"94% מהחברות מאמינות שהבינה המלאכותית זה דבר חיוני להצלחתן בעתיד"

"מה שאנחנו רואים בשוק הוא ש-94% מהחברות מאמינות שהבינה המלאכותית זה דבר חיוני להצלחה שלהן בעתיד, ולכן יש הרבה מאוד אינטרס לקדם את תחומי לימוד המכונה, לצד IoT וכדומה. זה אינטרס שאנחנו רואים לכל אורך ורוחב המגזרים. אבל גם אם כולם אולי מעוניינים, רק ממש מעט עושים את זה בפועל. אנחנו עדיין בתקופה בה ההיבט העיקרי הוא התנסות בתחום, אבל זה עדיין וביל לכך שרק חברה אחת מתוך עשרים באמת מרחיבה את התהליכים לפתרונות של ממש ולתפעול שלהם", כך אמרה ליסה נידם, מובילת מכירות פלטפורמת הענן ו-ווטסון ביבמ.

נידם אמרה את הדברים בכנס השנתי של הלשכה לטכנולוגיות מידע בישראל. הכנס נערך בשבוע שעבר באולם האירועים לאגו שבראשון לציון והוא הופק בידי אנשים ומחשבים. היא הסבירה לגבי הדרך בה אפשר למנף את הבינה המלאכותית ואת הדטה כדי שיובילו לשינוי עסקי, ומהם האתגרים שבדרך.

 "מה מונע מרוב החברות והארגונים ליישם את הדברים בפועל?"

לדבריה, "מה מונע מרוב החברות והארגונים ליישם את הדברים בפועל אם ההתעניינות כל כך גדולה? הסיבה הראשונה היא שאין בינה מלאכותית בלי דטה, והיא יכולה להיות טובה לכל היותר ברמת הדטה שלכם. 81% מהארגונים עדיין לא הבינו מה הוא הדטה הנדרש כדי לבנות תהליכי בינה מלאכותית, וזה האתגר האמיתי מכיוון שביותר מאשר מקרה אחד המידע מפוזר על פני הארגון, כשחלק ממנו בכלל בחוץ בתצורות ובפורמטים שונים".

בעיות כאובות נוספות בתחום, סיפרה נידם, הן מחסור בכוח אדם מספיק מיומן לרגולוציה שעוד לא ברור ממש איך להתמודד איתה. "זה משאב מאוד מוגבל ומתחיל. יש מרדף אחרי המדענים הטובים שיודעים לשלב את יצירת הקוד עם יכולות תכנות ועם הידע הנדרש. ויש עוד סיבה אחת להפרש בין ההתעניינות למימוש: 60% מהארגונים מדברים על אתגר הרגולוציה ועל השלשלות שהוא מטיל עליהם. זהו מחסום קשה למדי כי חייבים לעבור אותו כדי להביא את פתרונות הבניה המלאכותית לשוק. זהו משהו שאתם מקבלים לפיו החלטות", אמרה נידם.

מעבר לכך שהדטה בה משתמשים חייבת להיות איכותית וברת שליטה, היא ציינה שיש ארבעה בלוקים עליהם צריכים להיבנות כדי ליצור את התשתית שתהיה מוכנה היטב לשילוב בינה מלאכותית.

"הצעד הראשון הוא לחשוף את המידע ולאסוף אותו, כי הרבה מאוד פרויקטים נופלים כבר כאן. חשוב לבנות נקודת מבט איכותית ויחידה על הדטה כדי שהמקצוענים יוכלו למנף את זה, כדי שהם יוכלו להשתמש בזה באופן חכם", היא הסבירה.

"הצעד השני הוא לקבוע מי יקבל את הגישה למידע או חלקו, וזה מבוסס על תהליכי אימון. כאן זה המקום בו אנחנו משלבים תהליכי מדיניות, וכן קובעים מי יכול לשנות את המדיניות וכדומה. אנחנו גם בונים ומציגים כך מילון מונחים עסקי פנימי כי צריך שכולם יבינו מה הלקוח צריך, ומה איש מכירות צריך וכדומה. זה גם עוזר להפוך את המשילות הפנימית לכלי שמיש שמאפשר לחברה לבנות מודלים, ובעצם גם עוזר למנף תהליכים", אמרה.

האתגר המשמעותי לאחר מכן הוא הבנייה של המודלים עצמם, בנייה שתכין אותם לצורכי האנילטיקה שהארגון רוצה להשיג. "מה שבאמת חשוב כאן הוא היכולת לשלב את העוצמה כולה ואת הכלים. צריכים סביבה שמעציצה שיתוף פעולה ולתת את הכלים שיאפשרו לעשות זאת, כל אחד בהתאם למומחיות המסוימת שלו, ולפי הצרכים שלו. היכולת לקבל את כל הכלים הללו במקום אחד יחד עם שיתוף הפעולה עוזר להאיץ את הפתרון ולקצר את הזמן לשוק", היא המשיכה לתאר את נקודת ההשקפה שלה.

ומהו הבלוק הרביעי? "כיצד לוקחים את המודלים הללו וכיצד מזריקים אותם לתוך המודלים העסקיים. זה השינוי המנהלי הכי גדול למעשה במקרים רבים. כיצד עושים את זה, כיצד דואגים שזה יקרה ביעילות גבוהה, בהיבטים של מדיניות, אימון ויעילות", אמרה נידם.

במקביל להצגת מקרים ותרחישים בהם נעשה שימוש בווטסון כדי לזרז תהליכים ולתת מענה מהיר יותר ללקוחות, סיכמה נידם את השקפת עולמה בהיבט של שילוב בינה מלאכותית בעסקים כשאמרה כי "לימוד מכונה זה לא קסם, זה קשור להכשרה ואימון. לכן צריך לדעת להסביר, לא ברמת המדען שמפרק את המשוואה לגורמים, אלא ברמת הפתיחות למשתמש כי זו הדרך לפתוח קצת את הקופסה השחורה ולהסביר מה קורה. חשוב להתמקד לא רק בפיתוח אלא גם בתפעול של המודלים".