מהפיכת הבינה המלאכותית: משימוש פרטי לצמיחה עסקית
מהפיכת הבינה המלאכותית: משימוש פרטי לצמיחה עסקית
הבינה המלאכותית, AI, כבר אינה "באז וורד", והיא חלק מחיי היומיום, לעיתים אפילו באופן לא מודע. נקודת המפנה עבור כל טכנולוגיה חדשנית, מתרחשת כאשר הטכנולוגיה אינה עוד "הייפ" אלא היא מיושמת בפועל במציאות.
אם 2023 הייתה השנה שבה הבינה המלאכותית נהייתה נגישה לשימוש צרכנים פרטיים, 2024 היא השנה שבה טכנולוגיית ה AI תיכנס גם לתוך הניהול העסקי וקשה יהיה לעסק להתנהל ביעילות בלי מעבר ליישומי AI. באופן טבעי, אם אתה נהנה ממוצר צריכה בחייך הפרטיים, תשאף למנף אותו בעולם העסקי.
עם זאת, ישנו הבדל מהותי בין שימוש של אדם פרטי בכלי בינה מלאכותית לבין שימוש בעולם העסקי, בין היתר בשל ההשלכות הפוטנציאליות והמחירים שיש להטיות, טעויות ו"הזיות" (תופעה שבה מודל בינה מלאכותית מייצר תוצאות שגויות או מנותקות מהמציאות, למרות שהן עשויות להיראות אמינות או מבוססות). אימון נכון ועקבי של המודל אמור לתקן הטיות וטעויות, אך הן עדיין רווחות, ומשתמשים נתקלים בהן לעיתים קרובות. כשבדקתי לאחרונה האם קיימות הטיות מגדריות, נכנסתי למודל LLM (Large Language Model, מודל שפה עם בינה מלאכותית) של text-to-image - המאפשר יצירת תמונות מתיאורים מילוליים, וביקשתי שייצר עבורי תמונה של surgeons (מנתחים/ות) בחדר ניתוח. מכיוון שבאנגלית לשמות העצם אין שיוך מגדרי כפי שיש בעברית ובשפות אחרות, קיבלתי מספר אופציות שונות כשבכולן המנתחים היו גברים, רובם לבנים. לחילופין, כשביקשתי בקשה דומה עם המילה אחיות, במרבית התוצאות הופיעו נשים, בחלקן עם גיוון אתני. כך קרה גם כשביקשתי לראות תמונה של software developer (מפתח/ת תכנה) – וקיבלתי תמונות של גברים צעירים בלבד. זאת בסתירה מוחלטת לגיוון המגדרי והגילאי שיש אצלנו במרכז הפיתוח, כמו גם בסטרטאפים, בחברות רב-לאומיות ובכלל באקוסיסטם בישראל ובעולם הטכנולוגי הגלובלי.
בשימוש פרטי, ההשלכות של הטיות אלו הן לא נעימות ומטעות, אבל יחסית מינוריות. אך המצב שונה כשמדובר במודלים המשרתים צרכים עסקיים, שם השלכות שכאלו יכולות לנוע החל מפגיעה בהכנסות, דרך פגיעה במוניטין, וכלה בנזק ממשי ללקוחות או אפילו לחֶבְרָה (society).
מכאן עולות השאלות הבאות: עד כמה טכנולוגיות AI בשלות לשימוש עסקי? כיצד ניתן להבטיח שמירה על פרטיות, במיוחד כשמדובר במידע עסקי קריטי?
במענה על שאלת הבשלות חשוב קודם כל להסביר מהו בעצם AI עסקי. AI עסקי זה למעשה האופן שבו אנחנו מאפשרים לחברות גדולות, שיש להן את הדאטה שלהן, לעשות AI על הדאטה של עצמן עם מודלים שמלכתחילה מאומנים על דאטה מסוג זה. כלומר, לשפר את עצמן ואת התהליכים שהן מעורבות בהם, במיוחד מול הלקוחות שלהן. לדוגמה, AI עסקי ישאל שאלה כמו: איך אני יכול לייצר יותר מכירות באזור גיאוגרפי כלשהו בתוך ארה"ב? ואז להציע תשובה בהתבסס על נתוני החברה עצמה או להתבסס על אותה תוכנה שאומנה עם נתונים של עשרות חברות דומות לחברה זו. במילים אחרות, ב-AI עסקי, העסק מזין את המידע הפנימי שלו למודל ה-AI, ומקבל אפליקציה עסקית מבוססת AI שמאפשרת לו לשלוח שאלה ולקבל תשובה, וע"י כך לבנות כלים לניהול יעיל של העסק ולשפר את התובנות המתקבלות מהדאטה הרב שנצבר בארגון לאורך השנים.
עם זאת, המגזר העסקי מורכב מחברות השונות זו מזו בשלל פרמטרים, וקשה עד בלתי אפשרי למצוא פתרון AI אחד שיתאים לכולן. לכן, מנהלים צריכים לבחור בשותפים ובטכנולוגיה הנכונים להם ולצרכיהם כשהם רוצים לשלב AI בתוך העסק. כיום קיימים בשוק מספר פתרונות כאלו, שחברה או עסק יכולים לשלב מבלי להידרש לפתח אותם בעצמם – לא לכל חברה יש את המשאבים לפתח מודל AI עסקי מוצלח משלה, אבל במודלים המוצעים כיום בשוק אין ספק שקיימת רמת בשלות מספקת ואף יותר מכך, אשר יכולה להציע לעסקים הללו פתרון שיעניק להם יתרון תחרותי. בנוסף, רוב החברות כיום משתמשות בשלל מערכות קיימות, לרוב מערכות ותיקות שנמצאות איתן שנים. לכן קיים צורך "להזריק" את היכולת למנף בינה מלאכותית בתוך המערכות הקיימות, ללא צורך להוציא את המידע מחוץ לארגון ורק אז לאפשר עליו מניפולציה ומודלים. חברות נוטות לא להוציא מידע ממערכות ה ERP או ה CRM ולשנות אותו חיצונית למערכת מטעמי בטיחות מידע, שמירה על פורמט המידע ועוד.
בשאלת הפרטיות, ברור שעסק אינו יכול להרשות לעצמו לפתח מודל AI מוטה, וקריטי שהדאטה ישמר בתוך הארגון. לכן צריך לוודא שהדאטה העסקי נאסף ונשמר בצורה נכונה עבור עבודת המודלים של AI, ויותר מכך - שקיימת אינטגרציה בין המערכות העסקיות השונות. הדאטה העסקי והמשובים שמתקבלים מכל הרבדים של העסק ומייצרים "מפה" אמינה ויעילה שמעלה את הסיכוי להטמעה מוצלחת של AI עסקי. הדאטה שנאסף עבור המודל צריך להיות רלוונטי (איכות וכמות הדאטה), אמין (רמת הדיוק של המודל) ואחראי (הימנעות ממידע שקרי או הטיות). גם כאן ישנה חשיבות רבה לבחירת המודל הנכון והמתאים עבור העסק הספציפי.
השקעה ב-AI עסקי יכולה באופן חד משמעי להחזיר את עצמה, ואף להגדיל את שורת הרווח של החברה. היתרונות שניתן להפיק מיישומי AI עסקי הם כנראה בלתי נגמרים: אוטומציה של משימות שגרתיות כדי לשחרר צוותים אנושיים להתמודד עם אתגרים אסטרטגיים יותר; ניתוח נתונים לצורך זיהוי מגמות; שיפור נאמנות וחוויית הלקוח על ידי המלצות מותאמות אישית ועוד. עם זאת, חברות צריכות להיות מציאותיות לגבי היכולת לייצר ערך מוסף אמיתי מכל יישום.
חברות שביצעו בהצלחה הטמעה של כלי AI עסקי כבר מפיקות באמצעותם תוצאות מרשימות. לדוגמה, American Sugar Refining, חברה אמריקאית המייצרת מוצרים מקני סוכר, משתמשת בבינה מלאכותית כדי לחזות את עלויות ההובלה שלה בצורה מדויקת יותר. תחזיות שבעבר גזלו זמן לא מבוטל של גורמים אנושיים נוצרות כעת באופן אוטומטי תוך שניות. החברה הצליחה לייצר 2,200 תחזיות על בסיס 6 חודשי נתונים ולהגיע לרמת דיוק של 95%.
Motor Oil Group, חברת אנרגיה יוונית, אימצה כלי AI כדי לפקח על תקינות ציוד בתי הזיקוק שלה במטרה למזער זמן השבתה ולהפחית את עלויות התחזוקה. החברה הצליחה לבנות מודל לחיזוי אירועים חריגים המבוססים על נתוני חיישנים ולהזין אותם לדשבורדים ידידותיים למשתמש ולייצר מהם התראות במייל. כתוצאה מכך, המודל הצליח להסביר אירועים חריגים ברמת דיוק של 77% ולחזות מדידות חיישנים עתידיות בדיוק של 70%.
אך למרות שהפוטנציאל של AI עסקי הוא גדול ואולי אינסופי, עבור עסקים רבים הטמעה נכונה של כלי AI עדיין לא נמצאת בהישג יד: לפי מחקר נרחב של חברת עורכי הדין DLA Piper - שנערך בקרב 600 דמויות מפתח בחברות ברחבי העולם - כמעט מחצית מהחברות שנסקרו נאלצו להפסיק או להאט פרויקטים מבוססי בינה מלאכותית. מנתוני המחקר עולה כי עדיין קיים מחסור משמעותי בהבנה של חברות מהי הצורה הטובה ביותר להטמיע AI באופן יעיל כדי להניע צמיחה וערך מוסף ללקוחות. הפקטור המכריע בהטמעה מוצלחת של AI עסקי שתיתרגם לביצועים משופרים של העסק שוב תהיה בחירת הטכנולוגיה והשותפים הנכונים למסע.
ונקודה אחרונה לשיש לשים לה אליה - כמו בכל תהליך של למידה, כך גם בתהליך שילוב כלי AI עסקי בארגון, מומלץ לא להירתע או לוותר גם אם לא רואים את התוצאות המדויקות באופן מיידי. ניסוי וטעיה, סבלנות ובעיקר למידה של כל הגורמים בארגון - הם המפתח בהשגת ערך מ-AI.
שוק ה-AI העולמי צפוי להגיע ל-1.5 טריליון דולר עד שנת 2030, וההזדמנויות של AI עסקי הן אינסופיות. אך על מנת לתרגם אותן למציאות בשטח, צריך לבחור את הכלים והשותפים הנכונים ביותר לעסק שלכם, לוודא שהמודל הנבחר הינו אחראי ומהימן ולא מוטה, ולהיות מוכנים ללכת כברת דרך.
הכותבת היא מנכ"לית מרכז הפיתוח של SAP בישראל
