אודות מגזין הניהול של הרווארד (HBR)
מגזין הניהול של אוניברסיטת הרווארד יוצא לאור מזה מאה שנה ומאגד מאמרים מבוססי מחקר ונתונים. עם כותביו נמנים מיטב המומחים הבינלאומיים לניהול ולעסקים במגוון תחומים, ובהם מנהיגות, משא ומתן, אסטרטגיה, שיווק, כספים ותפעול. מאמרי Harvard Business Review מתורגמים ומתפרסמים בגלובס שלוש פעמים בשבוע: בימים שני, רביעי וחמישי (מגזין G).
אודות הכותב
סטפן קודיבה הוא פרופ' בביה"ס לעסקים מרטין טוכמן, המכון הטכנולוגי של ניו ג'רזי. הוא חוקר, מרצה ומתרגל יישומי בינה מלאכותית בעסקים זה יותר מ-20 שנה וחיבר שמונה ספרים העוסקים בטכנולוגיה, אנליטיקה וביצועים ארגוניים.
בשנים האחרונות, בינה מלאכותית (AI) הפכה לחזקה יותר ויישומיה לעסקים גדלו באופן דרמטי. כתוצאה, חברות שלא שקלו ברצינות להשתמש בה, בוחנות אותה מחדש. המשיכה ברורה: יכולת לשפר ביצועים באמצעות חיזוי, אוטומציה לפעולות שגרתיות, זיהוי תמונות חיוניות לפעילויות מבצעיות או זיהוי מילות מפתח, ביטויים ודפוסים בקובצי קול וטקסט לצורך ניהול מידע. אך אם בינה מלאכותית לא הייתה בעבר חלק מהחברה, עלול להיות קשה לדעת היכן טמונים הפוטנציאל האמיתי - והסיכונים.
יש לשקול כיצד בינה מלאכותית עשויה לייצר ערך, מהם הפרויקטים המתאימים להתחיל איתם והאם יש בצוות את הכישרון הנכון כדי שהמאמצים יצליחו בטווח הארוך. פרויקט בינה מלאכותית ראשון יכול להיות מרתיע, אבל הידיעה במה להתמקד תהפוך אותו לאפשרי - ותבהיר האם זה שווה את ההשקעה.
להבין את היכולות
האם החברה באמת צריכה AI: "מדוע אנחנו חושבים שההשקעה תשתלם?" היא מהשאלות הראשונות שתצטרכו לענות עליהן. המשמעות היא לדעת באיזה מקור כאב תפעולי מנסים לטפל או היכן שואפים לשפר את היעילות ואת היתרון התחרותי החדשני. פרויקטי AI צריכים להתייחס לתהליכים המשפיעים באופן משמעותי על עלויות, זרמי ההכנסות או הקצאת משאבים, כשהתוצאה הסופית יכולה להיות השפעה ראויה לציון על השורה התחתונה.
סוגיות בהן ל־AI יש סיכוי טוב לספק ערך כוללות: פעילויות גוזלות זמן ועתירות עבודה; פעילויות הדורשות סריקת תמונות אינטנסיבית; תהליכים שניתן להרחיב באמצעות ניתוח קול; ותחומים שניתן לשפר עם חיזוי מדויק, כגון התנהגות לקוחות.
היו מוכנים לאפשרות שבינה מלאכותית היא אולי לא באמת התשובה. גם אם תמצאו סוגיה מבטיחה לפרויקט בינה מלאכותית, היו מציאותיים לגבי המקומות בהם הגורם האנושי הוא קריטי וייתכן ש-AI לא תספק ערך רב. אם אתם מתכוונים להשקיע בבינה מלאכותית, אתם רוצים להבטיח שתהיה לכך השפעה.
לבחור מטלה, לא פרויקט: עבור ניסוי ה-AI הראשון בחברה, שאפו לבחור מטלה בעלת ערך גבוה המבוססת על נתונים. לדוגמה, זיהוי חולים ב"סבירות גבוהה לנפילה". זו משימה בעלת ערך גבוה מכיוון שהמשמעות של נפילה עלולה להיות פציעה, צורך בטיפול מורכב יותר ואפילו צעדים משפטיים. היכולת לזהות מטופלים בסיכון ולהוסיף אמצעי זהירות יכולה להציע ערך ממשי. זו מטלה מוגדרת בבירור, עם כמות נתונים נרחבת כדי להכשיר בינה מלאכותית המסוגלת לסמן מטופלים כשהם מתקבלים לאישפוז.
הנתונים והמערכות הדרושים: נתונים טובים הם נשמת אפו של פרויקט AI מצליח. יש לחקור את סוגי וכמות הנתונים הנדרשים כדי לבצע אותו בצורה טובה, לברר האם יש הגבלות על השימוש בהם והאם הם בפורמט נגיש. ייתכן שתצטרכו ראשית להתמקד בנתונים ורק בהמשך לעבוד על בינה מלאכותית.
לאחר מכן, חשוב לוודא שניתן לשלב את הפלט של ה־AI במטלת היעד. במילים אחרות, האם הבינה המלאכותית יכולה להתחבר בצורה חלקה לפעולות אוטומטיות הנסמכות על ההמלצות שלה? כאן מומחי טכנולוגיית מידע ממלאים תפקיד חיוני.
לסייע להצלחה
תיאום ציפיות למידת הדיוק: שיטת ה-AI, הנתונים והמטלה יכולים להכתיב את רמת הדיוק - וההחזר על ההשקעה. ההבנה מה משפיע על הדיוק - ומדוע - יכולה לסייע להגדיר ציפיות סבירות להצלחה.
לא למהר לפרוס בארגון: רק בגלל שבינה מלאכותית עובדת היטב עבור מטלה אחת, לא אומר שהיא תעשה זאת עבור אחרות. מודל AI לשיפור ציות לרגולציה בתחום עיסוק (פונקציה) מסוים, לא יהיה כזה שניתן לעשות לו העתק־הדבק לתחומים אחרים.
האם יש את הכישורים לתחזק בינה מלאכותית? עם הזמן יש לבצע אופטימיזציה מחדש של השימושים בבינה מלאכותית. זה מצריך שילוב של מהנדסי נתונים, מדעני נתונים ואנשי טכנולוגיית מידע כדי לספק תמיכה לתחזוקת המערכת, שתבטיח בינה מלאכותית יעילה שתתפקד באופן עקבי לאורך זמן.
האם ההחזר יעלה על העלויות? תפיסה שגויה בדמיונם של מנהלים רבים היא שבינה מלאכותית היא מכשיר קבלת החלטות שמספק תשובות סופיות, וכי הפונקציונליות תקצץ בעלויות. אלא שבמציאות היא עדיין יותר מנגנון תמיכה בהחלטות.
תוצאות הפעלת AI ב"דרך הנכונה": חברות צריכות להכיר את היכולות של שיטות בינה מלאכותית ולשקול את השימוש בה בתהליכים הנכונים, שבהם היא יכולה לחולל שינוי. כמה ימי התחבטות ממוקדת יכולים להגביר את הסבירות להטמעות מוצלחות שיייעלו משאבים ויובילו ליתרון תחרותי, או למנוע את תרחיש הייסורים של טכנולוגיות חדשות שנשארות במצב מתמיד של בדיקות.
אם בינה מלאכותית מתאימה, חברות יכולות לתת לטכנולוגיה לעשות את העבודה השחורה בתהליכים מבוססי שגרה או לזהות דפוסים בלתי גלויים במשאבי נתונים עצומים. אבל כדי להגיע לשם, צריך למצוא את הגישה שמתאימה לחברה. ברגע שתעשו זאת, ייתכן שתראו הזדמנויות חדשות נפתחות סביבכם.
© Harvard Business School Publishing Corp
לתשומת לבכם: מערכת גלובס חותרת לשיח מגוון, ענייני ומכבד בהתאם ל
קוד האתי
המופיע
בדו"ח האמון
לפיו אנו פועלים. ביטויי אלימות, גזענות, הסתה או כל שיח בלתי הולם אחר מסוננים בצורה
אוטומטית ולא יפורסמו באתר.
כתבות
ני"ע
