𝗔𝗜 𝗠𝗩𝗣 𝘃𝘀 𝗣𝗼𝗖: 𝗪𝗵𝗶𝗰𝗵 𝗢𝗻𝗲 𝗦𝗵𝗼𝘂𝗹𝗱 𝗬𝗼𝘂 𝗕𝘂𝗶𝗹𝗱 𝗙𝗶𝗿𝘀𝘁?
ഒരു PoC AI പ്രവർത്തിക്കുന്നുണ്ടെന്ന് തെളിയിക്കുന്നു. ഒരു MVP ആളുകൾക്ക് ആ ഉൽപ്പന്നം വേണോ എന്ന് തെളിയിക്കുന്നു. തെറ്റായ ഒന്ന് ആദ്യം നിർമ്മിക്കുന്നത് മാസങ്ങൾ പാഴാക്കും.
ഈ ഒറ്റ വരി ടെസ്റ്റ് ഉപയോഗിക്കുക. സ്വയം ചോദിക്കുക: ഇത് ചെയ്യാൻ കഴിയുമോ എന്നാണോ എനിക്ക് സംശയം, അതോ ആർക്കെങ്കിലും ഇത് വേണോ എന്നാണോ?
ഇത് ചെയ്യാൻ കഴിയുമോ എന്ന കാര്യത്തിൽ നിങ്ങൾക്ക് സംശയമുണ്ടെങ്കിൽ, ഒരു PoC നിർമ്മിക്കുക. നിങ്ങൾക്ക് 10 സെക്കൻഡിനുള്ളിൽ ഇതിന് ഉത്തരം നൽകാൻ കഴിയുന്നില്ലെങ്കിൽ, നിങ്ങളുടെ റിസ്ക്കുകളെക്കുറിച്ച് നിങ്ങൾക്ക് കൃത്യമായ ധാരണയില്ല.
താഴെ പറയുന്ന സാഹചര്യങ്ങളിൽ ആദ്യം ഒരു PoC നിർമ്മിക്കുക:
- നിങ്ങളുടെ യഥാർത്ഥ ഡാറ്റയിൽ മോഡൽ കൃത്യത (accuracy) നിങ്ങൾ പരിശോധിച്ചിട്ടില്ലെങ്കിൽ.
- സങ്കീർണ്ണമായ ഡോക്യുമെന്റുകൾ അല്ലെങ്കിൽ സങ്കീർണ്ണമായ യുക്തി (reasoning) പോലുള്ള AI-യുടെ പോരായ്മകൾ ഈ ടാസ്കിൽ ഉൾപ്പെട്ടിട്ടുണ്ടെങ്കിൽ.
- വലിയ തോതിൽ ഉപയോഗിക്കുമ്പോൾ ഉണ്ടാകുന്ന ചിലവോ ലേറ്റൻസിയോ (latency) നിങ്ങൾക്ക് അറിയില്ലെങ്കിൽ.
- RAG, fine-tuning, അല്ലെങ്കിൽ സ്പെഷ്യലൈസ്ഡ് മോഡലുകൾ എന്നിവയിൽ ഏതാണ് വേണ്ടതെന്ന് തീരുമാനിക്കേണ്ടതുണ്ടെങ്കിൽ.
- യഥാർത്ഥ ഉപയോക്താക്കളെ ഉപയോഗിക്കുന്നതിന് മുമ്പ് ഒരു റെഗുലേറ്ററോ വിദഗ്ദ്ധനോ കൃത്യതയുടെ കണക്കുകൾ ആവശ്യപ്പെടുന്നുണ്ടെങ്കിൽ.
ഒരു PoC-യ്ക്ക് ഒരു സ്ക്രിപ്റ്റും ഏതാനും നൂറ് യഥാർത്ഥ സാമ്പിളുകളും മാത്രം മതിയാകും. അതിന് കൃത്യതയുടെയോ ചിലവിന്റെയോ ഒരു കണക്ക് മാത്രം മതി. ഇപ്പോൾ തന്നെ ഒരു UI-യോ വൃത്തിയുള്ള കോഡോ (clean code) നിർമ്മിക്കേണ്ടതില്ല.
താഴെ പറയുന്ന സാഹചര്യങ്ങളിൽ PoC ഒഴിവാക്കി നേരിട്ട് MVP-ലേക്ക് പോകുക:
- AI ശേഷി (capability) കൃത്യമായി തെളിയിക്കപ്പെട്ടതാണെങ്കിൽ.
- ടൂൾ ഒരു വർക്ക്ഫ്ലോയിൽ എങ്ങനെ ഇണങ്ങിച്ചേരുന്നു എന്നതാണ് റിസ്ക് എങ്കിൽ.
- നിങ്ങളോ നിങ്ങളുടെ എതിരാളികളോ ഈ ശേഷി പ്രവർത്തിക്കുന്നുണ്ടെന്ന് ഇതിനകം തെളിയിച്ചിട്ടുണ്ടെങ്കിൽ.
- വിപണിയിൽ വേഗത്തിൽ എത്തിക്കുക എന്നതാണ് നിങ്ങളുടെ പ്രധാന ലക്ഷ്യമെങ്കിൽ.
ഉദാഹരണം: AI സപ്പോർട്ട് ടിക്കറ്റ് ട്രയാജ് (triage). PoC: 300 പഴയ ടിക്കറ്റുകൾ വിവിധ പ്രോംപ്റ്റുകളിലൂടെ (prompts) പ്രവർത്തിപ്പിക്കുക. മനുഷ്യർ അവ എങ്ങനെ തരംതിരിച്ചിരുന്നു എന്നതിനോട് ഫലങ്ങൾ താരതമ്യം ചെയ്യുക. കൃത്യത കുറവാണെങ്കിൽ, അവിടെ നിർത്തുക. നിങ്ങൾ മാസങ്ങളുടെ ജോലി ലാഭിച്ചു. MVP: വാലിഡേറ്റ് ചെയ്ത മോഡലിനെ Zendesk-മായി ബന്ധിപ്പിക്കുക. ഏജന്റുമാർക്ക് AI-യുടെ തീരുമാനങ്ങൾ സ്ഥിരീകരിക്കാനോ മാറ്റാനോ ഉള്ള ഒരു ലളിതമായ ബട്ടൺ ചേർക്കുക.
ഈ 3 തെറ്റുകൾ ഒഴിവാക്കുക:
- PoC Creep: ഒരു അലങ്കോലമായ സ്ക്രിപ്റ്റ് നിങ്ങളുടെ പ്രൊഡക്ഷൻ ബാക്കെൻഡ് (production backend) ആയി മാറാൻ അനുവദിക്കരുത്. MVP-ലേക്ക് മാറുമ്പോൾ അത് വീണ്ടും എഴുതുക.
- MVP Denial: മോഡൽ പ്രവർത്തിക്കുന്നുണ്ടോ എന്ന് പരിശോധിക്കുന്നതിന് മുമ്പ് മുഴുവൻ ഉൽപ്പന്നവും നിർമ്മിക്കരുത്.
- PoC Theater: വൃത്തിയുള്ള ഡാറ്റയിൽ ടെസ്റ്റ് ചെയ്യരുത്. സങ്കീർണ്ണമായ, യഥാർത്ഥ ലോകത്തെ ഡാറ്റയിൽ ടെസ്റ്റ് ചെയ്യുക.
ഏറ്റവും വലിയ അനിശ്ചിതത്വം മോഡലിനെക്കുറിച്ചാണെങ്കിൽ, ആദ്യം ഒരു PoC നിർമ്മിക്കുക. അത് വേഗത്തിൽ ചെയ്യാവുന്നതും വേഗത്തിൽ ഒഴിവാക്കാവുന്നതുമായിരിക്കട്ടെ.
Source: https://dev.to/ciphernutz/ai-mvp-vs-poc-which-one-should-you-build-first-m14
Optional learning community: https://t.me/GyaanSetuAi