איך מכשירים מומחי AI בעולם שבו גם הבינה המלאכותית לומדת?

הקצב שבו עולם הבינה המלאכותית מתקדם הוא חסר תקדים. כמעט בכל שבוע מופיעים מודלים, כלים ושיטות עבודה חדשים, וכל אחד מהם מסוגל לבצע במהירות משימות שבעבר דרשו שעות, ימים ולעיתים אפילו צוות שלם. במציאות כזו, השאלה החשובה ביותר כבר אינה אילו כלים צריך ללמד, אלא כיצד מכשירים אנשי מקצוע שימשיכו להיות רלוונטיים גם כשהכלים ישתנו שוב.

עד לא מזמן, עיקר הערך המקצועי בתחומים טכנולוגיים רבים נבע מהיכולת לבצע משימות מורכבות באופן עצמאי. היכולת לכתוב קוד, לנתח נתונים, לנסח מסמכים או לפתור בעיות הייתה במרכז העשייה. המיומנויות האלה עדיין חשובות, אך כיום הן כבר אינן מספיקות. מערכות בינה מלאכותית לא רק מבצעות משימות בודדות, אלא מסוגלות לפעול באופן עצמאי לאורך זמן, לתכנן שלבים, לבדוק את עצמן ואף לתקן טעויות.

ללמוד להגדיר משימה

לכן, מוקד ההכשרה צריך להשתנות. במקום ללמד רק כיצד לבצע משימה, יש ללמד כיצד להגדיר אותה נכון, וגם מתי נכון להאציל אותה למערכת בינה מלאכותית. זו כבר אינה רק מיומנות טכנולוגית, אלא יכולת מקצועית בסיסית שנדרשת כמעט בכל תחום.

מיומנות מרכזית שמתחילה להתבהר היא מה שאפשר לכנות "עדשת האימות": היכולת להעריך עד כמה קל לבדוק שהתוצאה שהתקבלה נכונה. משימות שקל לאמת את תוצאותיהן, כמו תיקון באג מוגדר או כתיבת בדיקת תוכנה, מתאימות להאצלה רחבה. לעומת זאת, משימות הדורשות שיקול דעת עיצובי או הבנה של הקשר רחב ראוי להשאיר בידי אנשי מקצוע, או לבצע בשיתוף פעולה הדוק עם הבינה המלאכותית. שינוי נוסף באופן העבודה נובע מכך שכבר איננו פועלים בהכרח מול כלי בודד, אלא מול מערך של סוכנים הפועלים במקביל, כאשר לכל אחד מהם תפקיד מוגדר. סוכן אחד בודק קוד, אחר כותב תיעוד ושלישי סורק את המערכת בחיפוש אחר בעיות אבטחה. המיומנות החדשה היא לא רק לדעת להשתמש בסוכן אחד, אלא לתזמר כמה סוכנים, לחלק ביניהם את העבודה ולחבר את התוצאות לתוצר שלם. זו כבר אינה עבודה של מפעיל כלי, אלא עבודה הדומה יותר לניהול צוות.

בעולם האמיתי נדיר למצוא בעיות שמוגדרות בצורה מיטבית מראש. במרבית המקרים הנתונים חלקיים, הדרישות משתנות ובעלי העניין אינם תמיד מסכימים ביניהם. גם כאשר הבינה המלאכותית מסוגלת להציע פתרונות מצוינים, היא אינה מחליטה מהי הבעיה הנכונה שיש לפתור, ואינה נושאת באחריות לתוצאה.

לכן, הכשרה איכותית בתחום צריכה לבחון לא רק אם המשתתף הגיע לתוצאה הנכונה, אלא גם כיצד הגיע אליה. האם ידע להגדיר את הבעיה? האם הבין מתי נכון להאציל משימות למערכת ומתי לא? האם הטיל ספק בתוצאה שקיבל, והאם ידע להסביר ולהצדיק את ההחלטות שלו?

הצורך במיומנויות האלה בולט במיוחד לנוכח השינויים שמחוללת הבינה המלאכותית בתפקידי העובדים ובמבנה מחלקות ה-IT. ככל שיותר משימות עוברות לביצוע אוטומטי, כך גוברת החשיבות של היכולת לפקח על התהליך ולהעריך את התוצאות.

הפער בין אימוץ הבינה המלאכותית ליכולת לפקח עליה גדל

חשוב לזכור שהפער בין אימוץ כלי הבינה המלאכותית לבין היכולת לנהל ולפקח עליהם הולך וגדל. ארגונים רבים מאמצים סוכנים אוטונומיים מהר יותר משהם מצליחים לבנות סביבם מדיניות ברורה ומנגנוני בקרה מתאימים. דווקא כאן נדרשים אנשי מקצוע מיומנים יותר, ולא פחות.

ישנו רובד נוסף שהופך לחשוב במיוחד בגלל קצב ההתקדמות המהיר של התחום. ככל שהכלים מתחלפים במהירות רבה יותר, כך פוחת הערך של היכרות עמוקה עם כלי מסוים, וגדל הערך של הבנה רחבה של התחום עצמו. אנשי מקצוע צריכים להבין אילו בעיות בסיסיות קיימות בעולמות התוכנה, הנתונים והבינה המלאכותית, אילו משפחות של פתרונות קיימות לכל אחת מהן ומהם היתרונות, החסרונות והפשרות הכרוכים בכל גישה. כאשר מגיע כלי חדש, השאלה החשובה אינה רק "איך משתמשים בו?", אלא "איזו בעיה הוא פותר טוב יותר מקודמיו, ובאילו מצבים נכון להשתמש בו?".

מודלים מתחלפים, ממשקים משתנים וכלים נעלמים, אבל עקרונות כמו פירוק בעיות, תכנון מערכות, הערכת חלופות, הבנת אילוצים וקבלת החלטות נשארים רלוונטיים. מי שמבין את היסודות יכול לאמץ טכנולוגיות חדשות במהירות, בעוד שמי שלמד בעיקר כיצד להשתמש בכלי מסוים עלול למצוא את עצמו מתחיל מחדש כמעט בכל גל של חדשנות. הדבר נכון גם כאשר מדובר במערכות אוטונומיות שמסוגלות לבצע משימות מורכבות ללא התערבות רציפה של אדם. השאלה מתי סוכן בינה מלאכותית צריך להעביר את השליטה בחזרה לאדם הופכת לחלק בלתי נפרד מהיכולת לנהל את הטכנולוגיה באופן אחראי.

בסופו של דבר, המטרה בהכשרת מומחים בתחום הבינה המלאכותית אינה רק ללמד אנשים להשתמש בכלי שעשוי להפוך ללא רלוונטי בעוד חודש. המטרה היא לפתח אנשי מקצוע שיודעים לחשוב, ללמוד, להטיל ספק, להבין מה נכון להאציל למכונה ומה כדאי להשאיר בידיהם, ולקבל החלטות מושכלות.

לכן, הדגש בהכשרה צריך להיות על הקניית עקרונות שיישארו נכונים גם כשהכלים עצמם יתחלפו. בעתיד הקרוב, היתרון התחרותי לא יהיה שייך למי שיודע להשתמש בכלי מסוים, אלא למי שיודע להוביל בעזרתו.

הכותב, שחף פורן, מוביל את תחומי הבינה המלאכותית והדאטה בחברת Infinity Labs R&D, העוסקת במחקר, בפיתוח ובהכשרת אנשי מקצוע בתחומי הטכנולוגיה.