شروع درست از انتخاب مدل آغاز نمی‌شود؛ از انتخاب مسئله‌ای آغاز می‌شود که ارزش حل‌کردن دارد و بتوان نتیجه آن را اندازه گرفت.

۱. مسئله را دقیق تعریف کنید

به‌جای «می‌خواهیم از هوش مصنوعی استفاده کنیم»، یک گلوگاه مشخص، کاربران آن، داده ورودی و نتیجه مطلوب را تعریف کنید.

۲. داده و دسترسی را بررسی کنید

کیفیت، مالکیت، محرمانگی و به‌روز بودن داده، مرز توانایی راهکار را مشخص می‌کند. امنیت باید از ابتدا وارد معماری شود.

01

مسئله

ارزش و معیار موفقیت

02

داده

کیفیت و دسترسی

03

جریان کار

نقش انسان و سیستم

04

کنترل

امنیت و ارزیابی

۳. پایلوت کوچک اما واقعی بسازید

پایلوت باید با داده و کاربر واقعی انجام شود، اما دامنه آن محدود باشد تا یادگیری سریع و هزینه تغییر پایین بماند.

۴. برای عملیات طراحی کنید

ثبت رخداد، پایش کیفیت، سطح دسترسی، بازخورد کاربران و مسیر به‌روزرسانی باید پیش از استقرار نهایی روشن باشد.