מה עושים כשמהפכה הופכת לשגרה?

בשנים האחרונות אנחנו עדים לשינויים משמעותיים בגופים רבים בארץ ובעולם. אם בעבר הפקיד, הכלכלן, היועץ ונותן השירות היו הגורמים המרכזיים והלב הפועם בכל גוף, היום תופסים את מקומם ה-Data והבינה המלאכותית שהופכים את התהליכים הידניים לאוטומטיים, יעילים, מהירים ומדויקים יותר. בעוד יחסית קל לסקור את המגמות שהביאו אותנו למצב הקיים, מאוד קשה להעריך איך ייראה העתיד, בייחוד כי הוא משתנה ברמה היום יומית. מה שבטוח הוא שבכל הקשור בהתפתחות הטכנולוגית, השמים הם הגבול ואנחנו רחוקים מהאטה במגמה.

תהליך אימוץ הטכנולוגיות החדישות בעולמות ה-Big Data והבינה המלאכותית כנראה התחיל בעת ההגירה הגדולה לעולמות הדיגיטליים, שניכרת בגופים הפיננסיים, הממשלתיים והמוסדיים. מעבר לעובדה שהדיגיטל אפשר להעביר חלק ניכר מהעבודה למשתמש עצמו, להוריד את עומס העבודה ולבטל תלות בהעברת מידע או מפגש פיזיים, הדיגיטל אפשר לצבור מידע אובייקטיבי בעל ערך רב על לקוחות ותהליכים. המידע הגולמי שנצבר אמנם בעל ערך בפני עצמו, אבל שימוש בטכנולוגיות Big Data להיתוך והצלבת מידע וטכנולוגיות בינה מלאכותית לחיזוי, הסקת מסקנות ולמידת דפוסים מבוססת מידע רב, הפכו את המידע למכפיל כוח ומרכיב משמעותי בשרשרת הערך של ארגונים. אפשר למצוא כיום מרכיבים מבוססי בינה מלאכותית כמעט בכל תהליך הבניית מידע, גידור והערכת סיכונים, אינטראקציה מול משתמשים, ניהול משאבים ועוד.

התפתחותם המהירה והתכופה של מוצרים, טכנולוגיות ויישומים מבוססי בינה מלאכותית, מאתגרת את השוק במספר דרכים. אם עד לפני מספר שנים האתגר המרכזי היה במציאת פתרונות מתאימים לכמות ומגוון המידע הקיים, האתגר כיום הפוך. אפשר להמשיל את הארגונים כיום לילד שעומד מול מדפים מלאים בסוגים שונים של שוקולד בחנות ממתקים. המבחר כל כך עצום שלפעמים קשה לבחור. לכל צורך קיימים פתרונות שונים בפלטפורמות שונות ומאפיינים שונים, חלקם גנריים וחלקם מותאמים לסקטור מסוים, חלקם מאפשרים עבודה ב-scale גדול וחלקת פריסה מקומית והאתגר הפך להיות בחירה והתאמה נכונה של פתרון לצורך. בחירה שגויה עלולה לעלות לארגון ביוקר. אתגר משמעותי נוסף הוא ביצירה של סביבה ארגונית וטכנולוגית דינאמית מספיק שתתמוך את השינוי הטכנולוגי התכוף. סביבות קשיחות שלא יאפשרו לארגונים לאמץ בצורה פשוטה טכנולוגיות וכלים קיימים, יפגעו בצורה משמעותית בערך שאותם ארגונים מייצרים וביכולת שלהם להגיב מהר לשינויים טכנולוגיים שמהווים, לרוב, חדשנות הורסת. תהליכי העבודה והמתודולוגיות הארגוניות עלולים להוות מכשול גם הם במידה ולא יהיו גמישים מספיק ויותאמו למציאות המשתנה. ארגון יכול לקנות ולהטמיע כלי בינה מלאכותית מעולה, אך ללא שימוש נכון בו של גורמי המקצוע כנראה שלא יראה ממנו ערך רב.

על מנת להתמודד עם האתגרים הללו, על ארגונים להסתכל על בינה מלאכותית לא רק כמנוע שמבצע עבודה מסוימת אלא כתפיסה מלאה שאנחנו במטריקס מכנים, AI 360. רוב הארגונים כיום מחפשים פתרון הוליסטי שכולל מרכיבים שונים שלא רק מנגישים כלי מסוים אלא את כל המעטפת הטכנולוגית והמתודולוגית שתגרום לו להיות בעלי השפעה אמיתית על שרשרת הערך של הארגון. מאגרים וקטוריים, knowledge graphs, neural search, שירותי ענן, ארכיטקטורת ענן, ייעוץ AI, מוצרי ניטור ומעקב אחר ביצועים, דשבורדים וממשקי משתמש הם חלק קטן מהמרכיבים שארגון צריך לשאוף שיהיו לו בארסנל.

עד כה ראינו שינוי יחסית מינורי במקומו של האדם בתהליכים העסקיים הליבתיים של ארגונים. האדם נהיה יותר יעיל ואפקטיבי בתהליך בעקבות השימוש בטכנולוגיה. בחודשים האחרונים אנחנו עדים למהפכה, לא פחות, שמשפיעה על חלוקת התפקידים שבין האדם והמכונה. מגמה שרק תלך ותתעצם עם הזמן. במקום שהמכונה תהיה עזר לאדם, מעין טייס משנה, האדם הופך להיות הגורם המפקח על המכונה בזמן שהיא נוהגת. המגמה, שאולי מקבלת ביטוי פיזי אמיתי ברכבים אוטונומיים, תקפה גם לעולמות הפיננסים ומערכות המידע. יצירת Conversational AI, כמו מערכת ChatGPT, מאפשרת להחליף את האדם לחלוטין באינטראקציה שבין ארגון ללקוח. היכולת של מערכות מסוג זה לזכור כמויות ענקיות של מידע ולהצליב אותו בצורה שמאפשרת לאדם לקבל מידע סיכומי בקלות או אפילו לכתוב קוד, משנה את הגדרות התפקיד של מומחי התוכן ואנשי המקצוע בארגונים. מערכות ניבוי והערכה נהיות יותר אובייקטיביות ואפקטיביות מעובדים שמוטים מאמונות או דעות. בשורה התחתונה, האדם עובר למושב טייס המשנה.

יש לשים לב שהאדם לא יוצא לחלוטין מהמשוואה. למרות ההתפתחויות המשמעותיות של התקופה האחרונה, הדעה הרווחת היא שבשנים הקרובות עדיין יהיה צורך בליווי צמוד מקצועי ואנושי של המכונות. ארגונים שמנגישים שירות לכלל האוכלוסייה חייבים לקחת בחשבון הטיות ובעיות שעלולות להיות מוטמעות בבינה המלאכותית ולהיעזר בשירותם של אנשי מקצוע שיבקרו את התהליכים האוטומטיים ויציפו בעיות אתיות. בעוד לחוקר בתחום הלמידה העמוקה ועיבוד השפה הטבעית יש את סט הכלים שמאפשר לו לבחון את המודל והתשובות שהוא מקבל בצורה ביקורתית, למשתמש או ארגון שאינו עוסק בתחום אין את היכולת לשפוט את המודל ולתהות האם התשובה שקיבל מתבססת על ידע אמיתי, שגיאה סטטיסטית או הטיה שנובעת מחומר אימון מזוהם. אם תשאלו את ChatGPT עצמה אילו בעיות עלולות לנבוע משימוש בה, היא תגיד לכם שהיא עשויה להיות מוטה לשפה שרלוונטית בעיקר לגברים דוברי אנגלית, פשוט כי זה רוב המידע שראתה בתהליך האימון. המערכת תעיד על עצמה שהעובדה שהיא מנסה לייצר טקסט דמוי אדם ללא הבנת ההקשר או המשמעות של המילים בהן היא משתמשת עלולה לייצר תגובות לא הולמות או פוגעניות. לא מדובר בבעיות מוסתרות או חסויות, מדובר בפערים ש-ChatGPT עצמה הודתה בהן בפני.

המגמה במסגרתה משולבים פתרונות בינה מלאכותית מתקדמים בארגונים רק תתעצם. הטכנולוגיה תמשיך להתפתח במהירות ונמשיך לראות יצירה של מוצרים מורכבים ומגוונים. מדובר בטכנולוגיות חדשניות, אין ספק, והשאלה מפסיקה להיות האם יש להשתמש בהן ועוברת להיות איך להשתמש בהן בצורה נכונה. ארגונים שישכילו לבנות מעטפת חזקה ודינאמית, ליצור שיטות עבודה מתקדמות ולעבוד בשיתוף פעולה הדוק עם גורמי מקצוע בתחום הבינה המלאכותית יצליחו להנות בצורה מיטבית מהיתרונות שהטכנולוגיה. אם אתם לא מאמינים לי, תשאלו את ChatGPT והיא תגיד לכם מה יקרה למי שלא ינקוט בצעדים האלו: “מי שלא ינקוט בצעדים האלו עשוי להתקשות לעמוד בקצב של מתחרים שאימצו בינה מלאכותית, ועלול להחמיץ הזדמנויות חדשות ושיפורים ביעילות”.