L’avantatge és passar dels models a la implementació
La implementació d’IA es torna cada cop més competitiva. Molts equips ja tenen accés a models potents, marcs d’agents, generació de codi, bases de dades vectorials, eines de flux de treball i infraestructura al núvol.
Aquest accés és important, però no és suficient per crear un avantatge durable.
La part difícil ja no és només construir una demo. Una demo pot mostrar un agent responent una pregunta, extraient camps d’un document, cridant una eina o redactant un informe. El repte més gran és convertir aquesta capacitat en un flux de treball que una organització real pugui confiar, operar, mesurar i millorar.
Aquesta feina és específica. Implica sistemes del client, permisos, qualitat de dades, processos heredats, casos límit, governança, revisió humana i adopció. Requereix criteri tècnic i criteri de camp al mateix temps.
Per això l’avantatge competitiu d’una empresa d’implementació d’IA vindrà cada vegada més de la seva capacitat d’enginyeria desplegada al camp.
No només pel fet de tenir FDEs.
Sinó per la seva capacitat per contractar-los, formar-los, orientar-los, donar-los suport amb la plataforma adequada i convertir allò que aprenen al camp en palanqueig de producte reutilitzable.
Els FDEs no són només gent de desplegament
Una visió limitada del desplegament tracta els FDEs com a implementadors tècnics que arriben després de la venda i fan que el programari funcioni.
Això perd el sentit.
En l’IA, un enginyer de desplegament avançat fort és un motor de descobriment de producte, un enginyer d’implementació, un traductor per al client i un professor intern. Estan prou a prop del client per entendre com es fa realment la feina, i suficientment capacitats tècnicament per transformar aquesta comprensió en programari.
Fan la feina que no es pot capturar en un document de requisits:
- detectar quin flux de treball és realment el més rellevant
- trobar la discrepància entre el procés documentat i el procés real
- identificar on els usuaris confien en l’automatització i on necessiten revisió
- entendre quin sistema és autoritari quan els registres entren en conflicte
- convertir el coneixement operatiu desordenat en eines d’agent, models de dades i controls
- detectar quina feina específica del client hauria de convertir-se en una capacitat reutilitzable de la plataforma
Aquest últim punt és crític. Els FDEs no haurien d’entregar valor només a un client. Haurien d’ensenyar a l’empresa cap a què ha de evolucionar el producte.
Els millors FDEs comprimeixen la complexitat
Els projectes d’IA empresarials contenen molta complexitat oculta. El model n’és una part. El procés al voltant del model sol ser més gran.
Un flux de treball d’IA en producció pot necessitar autenticació, permisos, integracions, estat, historial d’auditories, gestió de prompts, recuperació, avaluacions, aprovacions humanes, observabilitat, execució programada, gestió d’excepcions i informes.
El client no sempre descriu clarament aquest sistema. Sovint no ho pot fer, perquè el procés està distribuït entre persones, fulls de càlcul, eines, hàbits i excepcions.
La tasca de l’FDE és comprimir aquesta complexitat en alguna cosa construïble.
Traduïxen un problema operatiu en un primer desplegament. Decideixen què es pot automatitzar ara, què necessita un pas de revisió humà, què s’ha de mesurar i què ha de quedar fora de l’abast inicial. També ajuden l’equip de producte a entendre quina part de la solució de camp és un cas aïllat i quina part és un primitiu de plataforma reutilitzable.
Aquesta compressió és rara. És una habilitat que les empreses han de cultivar deliberadament.
El fossat és institucional, no heroïc
És temptador descriure els grans FDEs com a individus heroics. Alguns ho són. Però una empresa d’implementació d’IA seriosa no pot confiar només en heroïcitats.
El veritable fossat és institucional.
És el sistema al voltant de l’FDE:
- com l’empresa contracta buscant velocitat tècnica, criteri amb el client i resiliència
- com els nous FDEs aprenen la plataforma i el mètode de desplegament
- com les persones sènior orienten els equips de camp en situacions d’ambigüitat del client
- com es documenta i es reusa els patrons de camp
- com els equips de producte reben, prioritzen i generalitzen l’aprenentatge de camp
- com es revisa la qualitat abans que els desplegaments es converteixin en sistemes de producció
- com customer success, enginyeria, producte i lideratge es mantenen alineats al voltant d’objectius
Sense aquest sistema, el desplegament avançat es converteix en treball personalitzat i car.
Amb aquest sistema, cada desplegament entrena l’empresa.
La formació importa perquè el rol és antinatural
L’enginyeria desplegada al camp exigeix una combinació estranya d’habilitats.
L’FDE ha d’escriure programari útil ràpidament, però sense desaparèixer en una enginyeria purament tècnica. Ha de parlar amb els usuaris, però sense convertir-se en un simple recollidor de notes. Ha de respectar les restriccions del client, però sense construir estrictament tot allò que el client demana. Ha de moure’s ràpid, però sense crear risc operatiu incontrolat.
Aquesta combinació no és habitual.
Una bona formació d’FDE hauria d’ensenyar a la gent a:
- descobrir fluxos de treball observant la feina, no només recollint requisits
- triar un primer desplegament prou petit per llançar i prou valuós per importar
- construir sobre la plataforma en lloc de crear codi puntual innecessari
- afegir observabilitat i rutes de revisió abans que el flux de treball esdevingui crític
- separar la configuració específica del client dels patrons productitzables
- comunicar clarament els compromisos tant als interessats del client com als equips interns de producte
L’orientació també és important. Moltes decisions d’FDE són qüestions de criteri. La millor manera de millorar aquest criteri és revisar desplegaments reals, discutir què va funcionar, identificar què s’hauria de generalitzar i fer que el següent desplegament sigui millor.
La plataforma ha de fer els FDEs més forts
La relació entre la plataforma i l’equip d’FDE funciona en ambdós sentits.
Els FDEs milloren la plataforma descobrint problemes reals dels clients. Però la plataforma també ha de fer els FDEs més efectius donant-los palanqueig.
Si cada desplegament comença amb un repositori en blanc, l’empresa està fent consultoria. Si cada desplegament requereix un gran esforç d’enginyeria a mida, els marges patiran i l’aprenentatge es fragmentarà.
Una plataforma d’implementació d’IA sòlida hauria de donar als FDEs blocs reutilitzables:
- configuració i execució d’agents
- gestió de coneixement i recuperació
- definicions d’eines i integracions
- base de dades i estat de flux de treball
- autenticació i permisos
- traces, avaluacions i observabilitat
- execució programada i en segon pla
- fluxos de revisió i aprovació humana
- desenvolupament assistit per IA per a components de flux de treball que falten
La plataforma no elimina la necessitat dels FDEs. Fa que cada FDE sigui més efectiu.
Això és el bucle de compounding: l’equip de camp detecta els problemes reals, la plataforma absorbeix allò que es repeteix i el següent desplegament comença des d’una base més sòlida.
El perill és la trampa dels serveis
Hi ha un mode de fallada real aquí.
Una empresa d’implementació d’IA pot convertir-se en un negoci de serveis amb llenguatge modern. Pot construir fluxos de treball a mida per a cada client, celebrar èxits a curt termini i no arribar mai a convertir aquests desplegaments en capacitats reutilitzables.
La diferència entre un fossat i una trampa és el palanqueig del producte.
Després de cada desplegament, l’empresa hauria de preguntar-se:
- Què hem construït que ajudarà el proper client?
- Quin connector, eina, avaluació, patró de prompt, model de dades o flux de revisió hauria de ser reutilitzable?
- Quina part del desplegament va ser realment específica del client?
- L’equip d’FDE ha emprat la plataforma de manera més eficient que abans?
- L’equip de producte ha après alguna cosa que no hauria pogut aprendre des d’una trucada de vendes?
- El següent flux de treball similar serà més ràpid, més segur o més fàcil d’observar?
Si les respostes són febles, l’empresa està acumulant treball personalitzat.
Si les respostes són sòlides, l’empresa està construint un avantatge d’implementació.
Els clients compren una funció de desplegament
Això també canvia com els clients han de pensar sobre els socis d’implementació d’IA.
No només estan comprant programari. No només estan comprant hores de consultoria. Estan comprant una funció de desplegament que seria difícil d’assemblar internament.
Contractar un bon FDE és difícil. Contractar-ne diversos, formar-los en una plataforma coherent, orientar-los en desplegaments empresarials reals i connectar el seu aprenentatge amb el producte és molt més difícil.
Per a molts clients, aquesta capacitat és més valuosa que una eina d’IA genèrica. El client vol resultats de producció, no un altre prototip. Necessiten algú que pugui convertir la realitat desordenada del seu procés en alguna cosa que funcioni.
Per això la capacitat d’FDE pot ser un avantatge durable per a l’empresa d’implementació i un avantatge pràctic per al client.
On encaixa Guanta
Guanta està construïda al voltant d’aquest model de plataforma més camp.
La plataforma proporciona la capa reusable de producció: agents, observabilitat, seguretat, base de dades, integracions, execució i desenvolupament assistit per IA per a peces de flux de treball personalitzades.
La capa de serveis aporta la capacitat d’enginyeria desplegada al camp: persones que poden treballar amb el client per entendre el procés, estendre la plataforma, connectar sistemes, afegir controls i llançar un flux de treball que es pugui mesurar.
L’objectiu no és substituir el programari per una consultoria oberta. L’objectiu és fer que l’IA sigui desplegable en els llocs on el producte estàndard encara no n’és suficient, alhora que es fa la plataforma més forta amb cada desplegament.
Per a les empreses d’implementació d’IA, el proper avantatge no vindrà només per tenir accés a millors models. Molts equips ho tindran.
L’avantatge vindrà de construir l’organització que pugui convertir repetidament la capacitat d’IA en fluxos de treball de producció.
Aquesta organització necessitarà excel·lents enginyers de desplegament avançat.