ככל שמגמות ההשקעה בבינה מלאכותית ממשיכות להתפתח בשנת 2025, מנהלים מתמודדים עם לחץ גובר לקבל החלטות אסטרטגיות לגבי יישומי בינה מלאכותית. עם האימוץ המהיר של כלי בינה מלאכותית על ידי חברות - 22% מיישמים אותם בהרחבה ו-33% משתמשים בהם במידה מוגבלת - הבנת אופן ההערכה והטמעת פתרונות בינה מלאכותית הפכה חיונית לשמירה על יתרון תחרותי. בספרו של אנדרו ברג'ס, " מדריך המנהלים לבינה מלאכותית ", המחבר מספק מדריך מקיף למנהלים עסקיים המעוניינים להבין וליישם פתרונות בינה מלאכותית בארגונים שלהם.

‍

ספר זה פורסם בשנת 2017 על ידי הוצאת ספרינגר אינטרנשיונל ומספק סקירה מעשית של האופן שבו חברות יכולות למנף בינה מלאכותית. מה השתנה כיום?

‍

מגמות השקעות נוכחיות בבינה מלאכותית לשנת 2025

עולם הבינה המלאכותית חווה צמיחה חסרת תקדים, כאשר ארגונים מבצעים השקעות משמעותיות יותר ויותר כדי להישאר תחרותיים.

היסודות:

ברג'ס הדגיש את החשיבות של התחלה בהגדרת יעדים ברורים התואמים את האסטרטגיה של החברה, עיקרון שנשאר בתוקף גם היום. בספר, הוא זיהה שמונה יכולות ליבה של בינה מלאכותית:

‍

1. זיהוי תמונה
2. זיהוי קולי
3. חיפוש וחילוץ מידע
4. קיבוץ באשכולות
5. הבנת שפה טבעית
6. אופטימיזציה
7. נְבוּאָה
8. הבנה (היום)

אבולוציה מ-2018 עד 2025:

מאז כתיבת הספר, בינה מלאכותית הפכה מטכנולוגיה מתפתחת לטכנולוגיה מיינסטרים. היכולת "להבין", אותה ראה ברג'ס עתידנית, חוותה התקדמות משמעותית עם הופעתם של מודלים לשוניים גדולים (LLM) וטכנולוגיות בינה מלאכותית גנרטיבית, שטרם צצו בשנת 2018.

מסגרת אסטרטגית להחלטות השקעה בבינה מלאכותית

ארבע השאלות החיוניות

בעת הערכת השקעות בבינה מלאכותית, חיוני להתמקד בשאלות הקריטיות הבאות:

1. הגדרת בעיה עסקית
2. מדדי הצלחה
3. דרישות יישום
4. הערכת סיכונים

‍

הערה: מסגרת זו בת ארבע שאלות נובעת מהידע הקיים ואינה מוצגת במפורש בספרו של בורגס.

‍

בניית אסטרטגיית בינה מלאכותית יעילה

מסגרת האימוץ:

ברג'ס מציע מסגרת מפורטת ליצירת אסטרטגיית בינה מלאכותית הכוללת:

1. התאמה לאסטרטגיה עסקית - הבנת האופן שבו בינה מלאכותית יכולה לתמוך ביעדים עסקיים קיימים
2. הבנת שאיפות בתחום הבינה המלאכותית - הגדירו האם אתם רוצים:
   • שיפור תהליכים קיימים
   • שינוי תפקודי עסקיים
   • יצירת שירותים/מוצרים חדשים
3. הערכת בגרות של בינה מלאכותית - קבע את רמת הבשלות הנוכחית של הארגון בסולם של 0 עד 5:
   • עיבוד ידני (רמה 0)
   • אוטומציה מסורתית של IT (רמה 1)
   • אוטומציה בסיסית מבודדת (רמה 2)
   • יישום טקטי של כלי אוטומציה (רמה 3)
   • יישום טקטי של טכנולוגיות אוטומציה שונות (רמה 4)
   • אוטומציה אסטרטגית מקצה לקצה (רמה 5)
4. יצירת מפת חום של בינה מלאכותית - זיהוי אזורים עם הזדמנויות גדולות יותר
5. פיתוח מקרה עסקי - הערכת יתרונות קשים ורכים
6. ניהול שינויים - תכנון כיצד הארגון שלך יסתגל
7. פיתוח מפת דרכים לבינה מלאכותית - יצירת תוכנית לטווח בינוני-ארוך

אבולוציה מ-2018 עד 2025:

המסגרת של ברג'ס נותרה רלוונטית באופן מפתיע, אך כיום יש לשלב אותה עם שיקולים בנוגע ל:

• אתיקה ותקנות בתחום הבינה המלאכותית (כגון חוק הבינה המלאכותית של האיחוד האירופי)
• קיימות סביבתית של בינה מלאכותית
• אסטרטגיות בינה מלאכותית אחראיות
• שילוב עם טכנולוגיות מתפתחות כמו מחשוב קוונטי

מדידת החזר ההשקעה (ROI) של השקעות בבינה מלאכותית

הגורמים הקובעים את התשואה על ההשקעה:

בורגס מזהה מספר סוגים של יתרונות של בינה מלאכותית, המסווגים כ"קשים" ו"רכים":

יתרונות קשים:

• הפחתת עלויות
• הימנעו מעלויות
• שביעות רצון הלקוחות
• הַתאָמָה
• הפחתת סיכונים
• הפחתת הפסדים
• צמצום אובדן הכנסות
• יצירת הכנסות

יתרונות רכים:

• שינוי תרבותי
• יתרון תחרותי
• אפקט הילה
• מאפשרים הטבות אחרות
• מאפשרים טרנספורמציה דיגיטלית

‍

‍

‍

גישות טכניות ליישום בינה מלאכותית

‍

סוגי פתרונות:

ברג'ס הציג שלוש גישות עיקריות ליישום בינה מלאכותית:

1. תוכנת בינה מלאכותית מוכנה מראש - פתרונות ארוזים מראש
2. פלטפורמות בינה מלאכותית - מופעלות על ידי חברות טכנולוגיה גדולות
3. פיתוח בינה מלאכותית בהתאמה אישית - פתרונות בהתאמה אישית

בצעדים הראשונים, הוא הציע לשקול:

• הוכחת היתכנות (PoC)
• אבות טיפוס
• מוצר בר-קיימא מינימלי (MVP)
• מבחן ההנחות המסוכנות ביותר (RAT)
• טַיָס

מה השתנה:

מאז 2018, היינו עדים ל:

• דמוקרטיזציה של כלי בינה מלאכותית עם פתרונות ללא קוד/דל קוד
• שיפור דרמטי בפלטפורמות בינה מלאכותית בענן
• צמיחה של בינה מלאכותית גנרטיבית ומודלים כמו GPT, DALL-E וכו'.
• עלייתן של פתרונות AutoML אשר הופכים חלקים מתהליך מדעי הנתונים לאוטומטיים

שיקולים בנוגע לסיכונים ואתגרים

‍

הסיכונים של בינה מלאכותית:

ברג'ס הקדיש פרק שלם לסיכונים של בינה מלאכותית, והדגיש:

1. איכות הנתונים
2. חוסר שקיפות - טבעם של אלגוריתמים כ"קופסה שחורה"
3. הטיות לא מכוונות
4. נאיביות של בינה מלאכותית - גבולות ההבנה ההקשרית
5. הסתמכות יתר על בינה מלאכותית
6. בחירת הטכנולוגיה הלא נכונה
7. מעשים זדוניים

אבולוציה מ-2018 עד 2025:

מאז כתיבת הספר:

• חששות לגבי הטיה אלגוריתמית הפכו לסוגיה קריטית (בהמתנה לחקירה נוספת)
• אבטחת בינה מלאכותית הפכה קריטית ככל שהאיומים גוברים
• רגולציה של בינה מלאכותית התגלתה כגורם מפתח
• הסיכונים של זיופים עמוקים ודיסאינפורמציה יצירתית של בינה מלאכותית הפכו משמעותיים
• חששות בנוגע לפרטיות גברו עם השימוש הנרחב יותר בבינה מלאכותית

בניית ארגון בינה מלאכותית יעיל

‍

מתוך ספרו של בורגס (2018):

ברג'ס מציע:

• בניית מערכת אקולוגית של בינה מלאכותית עם ספקים ושותפים
• הקמת מרכז מצוינות (CoE) עם צוותים ייעודיים
• שקלו תפקידים כגון מנהל נתונים ראשי (CDO) או מנהל אוטומציה ראשי (CAO)

אבולוציה מ-2018 עד 2025:

מאז:

• תפקידו של קצין הבינה המלאכותית הראשי (CAIO) הפך נפוץ
• בינה מלאכותית משולבת כיום לרוב ברחבי הארגון במקום להיות מבודדת ב-CoE
• הדמוקרטיזציה של הבינה המלאכותית הובילה למודלים תפעוליים מבוזרים יותר
• חשיבותה של אוריינות בינה מלאכותית עבור כל העובדים התבררה

מַסְקָנָה

מתוך ספרו של בורגס (2018):

בורגס סיכם בחשיבות של:

• אל תאמינו להייפ אלא התמקדו בבעיות עסקיות אמיתיות
• התחילו את מסע הבינה המלאכותית שלכם בהקדם האפשרי
• הכנת העסק שלך לעתיד באמצעות הבנת בינה מלאכותית
• אימוץ גישה מאוזנת בין אופטימיות לריאליזם

אבולוציה מ-2018 עד 2025:

העצה של ברג'ס "לא להאמין להייפ" נותרה רלוונטית להפליא בשנת 2025, במיוחד לאור ההייפ סביב בינה מלאכותית גנרטיבית. עם זאת, מהירות אימוץ הבינה המלאכותית הפכה קריטית אף יותר, וחברות שטרם החלו את מסעם בבינה מלאכותית נמצאות כעת בעמדת נחיתות משמעותית בהשוואה לאלו שעקבו אחר עצתו של ברג'ס להתחיל מוקדם (בשנת 2018!).

‍

נוף הבינה המלאכותית בשנת 2025 מורכב יותר, בוגר יותר ומשולב יותר באסטרטגיית העסקים ממה שמישהו היה יכול לחזות בשנת 2018, אך עקרונות הליבה של יישור אסטרטגי, יצירת ערך וניהול סיכונים שתיאר בורגס נותרו תקפים באופן מפתיע.