Múlt heti cikkünkben említettük, hogy mennyi féle modellezést, algoritmust tud kiválasztani a mesterséges intelligencia egy adott feladat megoldásához. A modellezés szükséges a nagy mennyiségű adat megfelelő kezeléséhez és hogy abból előrejelzést készítsen. A feladat függvényében rengetegféle algoritmus választható. Az algoritmusok sokfélesége, matematikai alapjainak és jellemzőiknek a megértése némely esetben magas szintű programozói és matematikai tudást igényel.
A modell kiválasztását jellemzően az adattudós végzi (data scientist). A minőségmérnök (quality engineer) meghatározza azt a kritériumrendszert, ami alapján a választott modellt, módszert mérni kell, ideértve az elérendő minőséget is. A minőségelemző (quality analyist) méri az alkalmazott modell teljesítményét, különböző metrikusok alapján és visszajelzést ad. Mind a mérés természete, mind a visszajelzés formája, célja az üzleti céltól függ.
A gyártósor vagy bármi egyéb struktúra komplexitásból adódóan nagyon fontos, hogy a minőségellenőrzés és -biztosítás ne szűküljön a hibakeresésre. Ide kell venni a megfelelő modell kiválasztását is, ami sok esetben több felkészülést, kutatást, tanulást igénylő feladat, mint maga a hibaelhárítás.