איך לתרגם את דרישות הארגון ליישום AI בעל ערך?

"לא מעט ארגונים מפחדים מבינה מלאכותית, אף שהם עושים בה שימוש ברמה האישית. מעבר לאתגרים הטכנולוגיים, לפני שנכנסים לפרויקט AI יש לבחון את היכולות שלו בתחום, לראות כיצד ניתן לתרגם אותן לרעיונות ורק אז לראות כיצד להפוך את הרעיון ליישום של פתרון שיביא השפעה או ערך", כך אמר דוד ביסמוט, מנכ"ל נס קלאוד (NessCloud).

ביסמוט פתח את מפגש פורום e-Gov מבית אנשים ומחשבים. המפגש, שנושאו היה "כיצד הממשלה מובילה את התוכנית הלאומית לבינה מלאכותית", נערך היום (ה') במלון וולדורף אסטוריה בירושלים, בהשתתפות עשרות מנמ"רים מהמגזר הציבורי-ממשלתי. את המפגש הנחה יהודה קונפורטס, העורך הראשי של אנשים ומחשבים.

לדברי ביסמוט, "בעת היערכות לפרויקט AI, יש לשאוף להיחלץ מהנתונים הסטטיסטיים, שמצביעים על כך שלמרות ניסיונות רבים לעריכת פרויקטים בתחום, רק מעטים מצליחים להגיע לשלב הייצור". הוא ציין כי "פרויקטי AI מגיעים עם שלושה אתגרים. האתגר הראשון הוא אבטחת מידע והגנת הסייבר: לא ניתן לשים את הכול בענן ולא על הכול אפשר להפעיל בינה מלאכותית. האתגר השני הוא בהיבט הלקוחות: פעמים רבות הם לא מודעים ולא מבינים מה ניתן לעשות, או שאינם יודעים מהו הערך שיתקבל בשל הטמעת רכיבי AI. האתגר השלישי הוא העלויות: הפעלת יכולות של בינה מלאכותית מגלמת בתוכה עלויות. להנגשת מידע ולשאילתות המופעלות על הנתונים יש משמעויות כספיות".

"המענה לאתגרים הללו", הסביר, "דורש הכנסה של שלושה 'מרכיבים סודיים' ל-'תבשיל': האחד – למידה של דפוסי התנהגות, כדי שניתן יהיה למחזר אותם ואת השאילתות. יש לעשות זאת כלפי פנים וחוץ – גם בתוך הארגון וגם ללקוחות. הרכיב הסודי השני הוא ה-'פרסונה'. התהליך נעשה למול ועם אנשים. לכן, נדרש להבין את הלקוח, כדי לדעת מהיכן יבוא הערך. המרכיב השלישי הוא להתאים את הפלטפורמה לאנשים – משמע, מה לתת למי ועם אילו נתונים. יש לוודא כי שלב זה כולל ביצוע התאמות למשתמשים וללקוחות השונים".

מהם השלבים במימוש פרויקט AI?

"ישנם כמה שלבים במימוש פרויקט AI", ציין ביסמוט. "השלבים הם: מיפוי, העלאת רעיונות, והבנה היכן מצוי הקושי הארגוני והיכן הבינה יכולה לסייע עם כלים שיקלו על עבודת היומיום; בחינת היתכנות, תרגום של הרעיון למעשה – פה בודקים מה שואלים, איך שואלים, על בסיס איזה מידע וכיצד לקבל את התשובה שתענה לצורך הארגוני; עריכת פיילוט עם דאטה ארגונית. מבצעים אותו עם מעט נתונים ולמול עובדים מוגדרים מראש. או אז בודקים את היבט העלויות, מקבלים משובים, ומטפלים בהיבט הארכיטקטורה וההטמעה; לבסוף – עלייה לאוויר, לייצור. זה נעשה עם ניטור מתמשך".

חיים כהן, מומחה בינה מלאכותית ב-נס, הציג שני מקרים של שימוש בשני מודלים של AI. ביסמוט סיים בציינו כי "ערכנו עשרות פרויקטים בענן לגופים ממשלתיים וציבוריים, ואנחנו בעיצומם של 10 פיילוטים במגזר זה לתחום ה-AI. אנחנו מציעים לגופי ממשלה סדנת עבודה לתחום הבינה המלאכותית, על מנת להקל את כניסתם אליו ולגרום להם להבין את הפוטנציאל שגלום בתחום בדרך למימושו, הלכה למעשה – מבדיקת היתכנות לפרויקט משפיע. יש לנו ניסיון רב בעבודה בעברית. אנחנו משתמשים בפלטפורמה שעושה הפשטה של מודל ה-AI, וקל מאוד לפתח עליה".