Julien Florkin

AI i automatizacija

Azure AI Vision: Kako procijeniti tok rada sa slikama prije nego što ga automatizirate

Slika stiže u poslovni proces već noseći malu potražnju. Fotografija isporuke, skenirani račun, polica, sigurnosna obavijest ili oštećeni dio moraju postati nešto…

Futuristički obrisi grada s brendom Azure AI Vision.

Slika stiže u poslovni proces već noseći malu potražnju. Fotografija isporuke, skenirani račun, polica, sigurnosna obavijest ili oštećeni dio moraju postati nešto drugo: pretraživi zapis, odluka o usmjeravanju, upozorenje, brojač ili upit osobi da bolje pogleda. Iskušenje je početi s modelom: može li čitati tekst, detektirati objekte, generirati natpis ili označiti sadržaj?

To je obično drugo pitanje. Prvo je šta će osoba ili sistem uraditi drugačije kada se slika interpretira. Ako se ne promijeni nijedna akcija, uvjerljiva demonstracija i dalje može biti skup ukras. Ako se neka akcija ipak promijeni, važan posao je dovoljno dobro definirati put od slike do odluke kako bi ga tim mogao iskreno testirati.

Azure Vision, sada predstavljen u Microsoft Foundry Tools-u, nudi mogućnosti analize slika i OCR-a koje se mogu pozvati putem API-ja. Microsoft dokumentira i dostupne funkcije i ograničenja verzije usluge; te činjenice su važne, ali ne daju odgovor na pitanje da li je određena kolekcija slika pogodna za određenu odluku. Ovaj članak nudi način da se napravi ta razlika prije nego što lista funkcija preuzme razgovor.

Počnite s odlukom koju slika mora podržati

Korisna jedinica evaluacije nije "analiza slike". To je specifična slika koja ulazi u određeni trenutak rada i mijenja određeni sljedeći korak. To možda zvuči očigledno, ali timovi često počinju s katalogom mogućnosti jer je on lako dostupan. Model vraća oznake, tekst, natpis, okvire oko objekata ili klasifikaciju sadržaja. Izlazni rezultati izgledaju konkretno. Odluka koja slijedi je još uvijek nejasna.

Uzmimo za primjer običnu operativnu situaciju, namjerno opisanu kao urednička sinteza, a ne kao prijavljeni slučaj kupca. Skladišni tim prima fotografije uz zapise o isporuci. Neko želi da fotografije olakšaju pronalaženje izuzetaka. U tom zahtjevu skrivena su najmanje četiri različita zadatka:

  • izvucite referentni broj odštampan na etiketi;
  • označi sliku za osobu kada paket izgleda vidljivo oštećen;
  • pomoći kolegi da pronađe ranije fotografije korisnim opisom; ili
  • kreirati zapis koji podržava kasniji spor.

Svaki posao ima drugačiju grešku. Propušteni referentni broj može usporiti pretragu. Lažna oznaka oštećenja može oduzeti vrijeme recenzentu. Propuštena oznaka oštećenja može utjecati na odluku kupca. Zapis korišten u sporu može zahtijevati izbor porijekla i zadržavanja koji su važniji od elegancije modela. Nazivanje sva četiri "računarskim vidom" skriva dio koji određuje je li automatizacija prikladna.

Počnite s jednom rečenicom koja jednostavnim jezikom imenuje odluku: „Kada stigne ovakva slika, koristit ćemo izlaz da odlučimo hoćemo li ___.“ Zatim dodajte postojeću alternativu. Da li osoba već čita oznaku? Da li se slika ignoriše dok se ne pojavi žalba? Da li neko pretražuje mapu po datumu? Poređenje treba biti u odnosu na stvarni rad, uključujući njegovo kašnjenje i greške, a ne u odnosu na fantaziju o savršenom ručnom pregledu.

Ovo također sprječava uobičajeno prekoračenje: tretiranje opisnog rezultata kao autoritativne činjenice. Natpis može biti koristan za pronalaženje fotografije. To nije automatski dokaz da je isporuka završena. OCR može oporaviti odštampani tekst. To nije automatska dozvola za izmjenu računovodstvenog zapisa. Izlaz detekcije objekta može pomoći recenzentu da se fokusira. To nije automatski sigurnosna presuda. Što se rezultat više približava posljedičnoj odluci, to je toku rada potrebniji eksplicitni put oporavka.

Microsoftov trenutni pregled analize slika opisuje mogućnosti uključujući OCR, natpise, oznake, detekciju objekata, detekciju ljudi i pametno izrezivanje u svim verzijama API-ja. To je koristan popis tek nakon što je donesena odluka. On govori timu šta se može isprobati; ne govori im šta njihove slike znače, koja je greška prihvatljiva ili ko mora djelovati kada je rezultat nesiguran.

Zapišite četiri polja prije nego što počnete razgovarati o usluzi:

  1. Dolazna slika. Odakle dolazi, koliko je varijabilan i da li sadrži lične, komercijalno osjetljive ili regulirane informacije?
  2. Predloženi izlaz. Je li koristan tekst rezultata, kategorija, lokacija, signal pouzdanosti ili razlog za usmjeravanje stavke na pregled?
  3. Akcija. Ko ili šta mijenja ponašanje zbog tog rezultata?
  4. Posljedica toga što nije u pravu. Šta se dešava nakon lažno pozitivnog, lažno negativnog rezultata, nečitljive slike, odgođenog odgovora ili kvara usluge?

Ova polja su dovoljno kompaktna za ranu radnu sesiju, ali obavljaju pravi intelektualni rad. Ona prisiljavaju tim da odabere rad koji treba poboljšati prije nego što odabere mehanizam. Također olakšavaju odbacivanje lošeg slučaja upotrebe bez odbacivanja tehnologije. „Još ne možemo definirati akciju“ je vrijedniji nalaz od „demonstracija je bila neuvjerljiva“.

Dolazna slika ostaje nit kroz ostatak evaluacije. Mora putovati kroz interfejs, API poziv, rezultat, osobu ili sistem, a ponekad i zapis. Funkcija zaslužuje svoje mjesto samo ako poboljša to putovanje.

Mapirajte putovanje slike prije poređenja funkcija Azure Vision-a

Kada je odluka jasna, pratite sliku kroz stvarni sistem. Ovdje naizgled uzak tehnički izbor postaje pitanje operativnog dizajna.

Počnite od snimanja. Da li je slika snimljena fiksnom kamerom, postavljena s telefona, skenirana s dokumenta ili primljena od treće strane? Model procijenjen na oštrim uzorcima slika može se ponašati vrlo različito kada su fotografije rotirane, slabo osvijetljene, komprimirane, zaklonjene, višejezične ili snimljene na nedosljednim udaljenostima. Nijedan od ovih uvjeta sam po sebi nije nedostatak modela. To su uvjeti rada za koji se od modela traži da učestvuje.

Zatim pitajte šta se mora dogoditi prije API poziva. Slike će možda trebati promijeniti veličinu, provjeriti njihovu potpunost, povezati ih s internim identifikatorom ili zadržati radi donošenja odluke o pristanku i zadržavanju. Ako radnik mora ručno preimenovati i otpremiti svaku sliku, navodna automatizacija može jednostavno preusmjeriti rad. Ako sistem već ima pouzdan ID dokumenta, očuvanje te povezanosti može biti važnije od izdvajanja teksta po drugi put.

Izbor mogućnosti trebao bi biti uzak kao i sam posao. Microsoftova OCR dokumentacija opisuje izdvajanje štampanog i rukom pisanog teksta putem Image Analysis 4.0. To može biti razumna početna tačka kada je potrebno predložiti ključ za pretragu ili unaprijed popuniti polje za verifikaciju. To je drugačiji prijedlog od traženja od modela slike da interpretira pravni, medicinski, finansijski ili sigurnosno relevantan dokument. U tim situacijama, slika nije samo slika; to je zapis s kontekstom koji izlaz možda neće sačuvati.

Nazivi karakteristika također mogu prikriti izbor dizajna. "Detekcija objekata" može zvučati kao instrukcija za brojanje stvari. Pa ipak, timu je možda potrebno samo da zna da li je objekat uopšte prisutan. "Titlovanje" može zvučati kao pronalaženje. Pa ipak, čitalac natpisa može biti zaposlenik koji je u kontaktu s klijentima, indeks pretrage ili tok rada za pristupačnost, svaki s različitim zahtjevima za jezik, kvalitet i pregled. Kategorija kreirana za grubu trijažu ne bi trebala tiho postati zapis koji se koristi za sprovođenje zakona ili plaćanje.

Korisno je nacrtati putovanje u jednoj liniji:

primljena slika → slika potvrđena → funkcija pozvana → izlaz pridružen stavci → procijenjena pouzdanost/izuzetak → osoba ili pravilo djeluje → ishod zabilježen za pregled

Strelice su važne koliko i okviri. Kod svake strelice navedite šta se može izgubiti ili iskriviti. Originalna slika može biti odvojena od svog kućišta. Pozivalac može poslati pogrešno izrezivanje. API odgovor može biti odgođen ili nedostupan. Rezultat može biti priložen pogrešnom zapisu. Recenzent može vidjeti oznaku, ali ne i originalnu sliku. Pravilo nizvodno možda neće moći objasniti zašto je djelovalo. Ovo nije zahtjev za veliki arhitektonski dokument. To je način da se vidi da li je predložena upotreba i dalje koherentna nakon što napusti demonstracijski ekran.

Microsoft dokumentira da Image Analysis 4.0 i 3.2 imaju različitu pokrivenost funkcijama i da 4.0 ima obavještenje o povlačenju od 25. septembra 2028. u trenutnom pregledu. Poređenje verzija i obavještenje o životnom ciklusu su praktični podsjetnici da se pilot-projekt veže za tačnu mogućnost i verziju koju koristi. Opis rješenja koji jednostavno kaže „Azure AI Vision“ je preopširan za odgovorno održavanje, testiranje ili migraciju.

Putovanje također pojašnjava da li je unaprijed izgrađeni alat za vizualni prikaz dovoljan. Ako je zadatak ograničeni OCR ili korak deskriptivne analize, upravljana sposobnost može biti prikladna. Ako stvarni posao ovisi o definiciji štete, kvalitete ili usklađenosti specifične za domen, timu će možda trebati drugačija strategija podataka, specijalizirani model ili odluka da se prosuđivanje zadrži ljudskim. U tom zaključku nema greške. Poenta putovanja je da se to otkrije prije nego što integracija ionako stvori pritisak za automatizaciju.

Tretirajte rezultat kao dokaz, a ne kao odgovor

Model slike proizvodi izlaz pod određenim uslovima. Ne otkriva odluku koja postoji nezavisno od zadatka, slika i pravila interpretacije oko njega. Ova razlika je ono što razlikuje koristan pilot od uvjerljive demonstracije.

Pretpostavimo da je fotografija isporuke namijenjena kao podrška redu za pregled oštećenja. Koji dokazi bi opravdali korištenje oznake? Odgovor vjerovatno neće biti generički objavljeni broj tačnosti. Timu su potrebne reprezentativne slike: normalne isporuke, jasno oštećene, dvosmislene, neobično osvjetljenje, nedostajuće etikete, djelimični prikazi i teški slučajevi koji danas uzrokuju rad. Uzorku je potreban dogovoreni referentni sud od strane ljudi koji razumiju zadatak. Ako se recenzenti ne slažu oko toga da li slika prikazuje oštećenje, to neslaganje je dio operativne stvarnosti. Model ne može učiniti da to nestane vraćanjem decimale.

Mjerite rezultat u jeziku odluke. Tok rada trijaže može biti vezan za udio zaista važnih stavki pronađenih rano, količinu nepotrebnih pregleda i vrijeme koje je recenzentu potrebno za rješavanje izuzetka. Tok rada pretraživanja može biti vezan za to mogu li ljudi pronaći pravu stavku bez otvaranja mnogo lažnih podudaranja. Tok rada transkripcije može biti vezan za greške na nivou polja i za to može li ih osoba efikasno ispraviti. Jedan agregirani broj može sakriti kompromis s kojim tim zapravo mora živjeti.

Riječ "pouzdanje" zaslužuje pažnju. Vrijednost pouzdanosti koju emitira servis je izlaz modela, a ne univerzalna mjera istinitosti ili prikladnosti. Može pomoći u kreiranju pravila pregleda, ali pravilo se mora testirati na slikama i radnjama koje su u pitanju. Prag koji funkcionira u čistom internom uzorku može generirati ili poplavu pregleda ili opasnu tišinu nakon promjene okruženja snimanja. Tretiranje praga kao početne hipoteze je iskrenije i korisnije nego tretiranje praga kao politike.

Microsoftova dokumentacija jasno navodi da usluge imaju specifične uslove za funkcije i region. Na primjer, pregled analize slike navodi da dostupnost nekih titlova zavisi od regije i verzije. Ta vrsta ograničenja pripada uz slučaj upotrebe, a ne nekom udaljenom dodatku. Tok rada koji zavisi od mogućnosti koja nije dostupna u potrebnoj regiji nije „skoro spreman“. Potreban mu je drugačiji dizajn ili uže obećanje.

Nacionalni institut za standarde i tehnologiju (NIST) definira upravljanje rizikom umjetne inteligencije kao način uključivanja razmatranja pouzdanosti u dizajn, razvoj, upotrebu i evaluaciju AI sistema. Okvir za upravljanje rizikom umjetne inteligencije NIST-a je dobrovoljni vodič, a ne certifikacija proizvoda. Njegova vrijednost ovdje je jednostavna: usmjerava pažnju na sociotehnički sistem oko modela. U radnom procesu slike, to znači pitati se kako je slika snimljena, čiji se rad mijenja, na koga može utjecati greška i kako će organizacija primijetiti kada pretpostavke više ne vrijede.

Dokaz nije samo tabela mjerenja. On uključuje porijeklo. Može li recenzent vidjeti originalnu sliku, vrijeme kada je obrađena, tačnu konfiguraciju usluge/verzije i rezultat koji je doveo do sljedećeg koraka? Za pomoć pri pretrazi s niskim ulozima, jednostavan zapisnik može biti dovoljan. Za odluku s posljedicama po kupca, finansijske, sigurnosne ili pravne posljedice, trag dokaza može postati dio zahtjeva proizvoda. Ako se ne može sigurno zadržati, slučaj upotrebe možda će trebati suziti.

Zato je tvrdnja „testirali smo i radilo je“ preslaba. Radilo je za koje uslove slike, koju definiciju zadatka, koju grešku i koju ljudsku radnju? Dobra evaluacija čini te granice vidljivim. Ostavlja prostor za pozitivan ishod, a istovremeno sprječava da se lokalni rezultat predstavi kao univerzalni.

Ljudski pregled dizajna gdje se mijenja cijena greške

Ljudski pregled se ponekad tretira kao dokaz da automatizacija nije uspjela. U dobro osmišljenom toku rada sa slikama, često je to mehanizam koji omogućava automatizaciji da ostane korisna, a da se od nje ne traži da donosi neprikladne odluke.

Pitanje nije da li se osoba pojavljuje negdje u petlji. Pitanje je da li osoba dobija dovoljno konteksta, autoriteta i vremena da ispravi rezultat prije nego što on prouzrokuje štetu. Slanje svakog rezultata niske pouzdanosti u generički red čekanja je tehnički obrazac, a ne još funkcionalan dizajn. Pregledatelj treba znati na šta je slika pričvršćena, šta je sistem zaključio, koja će se radnja dogoditi i koje izbore može napraviti. Također im je potreban izlaz za slike koje su nejasne, nepotpune ili izvan predviđenog opsega.

Povratak na fotografiju dolazne isporuke. Praktičan ekran za pregled može prikazati originalnu sliku, povezani zapis o isporuci, predloženu kategoriju i kratak razlog za označavanje. Recenzent može prihvatiti označavanje, odbiti ga, zatražiti drugu sliku ili eskalirati slučaj. Te opcije nisu dekoracija interfejsa. One određuju šta "ispravno" znači u pilot projektu. Ako je jedina dostupna radnja prihvatiti ili odbiti, onda se dvosmislenost prisiljava na binarnu odluku koju stvarni rad možda ne podržava.

Ljudski pregled treba biti postavljen tamo gdje njegova procjena mijenja rezultat. Za jednostavnu transkripciju, to može biti izuzetak koji se aktivira neusklađenošću polja. Za zastavicu sadržaja ili sigurnosti, to može biti potrebno prije vanjske posljedice. Za pomoć pri pretrazi, to može biti implicitno: korisnik vidi rezultat i bira hoće li otvoriti sliku. Što je veća posljedica, to je manje razumno zamijeniti ljudsku odluku generičkim izlazom modela bez obranjive osnove specifične za zadatak.

Pregled također stvara učenje, ali samo ako ga tijek rada odgovorno evidentira. Ponovljene ispravke mogu otkriti problem sa snimanjem, nejasnu politiku, slabu definiciju kategorije ili neusklađenost između alata i posla. Ne bi ih trebalo automatski tretirati kao podatke za obuku ili kao dokaz da će se model poboljšati. Svrha rane povratne informacije je prvo razumjeti greške sistema, a ne obećati budući ishod modela.

Pregled Microsoftovog Foundry Toolsa smješta Vision među širu grupu unaprijed izgrađenih usluga. Taj širi okvir je koristan jer mnoge produkcijske odluke obuhvataju više od poziva modela: kontrole identiteta i pristupa, evidentiranje, pohranu podataka, dizajn interfejsa, praćenje i ovlaštenje osobe da interveniše. Odabir mogućnosti vida je samo jedan dio odabira sistema.

Dizajn pregleda treba da sadrži eksplicitno pravilo zaustavljanja. Na primjer: ako slika nema pridruženi zapis, ako model ne može vratiti polje potrebno za zadatak, ako recenzent ne može vidjeti original ili ako se pojavi određena vrsta greške sa velikim uticajem, stavka napušta automatizaciju i prati postojeću ručnu rutu. Pravilo zaustavljanja nije pesimizam. To je način na koji tim sprečava pilota da tiho mijenja vlastiti opseg kada se pojave nezgodni slučajevi.

Ovdje se također konkretno postavljaju pitanja pravednosti i pristupačnosti. Ako se kvalitet slike razlikuje zbog nejednakih uslova koje različiti radnici, uređaji, lokacije ili korisnici imaju, pravilo automatizacije može neravnomjerno rasporediti dodatne prepreke. Ako se natpisi ili opisi pojavljuju u korisničkom iskustvu, jezik se mora procijeniti za ljude koji će se na njega oslanjati. Ova pitanja ne zahtijevaju grandioznu tvrdnju da je svaki vizijski projekat visokog rizika. Ona zahtijevaju da tim primijeti na koga utiče određena odluka koju namjerava automatizirati.

Zajedno provjerite podatke, privatnost, troškove i životni ciklus usluge

Najčišći test modela i dalje može biti pogrešan prvi potez ako tim ne može odgovorno slati, zadržati, preuzeti ili platiti za uključene slike. Ova razmatranja su često podijeljena u odvojene tokove rada; u ranoj evaluaciji, moraju se susresti oko istog puta slike.

Počnite s podacima. Šta se zapravo nalazi na slikama? Lica, registracije vozila, ekrani, naljepnice, rukom pisane bilješke, adrese, informacije o zalihama ili kontekst lokacije mogu promijeniti osjetljivost radnog procesa. Oznaka koja izgleda bezopasno u demonstraciji može identificirati kupca ili zaposlenika u proizvodnji. Fotografija koja je korisna za inspekciju može također zabilježiti ljude koji nikada nisu bili ključni za zadatak. Prava pitanja su činjenična i lokalna: šta ulazi u uslugu, gdje se obrađuje, šta se pohranjuje, ko to može preuzeti i koliko dugo se čuva.

Dokumentacija usluge može informirati o tehničkoj konfiguraciji, ali ne može riješiti pravne ili ugovorne obaveze organizacije. Microsoft opisuje sigurnost, usklađenost, regionalnu dostupnost i opcije razvoja za svoje alate u dokumentaciji Foundry Tools . Kupac i dalje treba procijeniti vlastite kategorije podataka, ugovore, nadležnost, pravila zadržavanja i model pristupa uz odgovarajuću internu i profesionalnu podršku. „Pružatelj usluga ima informacije o usklađenosti“ nije ista izjava kao i „ova upotreba je usklađena“.

Trošak ima isti kontekstualni karakter. Relevantno pitanje nije samo cijena API jedinice. To je cijena po korisnoj odluci nakon ponovnih pokušaja, loših slika, ljudskog pregleda, pohrane, integracije, praćenja i podrške. Tok rada koji štedi trideset sekundi na svakoj slici može biti vrijedan. Tok rada koji stvara novi red čekanja koji zahtijeva vještog recenzenta također može biti vrijedan, ali ga treba iskreno opisati. Timu je potreban očekivani obim, raspon stope izuzetaka i pregled onoga što se događa kada upotreba ili složenost slike poraste.

Životni ciklus je lako zanemariti kada je neka mogućnost dostupna već danas. Trenutna dokumentacija Microsofta za analizu slika sadrži jasnu obavijest o ukidanju verzije Image Analysis 4.0 i navodi datum penzionisanja 25. septembra 2028. To ne čini uslugu neupotrebljivom. To znači da je usluga/verzija dio dizajnerskog zapisa. Pilot projekat treba da zabilježi tačnu krajnju tačku ili verziju API-ja, funkciju od koje zavisi, testiranu regiju i vlasnika odgovornog za praćenje smjernica za migraciju. "Vizija" nije dovoljna oznaka za održavanje.

Pouzdanost zaslužuje isti tretman. Šta se dešava kada je usluga spora, nedostupna, ograničene brzine ili ne vraća upotrebljiv izlaz? Ako je odgovor „proces se zaustavlja“, preduzeće je donijelo odluku o pouzdanosti, bez obzira da li je prepoznaje ili ne. Bolji rani dizajn odlučuje hoće li pokušati ponovo, preusmjeriti na ručni rad, staviti u red za kasniju obradu ili predstaviti jasan izuzetak. Postojeći proces može biti nesavršen, ali često pruža rezervnu opciju koja čini prvo raspoređivanje sigurnijim.

Sigurnost, privatnost, troškovi i životni ciklus stoga bi se trebali pojaviti u istom opisu slučaja upotrebe od jedne stranice kao i slika, rezultat i akcija. Njihovo odvajanje može biti administrativno praktično, ali timu olakšava validaciju ponašanja modela, a istovremeno odgađa uvjete koji određuju da li radni tok uopće može postojati.

Ovdje postoji korisno pravilo sekvenciranja: učinite tijek rada dovoljno sigurnim za promatranje prije nego što ga pokušate učiniti dovoljno brzim za skaliranje. U praksi, to može značiti početak s privatnim redom čekanja za pregled, zadržavanje originalne slike i njene povezanosti sa slučajem te sprječavanje izlaza da automatski mijenja zapis. Ovi izbori stvaraju malo više posla na početku. Oni također omogućavaju timu da otkrije da li je očigledna vrijednost došla iz modela, iz čišćeg snimanja, iz jasnijeg pravila usmjeravanja ili iz toga što je recenzent ranije vidio prave informacije. Bez te razlike, pilot projekat može proizvesti zadovoljavajući operativni rezultat, a ipak ostaviti organizaciju u stanju da objasni šta treba ponoviti.

Isto pravilo štiti održavanje. Tijek rada je lakše prilagoditi kada je njegovo poslovno pravilo izraženo odvojeno od poziva usluge. "Označi slike kojima je potreban pregled ljudske štete" je poslovno pravilo. "Koristi ovu verziju ove krajnje tačke s ovim pragom" je izbor implementacije. Oba pripadaju zapisu, ali ih ne treba miješati. Kada dobavljač promijeni uslugu, tim tada zna šta mora ostati istinito u radu, umjesto da migraciju tretira kao misteriju parametara.

Konačno, razlikovati upravljivi operativni rizik od tvrdnje o nultom riziku. Proces snimanja može biti dizajniran da ograniči izloženost, sačuva pregled i prati greške. Ne može se učiniti univerzalno tačnim samo dodavanjem modela ili kontrole. Ta trezvena granica je ono što omogućava timu da koristi korisnu sposobnost bez da joj da više autoriteta nego što dokazi podržavaju.

Ovo je također razlog da se dokumentacija drži čitljivom za ljude koji će naslijediti rad. Sažet opis slika, pravila odlučivanja, putanje izuzetka, usluge/verzije, granice pristupa i vlasnika može biti vrijedniji od dugog tehničkog inventara koji nijedan operativni kolega ne može koristiti. Kada se rezultat ospori mjesecima kasnije, korisno pitanje rijetko je „koja je funkcija zvučala najnaprednije?“. Pitanje je „šta smo namjeravali da ova slika uradi i kako bi neko to mogao ispraviti?“.

To pitanje održava sistem odgovornim za posao koji je trebao poboljšati.

Pokrenite najmanji pilot projekat koji može promijeniti stvarnu odluku

Odgovoran pilotni projekat nije minijaturno lansiranje produkcije. To je ograničen način da se sazna da li predloženo putovanje kroz sliku dovoljno poboljšava stvarnu odluku da zaslužuje dalji rad.

Odaberite jedan usko definirani tip slike, jedan zadatak, jednu grupu korisnika i jedan postojeći proces za poređenje. Neka originalna ruta ostane dostupna. To ne znači da se ništa ne gradi; to znači da se gradi samo ono što je potrebno da se vidi istinitost radnog toka. Na primjeru fotografije isporuke, pilot bi mogao uzeti ograničeni skup dolaznih slika, priložiti izlaz ispravnom zapisu, usmjeriti odabrane slučajeve identificiranom recenzentu i zabilježiti koliko često ruta pomaže ili odmaže donošenju odluke. Ne bi se tvrdilo da automatizira sve procjene štete, dokazuje uštede troškova ili uspostavlja univerzalnu stopu tačnosti.

Kriteriji uspjeha pilot projekta trebaju uključivati ​​i koristi i ograničenja. Korist može biti brže pronalaženje, korisnija trijaža, manji broj koraka ručne transkripcije ili jasniji zapis. Ograničenja mogu uključivati ​​maksimalno podnošljivo opterećenje lažnom zastavom, skup uvjeta slike koji moraju usmjeriti na ručnu obradu, zahtjev da recenzenti mogu pregledati original ili pravilo da se nijedna vanjska odluka ne automatizira u pilot projektu. Pravi kriteriji zavise od slučaja upotrebe; važno je da se odaberu prije nego što se rezultat proslavi.

Odlučite šta će se porediti. Ako trenutni proces nema evidenciju o greškama ili kašnjenjima, počnite s kratkim periodom posmatranja umjesto da izmišljate početnu liniju. Ako se ljudski recenzenti ne slažu, zabilježite to umjesto da namećete oznaku koja model čini pogrešnim ili ispravnim po definiciji. Ako je osnovna politika nejasna, riješite tu politiku prije nego što model tretirate kao izvor sigurnosti. Pilot projekat često otkriva dvosmislenost procesa. To je koristan ishod čak i kada nije odabrana nijedna usluga.

Test bi također trebao imenovati vlasnika. Neko mora biti odgovoran za uzorak, definiciju evaluacije, put ljudskog pregleda, pristup slikama, operativnu odluku nakon testa i zapis životnog ciklusa ako se rad nastavi. "IT posjeduje model" je preširoko; tehnički vlasnik ne može sam odlučiti da li označena slika isporuke treba promijeniti proces kupca. Suprotno tome, od operativnog vlasnika ne bi se trebalo očekivati ​​da sam donosi zaključke o sigurnosnim ili implikacijama na verziju usluge.

Na kraju, donesite jednu od tri odluke. Nastavite jer je specifični tijek rada pokazao dovoljnu vrijednost s poznatim ograničenjima. Redizajnirajte jer je slučaj upotrebe ispravan, ali podaci, interfejs ili put ljudskog pregleda nisu uspjeli. Zaustavite jer se akcija ne može definirati, cijena greške je previsoka, dokazi su preslabi ili je postojeći proces za sada bolji. Zaustavljanje nije uzaludan trud. To je rezultat koji štiti tim od pretvaranja entuzijazma u krhki sistem.

Slika kojom je započeo članak i dalje je praktični test. Može li tim reći šta se dešava s njom kada je jasna, nejasna, pogrešna, osjetljiva, odgođena ili nedostupna? Može li se osoba oporaviti kada izlaz ne bi trebao odlučivati? Može li tim objasniti šta je naučeno bez izmišljanja priče o uspjehu? Ako je odgovor da, Azure Vision je postao proporcionalna opcija unutar stvarnog radnog procesa. Ako je odgovor ne, najodgovorniji sljedeći korak nije dodavanje više funkcija. Važno je prvo učiniti odluku i njene posljedice vidljivima.

izvori

Nazivi, funkcije, dostupnost, cijene i uslovi životnog ciklusa Microsoftovih usluga mogu se promijeniti; prije implementacije provjerite trenutnu dokumentaciju i pravne, sigurnosne i operativne zahtjeve vaše organizacije.

Slično čitanje