כולם מדברים על GPT, הגיע הזמן לחשוב גם על הדאטה

עבור ארגונים, דאטה הוא כמובן הנפט החדש, אלא שממש כמו "הזהב השחור", תהליך האיסוף לכשעצמו, אין בו ערך של ממש. רק באמצעות היכולת לזקק אותו בצורה מדויקת, באמצעות טכנולוגיות AI ו-ML, ניתן למעשה להפוך את הדאטה למידע יקר ערך ולרווח כספי. אלא שאם עד לפני עשור, ניהול הדאטה לא היווה אתגר משמעותי, ולרוב הספיק לכך צוות מצומצם כדי לטפל בהיקפי המידע שהיו מוגבלים, הרי שהיום המצב שונה לחלוטין.

מערכות AI, תהליכי אבטחת מידע וזרימות מידע באוטומציה מחייבים זרימה חלקה, וכאשר ניהול הדאטה אינו תקין, הם עלולים פשוט להיתקע ב'צוואר הבקבוק'

המעבר לסביבות ענן, ושילוב מקורות חדשים במיוחד על רקע הטרנספורמציה הדיגיטלית, הביא לכך שגם נפח הנתונים וגם הגיוון בהיקף מקורות המידע מכלל היישומיים הארגוניים, עלו בהיקפים אדירים. במקביל, ההתפתחות המואצת בטכנולוגיות הבינה המלאכותית הביאה לכך שארגונים השקיעו, ובצדק מבחינתם, בהטמעת שכבות של אפליקציות שונות, שישבו על גבי הדאטה במטרה לנתח את המידע ולייצר תובנות מניבות.

התוצאה בפועל הייתה התמקדות בעיקר בתהליכי הזיקוק של הדאטה ולא בטיפול בניהול הכולל של הכמויות המצטברות בארגונים. במקביל, גם ההייפ שנוצר סביב טכנולוגיות ה-AI הביא להפניית רוב משאבי ההשקעות לסטארט-אפים שפעלו בתחום זה, ופחות התמקדו בחברות אשר ביקשו למצוא פתרונות לניהול הדאטה עצמו. למעשה, כולם דיברו על GPT, ואף אחד לא דיבר על דאטה, אם נעשה אדפטציה למילות השיר הידוע של מוקי.

חשוב ניהול הדאטה כדי להפיק ממנו ומדומיו, את התועלת הרבה ביותר. ChatGPT – כלי ה-AI היוצרת המצליח ביותר כיום. צילום: BigStock

נדרש שינוי תפישתי לגבי אופן השימוש הנכון בדאטה

אלא שמערכות AI, תהליכי אבטחת מידע וזרימות מידע באוטומציה מחייבים זרימה חלקה, וכאשר ניהול הדאטה אינו תקין, הם עלולים פשוט להיתקע ב'צוואר הבקבוק'. המשמעות היא, שיתוק של היישומים הקריטיים ובעקבות זאת מתחדדת יותר ויותר ההבנה כי נדרש לעשות שינוי תפישתי לגבי אופן השימוש הנכון בדאטה.

כפי שהיה גם בסייבר ובתחומי פיתוח אחרים, ביחידות הפיתוח של צה"ל כבר זיהו את המגמה והשכילו להיערך בהתאם. אם עד לפני עשור ואף פחות מכך, המונח Data Unit כלל לא היה קיים באגפי הפיתוח של צה"ל, או רק ברמת פעילות למענה נקודתי בלבד והקמת צוותים ייעודיים לנושא, הרי שכיום המצב שונה בתכלית – יותר ויותר מיחידות הפיתוח הצה"ליות כבר לא מתמקדות רק בסייבר או טלקום אלא גם בפיתוח דאטה אקטיבי – מה שיכול ללמד לגבי המגמה הבאה בעולמות הפיתוח.

ניתן לזהות כיום מספר מגמות מרכזיות בעולם הדאטה:

טיוב איכות הנתונים (Data quality and Data Contracts) – היכולת להגדיר באופן אוטומטי תהליכי העברת נתונים בתוך הארגון ואכיפה של יחידות המידע לשיפור איכות הנתונים.

אוטומציית תהליכים (Process Automation) – ייעול תהליכי העברת הנתונים והתאמה לכללי הרגולציה, בכל הקשור לטיפול ושמירה על חיסיון המידע. כמו כן, הורדת עלויות הנובעות משכפול נתונים ויצירת דרכים חדשות לצמצם ולפשט את ערוצי ה-ML ולהפעיל אותם על מערכי הנתונים הקיימים.

תובנות אנליטיות (Analytical Explainability) – פיתוח כלים להבנה מעמיקה של שורש התקלה – האם זו בעיית נתונים, באג בחישוב או שמא כשל בניתוח הנתונים עצמם? כלומר, טיפול בשיבושים ופיצוח בעיות חדשות, במקרים בהם הצפייה בנתונים אינה נותנת מענה מספק.

אופטמיזציית עלויות (Cost Optimization) – מדובר בסט שלם של כלים לייעול הטיפול במידע, במטרה לצמצם עלויות תפעול, לא רק באחסון המידע, אלא גם בערוצים בהם מועבר הדאטה. עד כמה משפיעה קליטת נתונים חדשים על המדדים, מהו זמן הרצת המידע במודולי ה-DBT? כמה עולה תהליך הפקת התובנות על גבי הדאטה?

בפגישות שאנו עורכים עם יזמים עולה כי הבנה זו מתחדדת גם בשוק, ויזמים, גם כאלה שהגיעו מעולמות הסייבר, עוברים לפיתוח פתרונות בדאטה ותשתית, שיאפשרו להריץ יישומים דוגמת GPT בצורה טובה ויעילה יותר.

אין ספק כי ככל שהמערכות הדאטה יהיו יותר נקיות, מדויקות וקלות לשימוש, כך גם כלל הטכנולגיות המבוססות עליהן יהיו אפקטיביות ויניבו ערך רב יותר לטווח הארוך. פיתוח והשקעה בניהול אפקטיבי יותר של דאטה הוא המפתח לניצול טוב יותר של מגוון היישומים מבוססי ה-AI.

הכותב הוא מייסד ושותף מנהל בחץ וונצ'רס (Hetz Ventures), קרן הון סיכון ישראלית המתמקדת בהשקעות בחברות סטארט-אפ בשלבי Seed