השאלה שעדיף לא לשאול את הצ'אט: איך באמת משלבים AI בחברות?
עוד ועוד חברות מטמיעות כלים או תהליכים מבוססי בינה מלאכותית, אלא שרק מעטות עושות את זה נכון, ובאופן שישרת אותן. איך נכון לבצע את זה וממה דווקא עדיף להימנע? אלו תשובות המומחים
קשה לחשוב על חברה או ארגון שלא מטמיעים או בוחנים בימים אלו הטמעה או כלי חדשני של בינה מלאכותית, כחלק מהעבודה השוטפת. ההזדמנות הפוטנציאלית ברורה: ניתן לשפר תהליכים באופן דרמטי, להפחית עומסים ולהוזיל עלויות. כמו כן, במידה והתהליך אכן עובד, הרי שאפשר לפנות את כוח האדם האנושי למשימות או אתגרים מורכבים יותר כשהבינה "תומכת" מאחורי הקלעים בשוטף.
אלא שבשטח נראה שהפוטנציאל עוד רחוק מהמיצוי. לא אחת המערכות הקיימות בארגונים כלל לא מתממשקות עם הבינה, עולה צורך בשדרוג טכנולוגי מקיף שלא ריאלי מבחינה תקציבית, עשויות לצוץ בעיות אבטחת מידע ורגולציה וזה עוד לפני שדיברנו על המידע עצמו – שמצריך תשומת לב וניהול שוטפים.
3 צפייה בגלריה
יוסי הרשקו, סמנכ"ל הטכנולוגיה הגלובלי בחברת המידע העסקי הבינלאומית דן אנד ברדסטריט
(צילום: ניב קנטור)
"העיקרון של GARBAGE IN ,GARBAGE OUT רלוונטי כאן יותר מתמיד", אומר יוסי הרשקו, סמנכ"ל הטכנולוגיה הגלובלי בחברת המידע העסקי הבינלאומית דן אנד ברדסטריט. "אם מזינים לבינה מידע או דו"חות שגויים הרי שהתובנות והעצות שיתקבלו על בסיסו יובילו להחלטות לא מדויקות בלשון המעטה. מאידך, לקוחות או גורמים עשויים לפספס הזדמנויות כתוצאה מעיבוד של דאטה לא מדויק או לא נכון. צריך לזכור שהתפוקה של כלי ה-AI תהיה טובה כמו איכות הנתונים עצמם".
לדבריו, "אתגר נוסף כרוך בעלויות ובשילוב בינה מלאכותית במוצרי חברה קיימים או מערכות מורשת - Legacy Systems .המעבר לטרנספורמציית AI מתרחש בקצב חסר תקדים, ארגונים רבים פועלים על בסיס מערכות ותיקות, ומי שטרם עבר הסבה מלאה לענן יתקל במכשולים. בנוסף לעלויות אירוח (HOSTING), הטמעת AI דורשת עלויות מחשוב תפעוליות גבוהות. פיתוח ואימון מודלי AI מורכבים, כמו ChatGPT, דורשים משאבי מחשוב עצומים (GPU) ,חוסר תכנון נכון של צריכת הבינה המלאכותית, תכלול לקוי של הפתרונות והאופטימיזציה שלהם, עלול לגרור עלויות גבוהות לארגון בטווח הארוך".
3 צפייה בגלריה
ד"ר טל אספיר, דירקטור ומנהל מעבדת ה-AI בפירמת הייעוץ וראיית החשבון BDO
(צילום: ניר שאנני)
"טעויות שיטתיות בקנה מידה נרחב"
ד"ר טל אספיר, דירקטור ומנהל מעבדת ה-AI בפירמת הייעוץ וראיית החשבון BDO מפנה את הזרקור לשיקול נוסף שחשוב לשים לב אליו. "השימוש בבינה מלאכותית משנה את היקף המעורבות של הגורם האנושי בקבלת החלטות, ומעביר תהליכים והחלטות רבות לידי המכונה. משום כך, כל שיבוש או סטייה – גם אם קלה – עשויה להשפיע באופן דרמטי. מערכת בינה מלאכותית מסוגלת לבצע טעויות שיטתיות בקנה מידה רחב, במהירות גבוהה, וללא מנגנון ביקורת פנימי.
כך למשל, מקרה מתוקשר במיוחד התרחש בשנת 2023, כאשר חברת תעופה חויבה לשלם פיצויים לנוסע בעקבות הבטחה שניתנה לו על ידי צ'אטבוט מבוסס AI בנוגע להנחות ביטול. הבטחה זו לא תאמה את מדיניות החברה בפועל. בית המשפט קבע באופן תקדימי כי האחריות חלה על החברה, תוך שהוא מבהיר כי "מערכת AI אינה גורם חיצוני, אלא חלק בלתי נפרד מהארגון".
לדבריו, "נזקים מסוג זה אינם מוגבלים לחברות ענק. גם ארגונים קטנים ובינוניים הנכנסים לעולם הבינה המלאכותית עלולים לשלב מערכות ניתוח נתונים שגויות, להסיק מסקנות לא מבוססות או להפר רגולציות בתחום הפרטיות, לעיתים מבלי לדעת זאת. כך לדוגמא, באמצעות איסוף מידע רגיש ללא הסכמה, או שימוש בנתונים הכוללים הטיות מגדריות, תרבותיות או דמוגרפיות".
מענה לצורך עסקי ממשי
"חשוב לזכור שלבוא ולומר ש'לעשות AI' זה לא אסטרטגיה", מבהיר הרשקו. "האתגר הוא לא רק לפתח את הטכנולוגיה, אלא לשלב אותה בתהליכים העסקיים הקיימים, לשנות הרגלים של עובדים, ולהבטיח שהיא באמת מביאה ערך. זה דורש סבלנות, גמישות, ונכונות ללמוד גם מכישלונות. ארגונים שמצליחים הם אלה שמבינים שזה מסע, לא ספרינט".
מתי רם, מנכ"ל חברת AdScale לפרסום מבוסס AI בשוק האיקומרס בארץ ובעולם מציין כי חשוב לייצר בידול בין שני תרחישים: מתי הטמעת AI נעשית כחלק ממענה לצורך עסקי גרידא ומתי היא נעשית כדי ל'התהדר בחדשנות'. "לא תמיד ברור מה הכאב העסקי שהבינה נועדה לפתור. לעיתים מדובר בהתלהבות מהטכנולוגיה בלי להבין איזה מודל מתאים לאיזה צורך – האם מדובר בצ'אטבוט לשירות לקוחות? מערכת המלצות? תחזית ביקושים? התוצאה היא שהטמעה מתחילה מהפתרון – לא מהבעיה".
לדבריו, AI הוא לא פתרון קסם. הוא חייב להיות ממוקם בתוך תהליך קיים ומבוסס. פעמים רבות ההנהלה רוצה "להכניס בינה מלאכותית", אבל אין מיפוי של שרשראות הערך בארגון כדי להבין איפה זה באמת יכול להשפיע: האם במחלקת שיווק, בייצור, בשירות, ניהול מלאי – או בכל תחום".
לדברי אספיר, "במגזר העסקי בישראל ניכר לחץ גובר מצד הנהלות, דירקטוריונים ובעלי עניין להציג 'עשייה חדשנית'. מגמה זו בולטת במיוחד בענפי הפיננסים, הביטוח, הקמעונאות והבריאות – שם מונחים כמו "בינה מלאכותית", "אוטומציה חכמה" ו"GenAI"- הפכו כמעט לדרישות חובה בכל מצגת הנהלה או מסמך אסטרטגי. כתוצאה מכך, ארגונים רבים פונים לפרויקטי בינה מלאכותית אך עושים זאת לעיתים מתוך מגמה שיווקית, חיקוי למתחרים, או לחץ תדמיתי, ולא בהכרח מתוך צורך עסקי ממשי".
"מאידך, הוא מציין "קיימות דוגמאות חיוביות. כך למשל, פתרון בינה מלאכותית שהוטמע באחת מחברות הביטוח המובילות בתחום תביעות הרכב, נועד לצמצם עומסים תפעוליים ולשפר את הדיוק בזיהוי הונאות. המערכת מאתרת דפוסים חריגים, משווה מול תיקים קודמים, ומסייעת לנציגים לקבל החלטות מושכלות בזמן קצר. פרויקט זה לא נולד ממגמת חדשנות כללית, אלא מהצורך להתמודד עם עומס הולך וגובר, לקצר את זמני הטיפול ולשפר את בקרת האיכות. התוצאה: ירידה מובהקת בזמן סגירת תביעות ועלייה בשביעות רצון הלקוחות".
נדרשת גמישות
לדברי רם, נקודה נוספת שחשוב לזכור היא כי מדובר בתהליכים של ניסוי וטעייה. "גם עבור ארגונים מנוסים. מדובר בטכנולוגיה דינאמית, משתנה במהירות, עם תלות גבוהה בהקשר, באיכות הנתונים ובתרבות הארגונית", הוא מבהיר. "לכן, התייחסות לפרויקטים של AI חייבת להיות גמישה, מבוקרת ועם מוכנות לאי ודאות. חשוב לזכור כי מודלים מתנהגים אחרת בסביבות שונות.
לאור האתגרים שעומדים על הפרק, יחד עם הצורך הגובר בשילוב AI, ישנם מספר עקרונות שחשוב לאמץ. לדברי הרשקו, "כדאי לאמץ גישה שלפיה הטמעת בינה מלאכותית היא לא רק פרויקט טכנולוגי אלא פרויקט ארגוני שלם. מי שיבין את זה ויצליח לשמור על הארגון שלו בחוד החנית. כמו כן מומלץ להתחיל עם פיילוט קטן, להוכיח ערך ורק אז להרחיב. כמו כן כדאי מאוד להגדיר צוות רב תחומי שכולל אנשי מקצוע שמכירים את העסק ומדברים עם לקוחות ולהתייחס להיבטים של אתיקה, הצרכים והקונטקסט העסקי. נקודה נוספת היא לדבר עם האנשים, להכשיר אותם ולהראות איך הבינה תסייע ולא תחליף. חשוב לייצר כאן תרבות של למידה וסקרנות".
אספיר ממליץ "לזהות תרחישים עסקיים ממוקדים בהם לבינה המלאכותית יהיה ערך מובהק, להגדיר מטרות עסקיות וכן תנאי סף. כמו כן חשוב להגדיר מטרות עסקיות שאינן נבחנות רק לפי דיוק טכני אלא לפי תרומה ישירה לביצוע עסקי (למשל קיצור זמני טיפול, שיפור המרה והקטנת עלויות). כמו כן, ובפרט בשלבים הראשונים חיוני לוודא שכל החלטה המתקבלת במודלים של AI נתונה לבקרה אנושית. נושא נוסף שחשוב הוא להתייחס גם להיבטי ממשל תאגידי ולכלול בצוות גורמים מתחומי הדאטה, הרגולציה, המשפט, אבטחת המידע והיחידות העסקיות השונות".
לדברי רם, כדאי להתנהל עם הטמעת AI "כאילו מדובר בסטארט-אפ פנימי. הגישה שמנחה בהקשר הזה התנהלות אג'ילית של סבבים קצרים ומשוב מהיר, בניית אבטיפוס המאפשר לבדוק, לשפר ולבדוק שוב ולבחון את השימוש בפועל. מאידך, עדיף להימנע מפרויקטים ענקיים ללא שלב ביניים, להתלהבות יתר ממודלים או 'התאהבות' בטכנולוגיה".
