בשנתיים האחרונות כמעט כל ארגון גדול מדבר על בינה מלאכותית. תקציבים נפתחים, פיילוטים יוצאים לדרך והנהלות דורשות להציג אסטרטגיית AI. אלא שככל שהטכנולוגיה עוברת משלב ההתנסות למערכות שאמורות לפעול בליבת הארגון, מתברר שהאתגר נמצא דווקא במקום פחות נוצץ: הנתונים שעליהם ה-AI מסתמך.
לדברי דניאל לוית, מנהל פעילות Confluent בישראל, המעבר ל-Agentic AI, כלומר מערכות שאינן מסתפקות במתן תשובה אלא מסוגלות ליזום פעולות ולקבל החלטות, רק מחריף את הבעיה. אפשר להשקיע במודל ה-AI המתקדם ביותר, אבל אם הוא מקבל מידע מלפני שעה, יום או שבוע, הוא עלול לקבל החלטה שאינה רלוונטית למה שקורה בארגון עכשיו.
"השיח מתמקד באופן טבעי במודלים - איזה מודל לבחור, מי יותר חכם, מי יותר מהיר ומה אפשר לעשות איתו", הוא אומר, "אבל ככל שארגונים עוברים מהדגמות ופיילוטים ליישומים עסקיים אמיתיים, מתברר שהמודל הוא רק חלק מהמשוואה. AI צריך הקשר. הוא צריך לדעת מה קורה בעסק עכשיו: מה הלקוח עשה לפני דקה, מה קרה בעסקה האחרונה, האם מלאי השתנה, האם התרחשה פעולה חריגה בחשבון. אם הנתונים מפוזרים בין מערכות שונות או מגיעים באיחור, גם מודל מצוין עובד למעשה עם תמונה חלקית של המציאות".
כלומר, אחרי המרוץ להשקיע ב-AI מגיע עכשיו שלב ההתפכחות?
"במידה מסוימת כן. ארגונים כבר יודעים לעשות פיילוט מרשים. האתגר הוא להפוך אותו למערכת שאפשר לסמוך עליה בפרודקשן, בקנה מידה גדול, ובסביבה שבה יש דרישות מחמירות של אבטחת מידע, פרטיות וממשל נתונים. זה הבדל משמעותי. דמו יכול לעבוד על סט נתונים מוגדר, מערכת אמיתית צריכה להתמודד עם אלפי או מיליוני אירועים שמשתנים כל הזמן ולהגיב אליהם בצורה אמינה".
למה זה הופך קריטי דווקא עכשיו?
"כאשר אתה נכנס לאפליקציית הבנק כדי לבדוק יתרה, התוצאה מופיעה מייד בזמן אמת. כמה דקות אחר כך אתה מזמין מונית באפליקציה ומקבל התראה מקופת החולים על תור קרוב, ובמקביל האפליקציה של הסופר מעדכנת און-ליין שמוצר שחיפשת חזר למלאי. כל אלה מתאפשרים בזכות מנגנון שנמצא מאחורי הקלעים. במקביל, בגלל המעבר מ-Generative AI ל- Agentic AI, המשתמש בצ'אטבוט רגיל שואל שאלה ומקבל תשובה של.Agentic AI זה כבר יכול להיות חלק מתהליך עסקי: לזהות אירוע, לנתח אותו, לקבל החלטה ולהפעיל מערכת אחרת. ברגע שנותנים ל-AI יכולת לפעול, איכות ועדכניות המידע הופכות לקריטיות הרבה יותר. אם סוכן AI צריך לזהות ניסיון הונאה, למשל, לא מספיק שהוא יודע מה היה מצב החשבון אתמול. הוא צריך להבין מה התרחש בשניות האחרונות".
אז Data Streaming הופך למעשה לחלק מתשתית ה- AI?
"בדיוק. בעבר ארגונים הסתכלו על Streaming כטכנולוגיה להעברת מידע במהירות ממערכת למערכת. היום הגבולות בין תשתית הנתונים לתשתית ה-AI מתחילים להיעלם. אנחנו מדברים על מצב שבו האירועים שמתרחשים בארגון - עסקה, הזמנה, כניסה לאפליקציה, שינוי במלאי או פעילות של מכונה - הופכים באופן רציף למידע שהמערכות יכולות להבין ולהגיב אליו. למעשה, תשתית הנתונים הופכת למערכת העצבים של הארגון".
לנתח דאטה תוך כדי תנועה
לדברי לוית, מה שמייחד את Confluent הוא שהם לא רק מספקים טכנולוגיה, אלא בונים פלטפורמה מקצה לקצה לעולם של Data Streaming (זרימת נתונים בזמן אמת).
"בעולם אנחנו עובדים עם בנקים בין-לאומיים, רשתות קמעונאות ענק וחברות טכנולוגיה, שם הפלטפורמה שלנו מניעה תהליכים עסקיים קריטיים - מניהול סיכונים פיננסיים ועד התאמה אישית של חוויית הלקוח", הוא מספר. "לדוגמה, Walmart ו-Airbnb, שמשתמשות בטכנולוגיה שלנו כדי לנתח דאטה תוך כדי תנועה ולספק חוויות מותאמות לכל לקוח בזמן אמת. בישראל אנחנו רואים יישומים דומים בבנקים, בקופות חולים ובחברות הייטק מובילות, שעושים שימוש בפלטפורמה שלנו. כך, למשל, קופת חולים מכבי מחברת בין מערכות המעבדה, ה-CRM והאפליקציה כדי שמטופל יקבל התראה מיידית כשהבדיקות שלו מוכנות. גם חברות בתחומי הפינטק והביטחון מסתמכות על Data Streaming כדי לקבל החלטות קריטיות בשבריר שנייה ולבנות יתרון תחרותי".
היכן זה בולט בעיקר היום?
"הדוגמאות הבולטות הן בתחומים שבהם לזמן יש משמעות עסקית ברורה. בסייבר, למשל, היכולת לזהות אירועים בזמן אמת, לבצע קורלציות עם מגוון נתונים ולהחליט איך לפעול היא קריטית. במערכת פיננסית, אפשר לזהות דפוס חריג בזמן שהעסקה מתרחשת ולא לאחר מכן. בקמעונאות אפשר להתאים הצעה ללקוח לפי הפעילות שלו באותו רגע. בתעשייה אפשר לזהות שינוי בהתנהגות של מכונה לפני שהוא הופך לתקלה משמעותית. כלומר, הודות ל-AI אפשר לא רק לזהות אירוע אלא גם להבין את ההקשר שלו ולהחליט מה לעשות בעקבותיו".
אבל ככל שנותנים ל-AI גישה ליותר מידע ארגוני, הסיכון גדל.
"בהחלט, וזה אחד החסמים המרכזיים שאנחנו רואים בדרך לפרודקשן. ארגון לא יכול פשוט לפתוח את כל מאגרי המידע שלו בפני מודל AI. יש מידע אישי, פיננסי, רפואי או מסחרי רגיש, ויש רגולציה ומדיניות אבטחת מידע. לכן, השאלה היא כבר לא רק איך מביאים מידע במהירות ל- AI, אלא איך עושים זאת בצורה מבוקרת ומאובטחת וכיצד מצפינים מידע רגיש עוד לפני שהוא מגיע למודל. אם רוצים ש-AI יהפוך לתשתית ארגונית ולא יישאר ניסוי צדדי, אבטחה ו-Governance צריכים להיות חלק מהארכיטקטורה מלכתחילה".
מה אתה רואה בשוק הישראלי? האם ארגונים כאן מתקדמים מהר יותר?
"השוק הישראלי מאוד פתוח לטכנולוגיה, ולכן אנחנו רואים רצון חזק להתנסות ולהתקדם. במגזר הפיננסי, בפינטק ובחברות טכנולוגיה כבר קיימות תשתיות מתקדמות מאוד של מידע בזמן אמת, וזה נותן להן יתרון משמעותי בכניסה לעולם ה-AI. עם זאת, גם בישראל קיים פער בין הרצון של ההנהלה להגיד 'אנחנו עושים AI' לבין העבודה התשתיתית שנדרשת כדי להפוך את זה למשהו שמייצר ערך עסקי אמיתי. השלב הבא יהיה פחות כמה פיילוטים עשית ויותר כמה מהם באמת נכנסו לפרודקשן".
למדוד AI כמו כל מערכת עסקית
אני שואל את לוית האם לאור כל זאת, אנחנו צפויים לראות פחות התלהבות מ- AI בשנים הקרובות? "אני חושב שנראה פחות התלהבות מה-AI כגימיק והרבה יותר שימושים אמיתיים", הוא משיב. "ארגונים יתחילו למדוד AI כמו שהם מודדים כל מערכת עסקית אחרת: האם הוא חוסך כסף, מגדיל הכנסות, משפר שירות או מקצר תהליכים וזה שינוי בריא. הטכנולוגיה לא נעלמת, להפך, היא הופכת לחלק מהתשתית העסקית".
ומה יהיה השינוי הגדול הבא?
"המעבר למערכות שפועלות ברקע באופן רציף. בעתיד יהיו בארגון הרבה מאוד Agents שכל אחד מהם אחראי על משימה אחרת. הם יצטרכו להגיב לאירועים בזמן אמת וגם לעבוד זה עם זה. בעולם כזה, השאלה הגדולה כבר אינה כמה חכם המודל, אלא האם הוא מחובר למציאות העסקית ברגע שבו הוא צריך לקבל החלטה. חברות שיעשו זאת נכון יצליחו לגדול בהיקף הטרנסקציות בלי תוספת כוח אדם והרווחיות שלהן תגדל. זהו הגביע הקדוש. מי שלא יבנה היום את שכבת הנתונים שתאפשר את זה, עלול לגלות שיש לו AI מצוין, אבל כזה שמסתכל על העולם דרך המראה האחורית".
בשיתוף Confluent ישראל
