הטנגו של מיכון התהליכים והבינה המלאכותית

"ככל שהבינה המלאכותית והמיכון ישתלבו יחד, יהדקו את שיתוף הפעולה ביניהם, כך קהל המשתמשים ייהנה יותר והארגון יעבוד יעיל וחכם יותר", אמר ג'נארו קומו, עמית מחקר בכיר וסגן נשיא למיכון ביבמ, בכנס RPA

ג'נארו קומו, עמית מחקר בכיר, סגן נשיא ו-CTO למיכון, יבמ. צילום: פרטי

"בינה מלאכותית מעצימה את יכולות המיכון של תהליכים בארגונים. כאשר שתי הטכנולוגיות פועלות במשותף, הערך המוסף שלהן מממש את המשפט 'השלם גדול מסכום חלקיו'. אני מדמה את פעולותיהן של הבינה המלאכותית והמיכון לריקוד של שני רקדני טנגו – ככל שישתלבו יחד, יהדקו את שיתוף הפעולה ביניהם, כך ה'צופים' בהופעה, קהל המשתמשים – ייהנה יותר", כך אמר ג'נארו קומו, עמית מחקר בכיר, סגן נשיא ו-CTO למיכון, יבמ (IBM)

קומו היה דובר המפתח בכנס RPA 2021. הכנס, בהפקת קבוצת אנשים ומחשבים, התקיים היום (ה'), והנחו אותו רו"ח שלומי קוט, מייסד ומנכ"ל ez roi, ויהודה קונפורטס, העורך הראשי של הקבוצה. לדבריו, "אנו נמצאים כיום בשלב הבא של מיכון תהליכים, כזה המאפשר לארגונים להפוך את הערך הנובע ממיכון לבעל ערך גבוה יותר".

כך, אמר, "הקורונה הביאה לקידום משמעותי של התחום. בארגוני בריאות, למשל, הטמעת טכנולוגיות RPA הייתה מענה הכרחי לעומס הרב שהוטל על מרכזי שירות לקוחות של אותם ארגונים: ברפואה מרחוק, רובוטים סייעו טוב יותר למטופלים, כאשר בחדר ההמתנה הווירטואלי הם הביאו לנציגי השירות במוקדים עוד יכולות ועוד מידע. למשל, הבוט סייע למטופלים לזכור סיסמה ששכחו, שאל אותם כיצד הם מרגישים, איך השפיעו עליהם התרופות שנטלו, איך לעבוד עם טאבלט, ועוד. בדרך זו, גם עובד הארגון הועצם וגם השירות ללקוחות שופר. העובד הדיגיטלי עשה את כל המשימות החזרתיות, והעובד האנושי התמקד במתן שירות איכותי ותבוני".

קומו ציטט מחקר שנערך בקרב ארגוני בריאות בגרמניה, שהצביע על כך, שהטמעת בוטים בתהליך הרפואי הביאה לצמצום השגיאות במרשמים של המטופלים, מה שהניב חיסכון של זמן וכסף. "אלגוריתמים של בינה מלאכותית יכולים ללמוד משגיאות העבר, לזהות תקלות, או מקרים של אי יעילות, מה שהניב לאותם ארגונים חיסכון שנתי של חצי מיליארד יורו". הוא הסביר, כי "המטרה היא לפנות את העובד האנושי מביצוע משימות בקרה בעלות ערך נמוך, שמכונה יכולה לעשות, לטובת הצבת העובד במשרד הקדמי. שם הוא יכול להעניק למטופל טיפול מבוסס בינה מלאכותית, שיעשה אותו יותר שבע רצון. עשינו זאת, בין השאר בבית החולים Memorial Sloan Kettering. בטסלה, הבינה המלאכותית שלנו מסייעת לקבלת החלטות של הנהג, למשל, בעת מעבר בין נתיבים – החלטה פרואקטיבית, מבוססת ניתוח מהיר של המידע המגיע מכלל החיישנים".

"לא ניתן למכן את מה שלא ניתן לראות", אמר קומו, "צריך להבין מתי 'להדליק אורות', היכן כדאי לפתוח במסע, כדי שהארגון יהיה מוכוון-מידע. כאן נכנס המושג 'כריית התהליך'. גישה של מיכון, שהיא מוכוונת נתונים, מביאה לצמצום פערים. זאת, בשילוב בינה מלאכותית, מספקת יותר יעילות. כך ניתן לעשות חילוץ נתונים, סיווג שלהם וחיקור נתונים חכם, עם טיפול בנתונים לא מובנים, שעושים רעש. לימוד מכונה מייצר דפוסים בתוך הדטה הרועש. לכן רכשנו באחרונה את Instana, המספקת פלטפורמה מבוססת בינה מלאכותית לניטור ולנראות ביצועים של אפליקציות".

מיכון לא גוזל עבודה מעובדים בני אנוש

קומו העלה לאוויר את די.ג'יי., רובוט שאותו כינה 'התאום הווירטואלי שלי', שהפריך כמה מיתוסים בתחום, בהם, למשל: "מיכון תהליכים לא יגזול עבודה מעובדים בני אנוש. העובדים יוכלו להתפנות לעשות עבודות משמעותיות, בעלות ערך גבוה יותר, עם יותר תפוקתיות. הטכנולוגיה תמיד גרמה לעוד תעסוקה ולא לאבטלה. המיכון משנה את אופן העבודה ועושה אותה לטובה ויעילה יותר".

"מיכון חכם שכזה", סיכם, "משלב גורמים רבים בארגון, כולל מהצד העסקי, ומביא ליכולת לראות את כל היער ולא רק את העצים בו. הוא מעניק חיקור, גילוי דפוסים ויכולת לחבר תהליכים שבעבר נערכו במבודד. כך, מתקבלות קורולציות, המשפרות תהליכים ומשנות אותם ליעילים יותר. בדרך זו ניתן להביא את התהליכים לחכמים יותר, שמשולבים בהם תהליכי ניהול סיכונים, עם חיזוי טוב יותר שלהם ומניעת אירועים בעייתיים. זו מהות ההבדל בין החלטה אקטיבית אל מול פרואקטיבית, שמביאה לחיסכון של זמן, כוח אדם וכסף. בדרך עבודה זו, הבינה המלאכותית מעצימה את התהליכים הממוכנים ומונעת בעיות בטרם הן קורות. ה-RPA מביא את השכל לעוד תחומים, למשל עיבוד שפה טבעית, NLP, ליצירת קשרים והקשרים חכמים יותר, לשיפור תהליכים וטיוב קבלת החלטות".

הרצאתו מכנס RPA של ג'נארו קומו, עמית מחקר בכיר, סגן נשיא ו-CTO למיכון, יבמ (IBM):

תגובות

(0)

כתיבת תגובה

האימייל לא יוצג באתר.

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

אירועים קרובים