"בינה מלאכותית מייצרת, בני אדם מרפאים": הנוסחה שתחולל מהפכה בפריון

‍

דמיינו לעצמכם מנהלים שבבוקר אחד צריכים לבחור בין 50 הצעות קריאייטיב שונות לקמפיין פרסומי, להעריך 30 קורות חיים למשרה פנויה ולבחור בין עשרות ספקים לפרויקט חדש. בסופו של דבר, אפילו הבחירה מה לאכול לארוחת ערב יכולה להיראות כמכשול בלתי עביר.

‍

ברוכים הבאים לעולם של עייפות קבלת החלטות - תופעה שהופכת נפוצה יותר ויותר בעידן הדיגיטלי, אך עבורה מתפתח פתרון לא אינטואיטיבי.

‍

מהי עייפות החלטות?

עייפות החלטות היא תופעה פסיכולוגית מתועדת היטב המתארת את ההידרדרות באיכות קבלת ההחלטות לאחר סבב ממושך של קבלת החלטות . קבלת החלטות כרוכה בתהליכים קוגניטיביים שיכולים לעייף את המוח, בדיוק כפי שעבודה פיזית מעייפה את הגוף.

‍

זה לא רק עניין של "עייפות" מהצורך להחליט, אלא של תשישות אמיתית של משאבים קוגניטיביים שמוביל לשלוש השלכות אפשריות:

1. שיתוק החלטות : חוסר היכולת לקבל החלטות כלשהן
2. החלטות אימפולסיביות : בחירות חפוזות כדי "לשחרר את עצמך" מעול קבלת ההחלטות.
3. דחיינות : דחייה מתמדת של קבלת החלטות

הערה: חשוב לדעת כי מחקרים על עייפות קבלת החלטות שנויים כיום במחלוקת. מחקרים אחרונים הטילו ספק בקיומה של ההשפעה, ומרמזים כי ייתכן שמדובר ב"נבואה שמגשימה את עצמה ".

‍

‍

ההשפעה הנסתרת על עסקים

עייפות החלטות אינה רק בעיה אישית - יש לה השלכות עמוקות על ביצועי העסק. כפי שמדגיש מחקר, "היא יכולה להוביל לאיכות החלטות ירודה יותר, ירידה בפריון ועלייה בשיעורי השגיאות, שכולם יכולים לפגוע בשורה התחתונה של החברה."

‍

דוגמאות קונקרטיות מעולם העבודה

מנהל עמוס יתר על המידה : מנהל המנהל גם קשרי לקוחות וגם ניהול מלאי חייב לקבל אינספור מיקרו-החלטות לאורך היום, החל מתעדוף בקשות לקוחות ועד לרמות הזמנות מחדש. כל החלטה, קטנה ככל שתהיה, מוסיפה לעומס הקוגניטיבי.

‍

מנהל התוכן המותש : צוות שיווק שצריך למיין מאות אפשרויות קריאייטיב שנוצרו על ידי בינה מלאכותית בכל שבוע, עלול למצוא את עצמו משותק מבחירה במקום מועצם על ידי הטכנולוגיה.

‍

עידן שפע הבחירה ופרדוקס הבינה המלאכותית

הבעיה החריפה בעידן הבינה המלאכותית הגנרטיבית. על פי דו"ח של גרטנר משנת 2023, "מספר יצירות האמנות והיצירות היצירתיות שנוצרו על ידי בינה מלאכותית גדל פי ארבעה מאז 2020, כאשר תוכן שנוצר על ידי בינה מלאכותית צפוי להוות 30% מכלל התוכן הדיגיטלי עד 2025. "

‍

מה שהיה אמור להיות כלי תמיכה הפך לעתים קרובות למקור של עומס מידע. כפי שהודה מנהל שיווק ראשי ב-Fortune 500: "נהגתי להתלונן שאין לי מספיק הכוונה קריאייטיבית. עכשיו יש לי 50 אפשרויות תקפות לכל קמפיין, ואני מקדיש יותר זמן לבחירה מאשר ליצירה."

‍

התשובה המסורתית: אוצר בינה מלאכותית (מודל 1.0)

התגובה הראשונה לבעיה זו הייתה פיתוח של אוצרים אוטומטיים של בינה מלאכותית - מערכות שנועדו לסנן ולבחור תוכן קיים ללא התערבות אנושית ישירה.

דוגמאות למודל "המסורתי"

מדיה ועיתונאות : הוושינגטון פוסט משתמש במערכות בינה מלאכותית כדי לאסוף ולהמליץ על מאמרים, תוך התאמה אישית של תוכן בהתבסס על העדפותיהם האישיות של הקוראים.

‍

מגזר המוזיאונים : הרייקסמוזיאום באמסטרדם יישם בינה מלאכותית כדי לספר ולאצור את האוסף העצום שלו. פרויקט "מבצע משמר הלילה" השתמש בבינה מלאכותית כדי לסייע בשיקום ובמחקר של הציור האייקוני של רמברנדט.

‍

חדשנות תרבותית : מוזיאון נאשר לאמנות באוניברסיטת דיוק ערך ניסויים עם ChatGPT כדי לאצור תערוכה שלמה מאוסף המוזיאון.

‍

המגבלות של מודל 1.0

דוגמאות אלה, למרות שהן מעניינות, מסתמכות על פרדיגמה מוגבלת: בינה מלאכותית אוצרת תוכן שנוצר בעיקר על ידי בני אדם . מודל ריאקטיבי זה עובד היטב עבור אוספים היסטוריים או תוכן קיים, אך הופך ללא יעיל כאשר בינה מלאכותית יכולה לייצר תוכן הרבה יותר מהר מאשר לאצור אותו.

‍

‍

הפרדיגמה החדשה: "בינה מלאכותית מייצרת, בני אדם מרפאים" (מודל 2.0)

גישה יעילה וחזקה הרבה יותר הולכת ומתפתחת: לתת לבינה מלאכותית לעשות את מה שהיא עושה הכי טוב (לייצר מהר) ולבני אדם לעשות את מה שהם עושים הכי טוב (לשפוט באופן איכותי).

‍

למה דגם זה עדיף

‍

התמחות אופטימלית : בינה מלאכותית יכולה לנתח אלפי מקורות 24/7, לגלות ולנתח תוכן ומקורות מהר יותר מאדם", בעוד שבני אדם מצטיינים ב"מתן האלמנט האנושי הייחודי, הקשר הרגשי והחשיבה הביקורתית".

‍

מהירות ובקרה : בינה מלאכותית מייצרת תוכן במהירויות בלתי אפשריות עבור בני אדם, בעוד שאוצרות אנושית שומרת על בקרת איכות וכיוון אסטרטגי.

‍

דוגמאות אמיתיות של מודל 2.0

‍

אוטומציה שיווקית : כפי שמתועד על ידי Social Media Examiner, הצוותים המתקדמים ביותר יוצרים " זרימות עבודה אוטומטיות המחברות טריגרים לעוזרי בינה מלאכותית ויעדי פלט ", שבהן בינה מלאכותית מייצרת תוכן בעוד שבני אדם אוצרים אותו.

‍

יישומים ארגוניים : IBM מדווחת כי "צוותי שיווק יכולים להשתמש בכלים אלה כדי לבצע סיעור מוחות ביעילות, לייצר טיוטות וליצור תוכן איכותי", אך מדגישה כי "יש ליישם הנחיות מכיוון שתוכן שנוצר על ידי בינה מלאכותית עלול להיעדר מקוריות, יצירתיות ועומק רגשי".

‍

מקרה בוחן: יצירת מאמר זה

הדינמיקה של "בינה מלאכותית יוצרת, בני אדם מרפאים" עולה כבר מכתיבה של מאמר זה. במהלך תהליך המחקר והכתיבה, תהליך העבודה הזה בדיוק התרחש:

‍

שלב גנרטיבי (AI) : מערכת בינה מלאכותית יצרה במהירות נפחי חיפוש מעשרות מקורות, ויצרה תוכן, ציטוטים וניתוחים תוך דקות.

‍

שלב האוצרות ("אנושי") : האוצר זיהה מיד:

• מידע לא מאומת : זיהוי מידע שאינו קיים או שאינו נכון בחיפוש הראשוני.
• בחירה איכותנית : מתן עדיפות למקורות אקדמיים ולמחקרי מקרה הניתנים לאימות
• כיוון אסטרטגי : החלטה להפוך את הנרטיב ולהציע את מודל 2.0 כעדיף
• בקרת איכות : יש לוודא שהטיעון היה עקבי ונתמך בראיות.

התוצאה : תוכן מדויק ומרתק הרבה יותר ממה שהיה בינה מלאכותית מייצרת בעצמה, נוצר בחלקיק מהזמן שהיה לוקח עם מחקר ידני.

‍

אסטרטגיות ליישום מודל 2.0

1. הגדרה מחדש של תפקידי הצוות

כפי שהדגיש מכון שיווק התוכן , חברות חייבות להחליט אסטרטגית היכן ליישם בינה מלאכותית גנרטיבית: האם היא צריכה לשפר את נקודות החוזק הקיימות של הצוות או לפצות על חסרונותיה?

‍

2. תהליכי עבודה מובנים

הטמע תהליכים שבהם "בינה מלאכותית מטפלת בעבודה הקשה בעוד שיוצרים אנושיים מתמקדים בסיפורי סיפורים ובבניית קשרים אותנטיים".

‍

3. בקרת איכות מתמשכת

שמירה על איכות ואמינות פירושה הוספת שכבות של שיפור לטיוטות שנוצרו על ידי בינה מלאכותית לצורך שיפור משמעות, ניואנסים וטון - דברים שבינה מלאכותית לא יכולה לספק בעצמה.

‍

4. התמחות בבינה מלאכותית

השתמשו ב"בינה מלאכותית ככלי לשיפור תהליכי עבודה, אך תמיד שלבו יצירתיות אנושית כדי להוסיף נופך אישי".

‍

העתיד: מיוצרים לאסטרטגים

כשם שבינה מלאכותית הופכת את הפקת התוכן לנגישה יותר מאי פעם, היכולת להתבלט הופכת באופן פרדוקסלי ליקרה יותר. יוצרים עומדים בפני בחירה: להתחרות על נפח באמצעות שימוש בבינה מלאכותית כדי לייצר יותר תוכן, או להתמקד באוצרות ובאותנטיות כדי להתבלט מהרעש הדיגיטלי הגובר.

‍

הדעות, עם זאת, רחוקות מלהיות פה אחד. חלק מהיוצרים רואים בבינה מלאכותית בעלת ברית שמפנה זמן לאסטרטגיה וליצירתיות קונספטואלית, ומאפשרת להם להתמקד בסיפור סיפורים ובבניית קהילה.

אחרים חוששים שאוטומציה של ייצור עלולה לפגוע לחלוטין בערכם של עבודתם, ולהפוך שנים של ניסיון טכני ללא רלוונטיות.

אחרים טוענים שהערך האמיתי טמון ביכולת לתזמר את הבינה המלאכותית ככלי, ולהפוך יוצרים ל"במאים דיגיטליים" ולא סתם ליצרני תוכן.

‍

המיומנות המרכזית החדשה

במודל 2.0, המיומנות החשובה ביותר אינה עוד מהירות הייצור (בינה מלאכותית מהירה יותר), אלא איכות שיקול הדעת האוצרותי . ללא פיקוח אנושי לפני ואחרי השימוש בבינה מלאכותית גנרית, אתם מסתכנים בתוכן גנרי, מוכן מראש וניתן לדלג עליו, שאף אחד לא רוצה לקרוא.

‍

מסקנות: עידן האוצרות החכמה

עייפות קבלת החלטות מייצגת את אחד האתגרים הבלתי צפויים של העידן הדיגיטלי, אך הפתרון אינו טמון בהגבלת החדשנות. מודל האוצרות המסורתי של בינה מלאכותית (1.0) - שבו בינה מלאכותית בוחרת תוכן קיים - היה צעד ראשון חשוב אך לא מספיק.

‍

העתיד שייך למודל 2.0 : "בינה מלאכותית מייצרת, בני אדם מרפאים". גישה זו מכירה בכך ש:

• בינה מלאכותית מצטיינת בייצור מהיר ובנפח
• בני אדם מצטיינים בשיפוט איכותי ובכיוון אסטרטגי
• השילוב של השניים חזק באופן אקספוננציאלי יותר מכל מערכת בנפרד.

הלקח המטא : עצם יצירתו של מאמר זה ממחישה בצורה מושלמת את העיקרון שנדון. הבינה המלאכותית יצרה בתחילה מבול של מידע - מדויק ולא מדויק כאחד, מעורבב יחד. במקום להשאיר את הקורא לנווט בעומס יתר זה (ויצירת עייפות החלטות), האוצר "האנושי" בחר, אימת וארגן רק את המידע הרלוונטי והאמין ביותר.

‍

בעולם שבו מידע שופע, מומחיות אמיתית כבר לא טמונה ביצירת אפשרויות, אלא בידיעה כיצד לבחור את הנכונות. העתיד אינו טמון בבינה מלאכותית שתחליף את בני האדם, וגם לא בבני אדם שתתחרה בבינה מלאכותית - הוא טמון בהתמחות שיתופית שבה כל אחד עושה את מה שהוא עושה הכי טוב.

‍

העתיד שייך לאלה שיודעים איך לתזמר, לא רק לאלה שיודעים איך ליצור.

מאמר זה מסתמך על מחקרים שפורסמו על ידי מוסדות אקדמיים וארגונים מובילים בתחום הבינה המלאכותית, תוך התייחסות מיוחדת למחקרים על זרימות עבודה שיתופיות בין בינה מלאכותית לבני אדם ויישום בינה מלאכותית בקבלת החלטות עסקיות.