קטגוריה חדשה של ביזנס AI משנה את כללי המשחק
רבות כבר נאמר ונכתב על הטמעה של בינה מלאכותית בסביבה העסקית, אבל אנחנו עדיין לא רואים מספיק חברות מאמצות ומשתמשות בפתרונות AI בחיי היומיום הארגוניים באופן נרחב - על אף הפוטנציאל האדיר שמובטח ולמרות השימוש הנרחב שאנחנו כבר עושים ב-AI בחיי היומיום הפרטיים שלנו.
אחת הסיבות לכך היא שהעסקים של היום טובעים בנתונים - אבל חסרים את הכלים "להבין" אותם. ישנו קושי מהותי באיחוד ופירוש המידע: הדאטה הארגוני נמצא בשלל מערכות שונות (ולעיתים ישנות מאוד), מאורגן בטבלאות ומסדי נתונים, ובחלקו מורכב גם מ-unstructured data – מיילים, חוזים, ועוד. מחשבונאות, דרך לוגיסטיקה ועד HR, כל החלטה חשובה בארגון נשענת על אינפורמציה שמסתתרת במיליוני שורות של דאטה, טבלאות וטקסט. ובכל זאת, גם בעידן של בינה מלאכותית מתקדמת, מערכות רבות לא באמת מצליחות לקרוא את הנתונים ולחבר אותם לכדי תמונה גדולה. מרבית הפתרונות הקיימים נשארים צרים וממוקדים מדי: מודל אחד מנבא ביקושים, אחר מזהה בעיות תשלום, ושלישי מנתח סיכונים. כשכל מחלקה בונה לעצמה מודל נפרד, נוצרת מציאות של מאות מודלים שונים, כל אחד עם נתונים, תפעול ותחזוקה משלו. כך נוצרת אינטליגנציה ארגונית מקוטעת, שמאטה את קצב קבלת ההחלטות במקום להאיץ אותו.
השלב הבא של AI לעסקים לא צריך להיות עוד מודלים, אלא שינוי בגישה עצמה ומעבר למודל יחיד ומחובר, שמבין את כל ההקשרים וההיסטוריה הארגונית, לומד מדוגמאות, ומסוגל ללמוד מהעבר ולהתאים את עצמו להווה ולשאלות חדשות בזמן אמת - מבלי להתחיל כל פעם מאפס. בעוד שהמודלים הקיימים יודעים לעבד בעיקר טקסט, המודלים בגישה חדשה זו יודעים לקרוא את מה שארגונים באמת מתבססים עליו – מספרים, טבלאות, עמודות, שורות ומעל הכל – היחס ביניהם. המעבר הזה, מ-“מה המילה הבאה במשפט?” ל-“מה הצעד הבא בשוק?”, משנה את כללי המשחק.
גם אצלנו ב־SAP, זהו אחד הכיוונים המרכזיים באסטרטגיה ובפיתוח: יצירת מודלים שמכירים לעומק את השפה של דאטה עסקי. אנחנו למעשה מפתחים קטגוריה חדשה לגמרי של מודלים שהם table-native - כלומר כאלה שנבנים מהיסוד כדי להבין את המבנה ה"טבלאי", ההיררכיה והמשמעות של נתונים עסקיים יחסיים. המטרה איננה עוד “מודל חכם” אלא תשתית אחת, רחבה, שניתן להפעיל אותה על פני אינספור משימות חיזוי, בלי צורך בהדרכה או התאמה פרטנית בכל פעם.
היתרונות ברורים: פחות זמן מוקדש לבניית תחזיות, פחות תלות בצוותים טכנולוגיים, ותגובה מהירה יותר לשאלות עסקיות דינמיות. זה מאפשר להפוך תובנות עסקיות ממשהו שמגיע אחרי חודשים של עבודה לפעולה שמתבצעת בדקות, והתחזיות הופכות מכלי אנליטי כבד לאמצעי עבודה יומיומי.
מעבר לכך, מדובר בצעד חשוב המאפשר הנגשה של היכולות המתקדמות הללו למשתמשים עצמם בארגון. כאשר ה-AI מבין את שפת הנתונים של העסק, הוא לא דורש תיווך של אנשי דאטה. לא רק מדעני נתונים, אלא גם מנהלי כספים, אנשי לוגיסטיקה, ואנליסטים יכולים להשתמש ישירות ב-AI כמנוע עזר – מערכת שלומדת מהם, מדברת בשפה שלהם, ומשקפת להם תובנות בזמן אמת.
וזה, בסופו של דבר, הלב של המהפכה בעסקים: בינה מלאכותית מתכללת, מדוייקת, חוזה ופועלת. הדרך עוד ארוכה אך כבר ברור שארגונים ישפרו ביצועים וכל תהליך ישתמש בכלי בינה מלאכותית. אנחנו לא נזכור איך עבדנו פעם בלי זה.
מאת אורנה קליינמן, מנכ״לית, מרכז הפיתוח של SAP בישראל
d&b – לדעת להחליט
