
Ekipet e strukturës nuk janë thjesht emër i ri për çdo funksion ekzistues të platformës. Ekipet e operacioneve të të mësuarit makinerik, sigurisë, qeverisjes dhe platformës ruajnë përgjegjësitë e veta. Ekipi i strukturës i lidh këto kontrolle me mënyrën si ekipet e aplikacioneve ndërtojnë e zbatojnë rrjedhat e punës me IA: leje e pika miratimi për politikat, ndërfaqe të qeverisura për kontekstin, teste për vlerësimin dhe regjistra që mundësojnë auditimin e ripërdorimin e sjelljes së agjentit.

Nëse inxhinieria ndahet mes realizimit të aplikacioneve dhe mbështetjes së përbashkët, edhe personeli, drejtimi e matja duhet të përshtaten.
Ekipeve të aplikacioneve u duhet gjykim mbi produktin, inxhinierinë e fushën, pranë problemit. Ekipeve të platformës e strukturës u duhen njerëz që projektojnë e administrojnë mjedisin e përbashkët për njerëzit dhe agjentët në shkallë të gjerë.
Për CTO-të, CDO-të dhe CIO-të, sfida është të vendosin çfarë të ofrojnë në qendër dhe çfarë t'ua lënë ekipeve.
Ekipeve të aplikacioneve u duhet liri për të punuar shpejt dhe për të qëndruar pranë klientëve. Nuk duhet të rikrijojnë kapacitete si qasja e sigurt te të dhënat, vëzhgueshmëria, vlerësimi dhe qeverisja.
Në një organizatë me IA në themel, drejtuesit e teknologjisë duhet ta zhvendosin një pjesë të vëmendjes nga kapaciteti i realizimit te projektimi i sistemit të realizimit. Kjo përfshin:
punësimin dhe zhvillimin e njerëzve për gjykim e vendimmarrje cilësore;
investimin në platforma të përbashkëta IA-je, vlerësime, masa mbrojtëse, rrugë të miratuara, rrjedha njohurish dhe modele qasjeje;
përcaktimin e kufijve të veprimit për agjentët, njerëzit dhe rrjedhat e kombinuara të punës;
matjen e të mësuarit të vërtetuar, besueshmërisë, ndikimit te klientët dhe ripërdorimit të sigurt; dhe
ndjekjen nga afër të teknologjisë për të kuptuar ku IA-ja ndryshon vërtet kostot dhe përfitimet e realizimit.
I zbatuar mirë, ky sistem lehtëson qasjen te konteksti i duhur, testimin e punës së IA-së, ripërdorimin e modeleve të provuara dhe dallimin e rasteve ku duhet miratim njerëzor.
Shumë matës të inxhinierisë u krijuan kur prodhimi i softuerit ishte një kufizim madhor. Ritmi, pikët e detyrave, kapaciteti i përpunimit dhe shpeshtësia e vendosjeve japin ende sinjale të dobishme, por më pak informacion më vete teksa IA-ja ul punën për prodhimin e softuerit.
Një ekip mund të krijojë më shumë kod e të bëjë më shumë eksperimente, por sërish të marrë vendime të këqija, të shtojë ndërlikime të panevojshme ose risk.
Prandaj drejtuesit nuk duhet të pyesin vetëm sa softuer prodhohet ose sa gjerësisht përdoren mjetet e IA-së. Duhet të kuptojnë nëse IA-ja ndihmon organizatën të mësojë më shpejt, të përmirësojë rezultatet për klientët dhe të veprojë me besueshmëri brenda kufijve të dakordësuar.
Për ekipet e aplikacioneve, matës të dobishëm mund të jenë:
koha deri te të mësuarit e vërtetuar me prova;
përmirësimi i rezultateve për klientët;
vlera e krijuar për biznesin;
përvetësimi dhe ndryshimi i sjelljes; dhe
shkalla në të cilën eksperimentet çojnë në vendime të mbështetura në prova.
Koha deri te të mësuarit e vërtetuar duhet të mbulojë periudhën nga nisja e eksperimentit deri te mbledhja e provave të mjaftueshme për vendim. Një ekip që nis të hënën, vendos në prodhim të mërkurën dhe merr vendim të mbështetur në prova të premten, ka cikël mësimi njëjavor, jo cikël realizimi dyditor.
Për ekipet e platformës dhe strukturës, matës të dobishëm mund të jenë:
ripërdorimi i modeleve të miratuara të IA-së;
mbulimi dhe efektiviteti i vlerësimit;
incidentet dhe ripunimi lidhur me IA-në;
koha nga ideja te vendosja e sigurt në prodhim;
vëzhgueshmëria e veprimeve të agjentit; dhe
gatishmëria për auditim dhe pajtueshmëri.
Çdo matës kostosh duhet të përfshijë përdorimin e modelit, shqyrtimin njerëzor, përpjekjet e dështuara, ripunimin dhe mbështetjen operative për çdo rezultat të suksesshëm.
Këta matës kërkojnë ende përkufizime, baza krahasimi dhe metoda vlerësimi të qarta. Synimi nuk është zëvendësimi i një tabele universale vlerësimi me një tjetër, por matja nëse sistemi i realizimit jep rezultate të besueshme.
Modeli aplikacion–strukturë është një përgjigje ndaj fazës aktuale të inxhinierisë me IA në themel. Nuk duhet trajtuar si një gjendje përfundimtare e përhershme.
Disa zhvillime mund ta ndryshojnë sërish njësinë bazë të punës inxhinierike:
agjentë që marrin përgjegjësi për rrjedha të plota pune;
softuer që bëhet i përkohshëm, në vend që të mirëmbahet për vite;
përdorues që kalojnë nga ndërfaqet e aplikacioneve te përvojat e drejtuara nga agjentët;
modele bazë që përfshijnë më shumë aftësi të platformave; dhe
rregullore që e bëjnë auditueshmërinë dhe llogaridhënien kufizimin kryesor inxhinierik.
Këto janë mundësi, jo rezultate të sigurta. Nëse realizohen, edhe dallimi mes ekipeve të aplikacioneve dhe platformës mund të dalë tepër i ngushtë.
Organizatat më të përgatitura për këtë pasiguri do ta trajtojnë modelin e tyre të funksionimit si të përshtatshëm ndaj ndryshimeve. Do të organizohen rreth parimeve të qarta, kontekstit të pasur, autonomisë së kufizuar dhe të mësuarit të shpejtë, jo strukturave fikse të ekipeve apo zgjedhjeve të mjeteve.
IA-ja nuk ua ul rëndësinë sistemeve inxhinierike. Ajo rrit vlerën e projektimit të tyre të mirë.
Teksa prodhimi i softuerit bëhet më i lirë, përparësia kalon tek organizatat që marrin vendime më të mira, pasurojnë kontekstin e dobishëm dhe veprojnë në siguri. Inxhinieria me IA në themel nuk është thjesht praktikë që përdor mjete IA-je. Ajo riorganizohet rreth kufizimeve të reja: cilësisë së vendimeve, kontekstit të përbashkët, autonomisë së kufizuar dhe të mësuarit të shpejtë.
Drejtuesit e teknologjisë mund të nisin duke qartësuar katër vendime:
Cilat vendime për klientët dhe produktet duhet të mbeten pranë ekipeve të aplikacioneve?
Cili kontekst, cilat kontrolle dhe kapacitete vlerësimi duhet të ndahen mes ekipeve?
Ku mund të veprojnë agjentët në mënyrë autonome dhe ku duhet miratim njerëzor?
Cilët matës dëshmojnë të mësuarit e vërtetuar, vlerën për klientin dhe funksionimin e sigurt?
Përgjigjet do ta përcaktojnë vlerën e përvetësimit të IA-së më shumë sesa numri i asistentëve që vendos në përdorim organizata.
