Een van de grootste uitdagingen is de technologische kloof tussen wat individuele algoritmes vandaag de dag kunnen presteren, zoals deep learning met beeldherkenning, en wat nodig is om AI te integreren in de kern van complexe systemen die geavanceerde problemen betrouwbaar oplossen. Er ontbreekt een gevestigde methodologie voor het bouwen van AI-first producten, wat het navigeren door dit onontgonnen terrein een lastige taak maakt.
Traditionele agile methoden, die de ruggengraat van softwareontwikkeling zijn geweest, zijn niet noodzakelijkerwijs geschikt voor AI-first productontwikkeling. Bij een traditioneel softwareproduct kun je volstaan met het implementeren van de meest kritieke functies om een "Minimum Viable Product" (MVP) te creëren. Maar als het gaat om AI-first producten, waar de gebruikerservaring eenvoudig moet zijn en "gewoon moet werken", schiet de agile aanpak tekort.
AI-first producten vereisen geen zee van oppervlakkige functies, maar eerder een beperkt aantal diepgaande, AI-gecentreerde functies. Hoewel dit de producten eenvoudiger en "kleiner" kan doen lijken voor de gebruiker, schuilt er een enorme complexiteit onder de oppervlakte. Een AI-first MVP, zoals een zelfrijdende auto die in 1% van de situaties vastloopt, is onacceptabel. Veiligheid en betrouwbaarheid zijn van cruciaal belang en kunnen niet worden gecompromitteerd ten behoeve van snelle markttoetreding.
Voor ons bij proprty.ai betekent dit navigeren in een landschap waar de bekende methoden voor softwareontwikkeling moeten worden aangepast of misschien zelfs opnieuw uitgevonden. We staan midden in het balanceren van innovatie met betrouwbaarheid, wat een nieuwe benadering van productontwikkeling vereist. Het is een reis vol leren, aanpassen en pionierswerk om onze service te bouwen die niet alleen tijdrovende, kritieke operationele functies oplost, maar dit doet met een intuïtief begrip en interactie die het leven van gebruikers gemakkelijker maakt.
bron: Medium, Building AI-first products


