80% דיוק ב-AI? בתעשייה זה כישלון
הטמעת טכנולוגיות בינה מלאכותית (AI) הפכה בשנים האחרונות לאחד היעדים המרכזיים של חברות הייטק וסטארט-אפים. אלא שכשמגיעים לרצפת הייצור של המפעלים הפיזיים, המציאות מתגלה כמורכבת בהרבה. הפער בין סביבת הפיתוח השקטה והממוזגת לבין התנאים התפעוליים בשטח מייצר חיכוך מתמשך בין יזמים לתעשיינים.
לדעתי, שורש בעיית ההטמעה טמון בחוסר הבנה בסיסי של אנשי הטכנולוגיה את אופי העבודה בתעשייה היצרנית.
אחת הבעיות המרכזיות היא הפער הדרמטי בין מצגות הדמו לבין תנאי האמת במפעל. בדמו הכול עובד ונראה מושך ואטרקטיבי, אבל כשהפתרון מגיע לקו הייצור מתגלה עולם אחר. הסביבה רועשת, רועדת, מאובקת, לחה, חמה או קרה, והאינטנסיביות התפעולית אינה סלחנית. אנשים זזים, מלגזות ומנופים פועלים בשטח – תנאים שלא קיימים במשרד ממוזג.
לצד הסביבה הפיזית קיימת גם בעיית טרמינולוגיה ורגולציה. יזמים רבים מגיעים ללא היכרות עם התקנים המחמירים החלים על מפעלים, ואף ללא שליטה בשפה המקצועית של התחום. מפתחים יכולים להשתמש בכלי AI עצמם כדי ללמוד מראש את הרגולציה והמונחים המקומיים. אפילו מילה פשוטה כמו “תבנית” נקראת אחרת כמעט בכל ענף תעשייתי. כדי ליצור מגע ראשוני נכון, חייבים לדבר בשפה של המפעל והתעשיין.
אם בהייטק נהוג להשיק מוצרים במצב בטא ולשפר אותם תוך כדי תנועה, בתעשייה המודל הזה פשוט אינו ישים. סטארט-אפים או מיזמים שמבטיחים דיוק של 80%, או שהמערכת “תלמד תוך כדי”, אינם מספקים את הצורך. התעשייה זקוקה למערכות שעובדות ברמות דיוק שמתקרבות ל־100%.
המשמעות של אחוז טעות קטן בתעשייה אינה “באג” במערכת, אלא מוצרים פגומים, השבתת קווי ייצור, נזק לציוד יקר, פגיעה במוניטין ועלויות שיכולות להסתכם בהון עתק. לכן בתעשייה אין אותה סלחנות למרווחי טעות.
מכשול נוסף הוא “כלכלת הטוקנים” ועלויות השימוש במודלים של AI. ללא הגדרה מראש של מודל התשלום ושל הגורם שנושא בעלויות העיבוד, מפעלים עלולים להיתקל בחיובים חודשיים גבוהים ולא צפויים. לכן חשוב להביא בחשבון את עלויות השימוש כבר בשלב תכנון הפרויקט.
גם סוגיית הבעלות על המידע המוזרם למערכות AI מחייבת הסדרה משפטית ורגולטורית קפדנית מראש. אחרת, חשיפה של סודות מקצועיים או הפרה של תקנות הפרטיות עלולות לעלות הרבה מעבר למחיר הפתרון עצמו.
למרות הקשיים, הטמעת AI בתעשייה היא חיונית, והדרך להצלחה עוברת בתיאום ציפיות ריאלי בין היזם לתעשיין. יזמים צריכים להפסיק להבטיח “נפתור הכול”, להתמקד בבעיה ספציפית ולהציע מומחיות נישתית במקום להציג את עצמם כמי שמסוגלים לפתור כל אתגר. יש להגדיר מראש עם המפעל מדדי הצלחה ברורים (KPIs) ולספק לוח בקרה שקוף למעקב. מומלץ להתחיל בפיילוט באזור או בתחום שאינם מסכנים את הפעילות הקריטית, ולבחון מודלים של הקטנת עלויות ראשוניות או שותפות בסיכון, שיכולים להפחית את חששות התעשיין.
ליזמים יש גם אחריות רחבה יותר מהפרויקט הפרטי שלהם. כל כישלון של מערכת AI ברצפת הייצור שורף את האמון של התעשיינים ומקשה על הבאים בתור. שקיפות לגבי הסיכונים והגדרת גבולות גזרה ברורים מראש הן הדרך לבנות אמון ארוך טווח.
צורי דבוש הוא יו”ר חברת קליל
