המלכודות שיש להימנע מהן במעבר לבינה מלאכותית

מלכודות אלו הן צפויות, וארגון שישכיל לנהל אותן יזכה למנף את היכולות העוצמתיות של הבינה המלאכותית לצמיחה וחיזוק כושרו התחרותי

מיכל זיגלמן, פיזיקאית, מומחית לאסטרטגיה וחדשנות בתנאי מורכבות, מייסדת דואליטי.

הבינה המלאכותית (AI) מגדירה מחדש את הזירה העסקית ומציגה פוטנציאל חסר תקדים לארגונים לצמיחה ותחרותיות. הבטחת הערך העצומה, ובמקביל – הבאזז הלא קטן סביב הטכנולוגיה המהפכנית, דוחקים בארגונים להטמיע במהירות כלי AI כשהם מושפעים לעיתים משיקולי הטווח הקצר, טרנדים פופולאריים ומתחרים. מאמר זה בא להאיר שבע מלכודות במסע של ארגונים לאמץ בינה מלאכותית. מלכודות אלו הן צפויות, וארגון שישכיל לנהל אותן יזכה למנף את היכולות העוצמתיות של הבינה המלאכותית לצמיחה וחיזוק כושרו התחרותי.

היעדר מטרות אסטרטגיות ברורות – מעבר של ארגון ליישומי AI מצריך השקעה משמעותית וכרוך בהשלכות עסקיות נרחבות. בלחץ הסביבה התחרותית, חברות נוטות לעיתים לתעדף שיקולים טקטיים ולאמץ במהירות כליAI  שימנפו פרודוקטיביות ויצירתיות, מבלי שהגדירו מהי בדיוק המטרה האסטרטגית של יישומים אלה. השקעה בבינה מלאכותית ללא יעדים מוגדרים כמוה כהפלגה באוקיינוס ללא יעד ומצפן. נוכל ליהנות מהבריזה לזמן מה, אבל בסופו של דבר ניסחף ללא מטרה. הגדירו בבירור את מטרת המעבר ל-AI וכיצד הטמעתה מקדמת את הארגון לעבר יעדיו האסטרטגיים, בטווח הקרוב והרחוק. לדוגמה, חברת לוגיסטיקה עשויה להגדיר אופטימיזציה של נתיבי אספקה או הפחתת צריכת דלק כמטרות בעת יישום AI.

משילות נתונים לקויה – נתונים הם הדלק והמנוע של כל מערכתAI . נתונים שאינם מנוהלים היטב, לא רק יפגעו ביעילות של יישומי AI, אלא עלולים לפגוע בקבלת ההחלטות ובהמשך ביעדים העסקיים. על ארגון להבטיח שהנתונים מדויקים, עקביים, מאובטחים ונגישים. תארו לעצמכם למשל בית חולים המשתמש בבינה מלאכותית כדי להתאים תוכניות טיפול אישיות לחולים כרוניים. עקב פיקוח לקוי על נתונים, קיימות אי התאמות באיכות הנתונים – רשומות מסוימות מיושנות, חלקן אינן שלמות ואחרות כוללות אי-דיוקים. מערכת הבינה המלאכותית רושמת תרופות על סמך נתונים שאינם אמינים. מעבר לפגיעה בבטיחות המטופלים, כשל כזה חושף את בית החולים להשלכות משפטיות ושוחק את האמון בפתרונות בריאות מבוססי AI.

דילוג על בקרת האיכות – מערכת AI שאינה מבוקרת עלולה להיות מתכון לאסון. בגלל עוצמת הניתוח, המהירות והסקיילבליות של מערכות אלה, סטייה קטנה בדיוק בפעולתן עלולה להוביל לטעויות שגדלות אקספוננציאלית. חשבו על בינה מלאכותית כעל מכונית מרוץ – לא הייתם מאיצים במסלול מבלי לבדוק תחילה בקפדנות את המנוע, הבלמים ומאפייני הבטיחות. העוצמה והמורכבות של מערכותAI  מחייבת בדיקות ותיקוף קפדניים לבטיחות, דיוק ואמינות, כדי להימנע משגיאות מסוכנות.

"הטמעת AI בארגון היא אירוע משבש. במקביל לתועלות העצומות, היא עשויה לחולל מהפך בתהליכים עסקיים, בתפיסות ובתרבות. כדי שהמעבר יצליח עליו להיות מנוהל במסגרת תוכנית ייעודית לניהול השינוי. תכנית זו צריכה לתת מענה הן לאתגרים טכניים וקונקרטיים… הן לאתגרים תרבותיים ורגשיים"

הערכת חסר בהקצאת משאבים – מעבר של ארגון ל-AI הוא תהליך מורכב המערב מגוון היבטים עסקיים, מבניית תשתיות נתונים, פיתוח ורכישה של חומרה ותוכנה הדרושות לתפעול AI , רכישת ידע, כישורים, גיוס טאלנטים, הגדרה מחדש של תהליכים והיבטים עסקיים וארגוניים נוספים. ארגונים לעיתים נוטים להערכת חסר של משאבים, במיוחד בפרויקטים בהם רמת המורכבות ואי הודאות גבוהה. חסר במשאבים יגביל את ביצועי הבינה המלאכותית וימנע מהארגון למצות את מלא הפוטנציאל הטמון בטכנולוגיה שהשקיע בה. בנוסף עלולה להיווצר חוויה שלילית בקרב העובדים, שתפגע בניסיונות עתידיים של הארגון ליישם AI.

ניהול כושל של תהליך השינוי – הטמעת AI בארגון היא אירוע משבש. במקביל לתועלות העצומות, היא עשויה לחולל מהפך בתהליכים עסקיים, בתפיסות ובתרבות. כדי שהמעבר יצליח עליו להיות מנוהל במסגרת תוכנית ייעודית לניהול השינוי. תכנית זו צריכה לתת מענה הן לאתגרים טכניים וקונקרטיים, כמו בניית תשתיות AI ונתונים, פיתוח ידע חיוני, בניית AI Talent והקניית מיומנויות חיוניות לעובדים, והן לאתגרים תרבותיים ורגשיים, כמו תקשורת, יצירת משמעות, רגשות, אמונות והתמודדות עם חוסר ודאות. ניהול מיטבי של שני סוגי האתגרים בו זמנית הוא קריטי להצלחת המעבר ל-AI. ניהול השינוי צריך להתבצע באופן חוצה ארגון, מתוך הבנה שלכל יישום AI צפויות השלכות על כלל הארגון.

חשיבה בקטן – כמו בכל פרויקט חדשני, גם בהטמעת AI קיימים יתרונות להתחיל בפיילוט מצומצם. עם זאת, בגלל יכולת ההתרחבות העצומה הייחודית ל- AI, חשוב לארגון לשקול כבר בשלב ההתחלה את אפשרויות ההרחבה (Scaling) של יישומי ה-AI. לדוגמה, רשת קמעונאית מיישמת בהצלחה מערכת ניהול מלאי מבוססת AI באחת מחנויותיה. החנות משיגה יעילות בניהול המלאי וחיסכון משמעותי בעלויות. כשהרשת תבקש להרחיב את המערכת לפריסה ארצית היא עלולה לגלות שהמערכת לא תוכננה להיקפים גדולים ולסוגיות מורכבות של מלאי ואספקה לריבוי חנויות ועוד בתנאים סביבתיים משתנים. הדבר יכול להוביל לעיכובים תפעוליים, לאובדן הכנסות ואף לפגיעה במותג. תכנון ההתרחבות משלב ההתחלה של פריסת פתרונות AI יסייע לארגון למנף את מלא הפוטנציאל הטמון בבינה המלאכותית.

מיינדסט של ספרינט – מעבר של ארגון ל- AI אינו אירוע חד פעמי, אלא תהליך. העוצמה של AI טמונה ביכולת הלמידה והשיפור המתמיד של האלגוריתמים. הדבר מצריך מהארגון ניטור תמידי של הטכנולוגיה המתפתחת במהירות אקספוננציאלית, תחזוקה שוטפת, עדכון רציף של נתונים וכוונון תמידי כדי להסתגל לסביבות המשתנות. מעבר לכך נדרש שינוי תרבותי. בדיוק כמו האלגוריתם כך גם ארגונים, נדרשים לאמץ תרבות של למידה תמידית, להישאר ערניים, לחקור ולשכלל ברציפות את המודלים והיישומים, כדי להפיק תועלת ממערכות AI רלוונטיות ומדויקות בסביבה המשתנה ומתחדשת תמידית.

לסיכום, לצד ההזדמנויות חסרות התקדים לצמיחה ויתרון תחרותי, מעבר של ארגון ל-AI הוא תהליך מורכב הכרוך בסיכונים, שאת חלקם ניתן לצפות ויש לנהל. מנהלים שישכילו לצאת למסע ה-AI מתוך ראייה אסטרטגית, הבנה של המורכבות ומודעות למלכודות, יסייעו לארגונם למזער את הסיכונים ולמנף את הפוטנציאל הטרנספורמטיבי של AI.

 

הכותבת היא פיזיקאית, מומחית לאסטרטגיה וחדשנות בתנאי מורכבות, מייסדת ומנכ"לית דואליטי.

תגובות

(0)

כתיבת תגובה

האימייל לא יוצג באתר. שדות החובה מסומנים *

אין לשלוח תגובות הכוללות דברי הסתה, דיבה, וסגנון החורג מהטעם הטוב

אירועים קרובים