בינה מלאכותית בהזמנה אישית: השירות שהופך כל חברה לשחקן הייטק

פעולות שירותיות פשוטות שבשנים האחרונות התרגלנו לקבל כמובנות מאליהן כמו הזמנת מונית, העברת כסף ורכישה מקוונת מבוססות על פיתוחים טכנולוגיים. כך, גם עסקים שפועלים בתחומים שהם ממש לא הייטק נדרשים לעבוד כיום עם ספקים טכנולוגיים, שמעניקים שירותים מתוכנות ניהול חשבונות, דרך אבטחת מידע וכלה בשירותי תשלומים וניטור תוכן. בכל המקרים הללו , מקבל העסק שירותים נלווים שלא מהווים את מוצר הליבה שלו, אך בקרוב גם החלוקה הזו צפויה להשתנות.

המציאות הזו היוותה את הקרקע להיווצרות סטארט-אפים מסוג חדש, כאלה שמציעים שירותי פיתוח ומחקר בתחום ה-AI. עם קומץ החברות החדשות הללו נמנית ביונדמיינדס (BeyondMinds) מתל אביב, שהוקמה לפני כשנה בידי המנכ"ל רותם אללוף, סמנכ"ל הפעילות העסקית אור קרמר וד"ר רועי מחרז. עם משקיעיה נמנים פרופ' אהוד וינשטיין וד"ר אופיר שלוי, ממייסדי אנוביט שנמכרה לאפל תמורת 400 מיליון דולר ב-2012.

אור קרמר ורותם אללוף

"לפני טכנולוגיית הלמידה העמוקה, חברות ישבו עם מאות חוקרים במשך שנים כדי לפתח תכונות מסוימות. הטכנולוגיה יצרה עולם שבו דברים קורים הרבה יותר מהר", אמר אללוף, שהקים את החברה לאחר כמה תפקידים בתחום המודיעין. "הובלתי קבוצת מחקר בתחום עיבוד שפה טבעית, ובשלב מסוים עומס העבודה היה גדול מדי וחיפשנו להכניס גוף שיוכל לסייע לנו, אך רוב מי שמצאנו עסקו בצד האפליקטיבי ולא המחקרי", סיפר.

בעוד חברת סטארט-אפ מסורתית מפתחת מוצר מוגדר ואז משווקת אותו ללקוחות, ביונדמיינדס עובדת על פיתוח בצמוד לשותפות חיצוניות ולפי בקשתן. "אין כמעט רעיונות שנולדים רק מתוך החברה", הסביר קרמר, בעברו איש שיווק. "לרוב גוף כלשהו מגיע אלינו עם פרויקט, ואנחנו בודקים אם מדובר בצורך שרלוונטי לגופים נוספים בתחום או שיש לו שימושים רחבים יותר. אם יש פה אפשרות ליצירת ערך משותף, נעשה את זה".

"לארגונים קשה להתמודד לבד עם הטכנולוגיה"

העובדים של ביונדמיינדס, כ־25 אלגוריתמאים בעלי תארים מתקדמים, משווקים כמומחי תוכן רב תחומיים בעולם הבינה המלאכותית. הפרויקטים של החברה כוללים עבודה משותפת עם מומחים מטעם החברות שפונות אליהם ומביאים ידע מעולם התוכן הייחודי שלהם. עם לקוחות ביונדמיינדס נמנות גם חברות כמו מיקרוסופט, KLA

ו־CEVA הישראלית, שלהן היא מסייעת בהטמעת טכנולוגיות בינה מלאכותית. עם המוצרים שהחברה עובדת עליהם נמנים אמצעים לזיהוי שפה טבעית בתחום הרפואה, שנועדו לייעל את העבודה מול מטופלים באמצעות חילוץ תובנות מתוך טקסט ולהפחית מהעומס על הצוות הרפואי; הליכי אוטומציה בתחום השירותים הפיננסיים שנועדו להפחית את התלות בעובדים אנושיים לצורך ניהול סיכונים ומתן מענה לדרישות רגולטוריות; וכלים שתומכים בקבלת החלטות בחיזוי ומציאת נפט וגז.

"אנחנו צריכים להבין את צורכי השוק ולראות אם הם חוזרים על עצמם אצל גופים רבים", הסביר אללוף. "לפעמים יש בעיות שעל הנייר נראות זהות אבל מצריכות פיתרונות שונים. רק אחרי זה מתחילים בפיתוח המוצר, הליך שלרוב נעשה עם שותפים משמעותיים".

התרגלנו לכך שחברות נעזרות במפתחים חיצוניים לצרכים נלווים כמו סייבר או טכנולוגיית פרסום, אבל להוציא החוצה פיתוח טכנולוגיה עמוקה זה די חדש.

קרמר: "להוציא החוצה את הטכנולוגיה שבבסיס המוצר זה לא תהליך קל עבור ארגון. מצד שני, התחום בתאוצה ולארגונים קשה להתמודד עם בעיות לבד. אנחנו יושבים עם ארגונים רציניים מאוד שרוצים שמישהו יסייע להם לנווט בעולם הזה, שמתחדש בקצב מטורף. זה לאו דווקא מטעמי כוח אדם אלא יותר כי הם מחפשים הבנה רב תחומית".

אז אתם יכולים לפתח פיתרון לחברה מסוימת ואז למכור אותו למתחרה, או שאתם משקיעים שנתיים בפיתוח פיתרון פורץ דרך, ואז עוברים הלאה?

קרמר: "בבינה מלאכותית זה מורכב לעשות ג'נרליזציה (פיתרון כוללני - ה"ר). המידע מגדיר את הבעיה וגם את הפתרון, והוא שונה מארגון לארגון. אבל ברגע שיש לך פיתרון ספציפי אפשר לשכפל אותו. במקום מוצר אחד שנותן מענה להכל אנחנו מאמינים בריבוי של מוצרים מותאמים".

"להעניק יכולות שהיו שמורות לפייסבוק וגוגל"

"אנחנו רוצים להעניק לגופים לא טכנולוגיים יכולות שהיו שמורות עד כה לחברות כמו פייסבוק וגוגל", אמר אללוף, וקרמר סייג: "אנחנו יכולים למלא את החלל של חדשנות בארגון, אבל חובת ההוכחה על כמה הם יכולים להטמיע אותה היא עדיין של הארגון. בסוף הכסף מדבר וזו שאלה של האיום התחרותי. בחמש השנים הקרובות, בגלל הזינוק הטכנולוגי, התהליך הזה יאיץ ונראה הרבה יותר גופים מסורתיים משחררים לשוק מוצרים חדשניים".

גוגל ואמזון שחררו מוצרים כמו טרנסלייט ואלקסה שמבוססים על זיהוי שפה. לפני 15 שנה רק חלמנו על מוצרים כאלה, אבל היום היכולות שלהם קצת מאכזבות. אם הן עוד לא פיצחו את התחום הזה, איך סטארט-אפ קטן מתל אביב יעשה את זה?

אללוף: "לגוגל יש מעבדות חקר AI ברמה אקדמית, אבל יש בסוף פער בין המחקר לבין שימוש במודלים האלו במוצר. המידע שארגונים כמו בנקים מחזיקים על הלקוח יותר רלוונטי מהמידע שפייסבוק מחזיקה עליו. זה צריך להתחבר לתהליך המחקרי, וזה פער שאנחנו באים לגשר עליו. הבנק צריך להבין שיש לו את היכולת לפתח את המוצר, אבל הוא צריך גם את היכולת לדחוף לפיתוח מוצר ובארגון גדול זה אתגר".