Expedias AI-principer: Mät affärsvärde, inte bara modeller
Expedias AI-arbete fokuserar alltmer på skalbara system snarare än prediktioner. Företaget har utvecklat en uppsättning principer för att säkerställa att AI-system skapar värde och fungerar säkert.
Expedia har börjat publicera en uppsättning principer för att styra utveckling och driftsättning av artificiell intelligens och maskininlärning (ML). Företaget betonar en övergång från rena prediktioner till skalbara och pålitliga system, särskilt med den ökande användningen av agentbaserad AI.
Syftet med principerna är att säkerställa att AI-lösningar skapar konkret affärsvärde, kan skalas bortom enskilda team och användningsfall, och förbättras konsekvent. Säkerhet och ansvarstagande är också centralt när AI fattar allt fler beslut å resenärers vägnar.
Expedia har utvecklat en process kallad 'Agentic Release', som inkluderar nödvändiga kontroller innan nya agentbaserade AI-funktioner lanseras. Dessa kontroller översätter allmänna principer som tydligt ägarskap och riskhantering till konkreta förväntningar för utvecklingsteam.
Viktiga riktlinjer inkluderar att mäta affärsresultat snarare än enbart tekniska mätvärden, motivera komplexa lösningar mot robusta baslinjer, och kräva både offline- och online-utvärderingar innan bred driftsättning. Investeringar i datakvalitet och delade grundsystem ses också som avgörande för skalbarhet.
Framöver strävar företaget efter att automatisera dessa krav och integrera dem i mjukvaruutvecklings livscykel. Målet är att dessa förväntningar kring design, utvärdering, godkännande, lansering och övervakning av AI-system inkorporeras från början.