הטמעת ה-GenAI בארגון: מה התפקיד של מנהל הנתונים?

צירוף המילים בינה מלאכותית יוצרת, או Generative AI, ובקיצור GenAI – הוא ה-"כוכב" של עולם הטכנולוגיה בחודשים האחרונים. הוא הבאזזזוורד של 2023, לפחות עד כה, ולא נראה שהוא ירד מהכותרות בקרוב.

הבינה המלאכותית היוצרת היא כבר מזמן לא רק תשובות ביזאריות שנותן ה-ChatGPT ויצירת תמונות חמודות ב-Midjourney. היא, וזה ודאי לא מחדש לרבים מכם, נמצאת עמוק בעולם הארגוני, ומשפיעה על שלל בעלי התפקידים – מהמנכ"ל ועד למנהלי המחלקות והתחומים השונים, ומהם ועד לעובדים הזוטרים. או, בשפה היי-טקיסטית ו-"יפה" יותר – לג'וניורים. חברת המחקר והייעוץ מק'ינזי ביקשה באחרונה לבדוק את ההשפעה של הבינה המלאכותית היוצרת על אחד התפקידים החשובים בארגונים בשנים האחרונות – מנהל הנתונים (ה-CDO).

תחילה, מק'ינזי מציינת שה-GenAI יכולה להגדיל את שווי ערך החברות בסכום כולל של עד ארבעה טריליון דולר, מאחר שהיא תשפר את הביצועים שלהם. המחקר מסייג את התחזית וקובע שכדי להגיע לשיפור זה, על הארגונים להיות מוכנים לכך, ובכלל זה לעשות רביזיה בניהול הנתונים שלהם. המשימה הזאת, באופן טבעי, מוטלת על מנהל הנתונים.

חשוב להדגיש שלא בכל ארגון, כולל לא בכל ארגון גדול, יש אדם שכך מוגדר תפקידו – מנהל נתונים. בחלקם זה אמנם כך, אבל בחלקם האחר, משימת ניהול הדאטה מוטלת על המנמ"ר, מנהל החדשנות, מנהל הטכנולוגיה וכדומה. לצורך המחקר שוחחו אנשי מק'ינזי עם 25 אנשים מהקבוצה הראשונה – מנהלי נתונים בארגונים שונים, שזוהי הגדרת התפקיד שלהם. אלה ניפקו תובנות מעניינות על הדרך שבה כדאי לארגונים לנהל את המידע שלהם בעידן ה-GenAI.

איך על מנהל הנתונים להיערך לעידן ה-GenAI?

העצה הראשונה שלהם היא שעל מנהל הנתונים להיות מוכוון יזמות, במובן זה שעליו להבין מה הבינה המלאכותית יכולה לעשות בשביל הארגון שלו. לצורך כך, הוא צריך לדעת כיצד להציג את הערך של הבינה המלאכותית היוצרת בפני ההנהלה, איך היא יכולה להגדיל את השווי של העסק.

מנהל הנתונים צריך, בנוסף, להיות אדם עם ראש פתוח, לדעת מה קורה מחוץ לארגון ולבחון פתרונות שיש להם ערך מוסף רחב, ולא פתרונות נקודתיים. עצה חשובה אחרת בהקשר זה היא שלא פחות חשובה מה-GenAI היא הדרך להגיע אליו. מספר לא מבוטל מהנסקרים במחקר של מק'ינזי הדגישו שאם הארגון יגיע לעידן הבינה המלאכותית היוצרת ללא הכנה מתאימה, ההשקעה כולה עלולה לרדת לטמיון.

המפגש של נתונים בעלי איכות נמוכה עם הבינה המלאכותית היוצרת עלול להיות קטלני, משום שגם מודלים של לימוד מכונה לא יודעים להתמודד עם נתונים ממקורות מובנים. לכן, על מנהל הנתונים להקדיש יותר זמן ללימוד מבנה הנתונים, לעמוד ולעקוב אחרי האיכות והרלוונטיות שלהם

המשימה להכנת הארגון ל-GenAI איננה קלה, בעיקר כשזה נוגע לנתונים, שכן הארגונים עובדים עם תצורות שונות של נתונים לא מובנים, כמו צ'טים, סרטונים ועוד דאטה שמגיעה ממקורות חיצוניים. מעבר לכך, דרוש טיפול בארכיטקטורה של הנתונים. מדובר בתהליך מורכב, רגיש ובעל משמעות רחבה.

תפקידו של מנהל הנתונים, בהקשר זה, הוא להכיר היטב את התצורה של הדאטה הארגונית, ולדעת היכן ומה אפשר לשנות או לתקן. זה נשמע מובן מאליו, אבל אם בעבר, ארגון יכול היה לחיות עם מצבים שבהם לא מתעכבים על כל פרט בתצורת הנתונים, כל עוד זה משרת את הצרכים שלו, הרי ששילוב נתונים לא מטויבים ולא ערוכים כהלכה ב-GenAI עלול להזיק לו ולגרום לו לאבד את היתרונות שהחדשנות הזאת מביאה איתה.

כאשר מדברים על תצורת הנתונים, כוללים בתוך זה גם את איכותם. למרבה הצער, בכל מאגר מידע יש גם "זבל פנימי", כמו פח אשפה שצריך להוריד אותו לחדר הזבל בבניין.

מפגש קטלני

המפגש של נתונים בעלי איכות נמוכה עם הבינה המלאכותית היוצרת עלול להיות קטלני, משום שגם מודלים של לימוד מכונה לא יודעים להתמודד עם נתונים ממקורות מובנים. לכן, על מנהל הדאטה להקדיש יותר זמן ללימוד מבנה הנתונים, לעמוד ולעקוב אחרי האיכות והרלוונטיות שלהם. אחת ההצעות של הנסקרים במחקר של מק'ינזי בהקשר זה היא הגדרת סף מינימלי לתוכן לא מובנה שייכלל ביישומי ה-GenAI ויצירת תהליכי עבודה פנים ארגוניים, שימנעו יצירת נתונים בעלי איכות, שהבינה המלאכותית היוצרת לא יודעת להתמודד איתם.

ה-CDO לא פטור גם מטיפול באיומי האבטחה והסייבר שהנתונים חשופים אליהם. ההשלכות של ה-AI על תחום הסייבר עדיין לא מובנות במלואן, אבל כבר עכשיו ידוע שיש כמה פעולות שעל מנהל הנתונים לעשות. המומחים מציעים למנהלי הנתונים להעריך את הסיכונים הרחבים הקשורים לחשיפת הנתונים של העסק, כגון חשיפה פוטנציאלית של סודות מסחריים כאשר קוד סודי וקנייני משותף עם מודלים של AI, ולתעדף את האיומים הגדולים ביותר.

לסיכום, האתגר שעומד בפני מנהל הנתונים, להוביל את הארגון לעידן הבינה המלאכותית היוצרת, הוא לא פשוט. כדי להגיע ליעד הזה בשלום, הוא צריך לנהל שורה של תהליכים, שיגדילו את ערך ואיכות הנתונים, ולעקוב מקרוב אחר ביצועם.