אין ספק שמשפחת פתרונות ה-Generative AI הביאה לחיינו דור חדש של טכנולוגיות, המשרתות את האנושות במגוון רחב של פונקציות ומשנות את התהליכים היום-יומיים של רבים מאד. קריאת מסמך ארוך נראית אחרת כשהכלי המועדף מסכם את עיקרי המסמך עוד לפני המעבר על הטקסט כולו; שאלה על תופעה בעולם מקבלת תשובה מקיפה רגע לאחר סיום כתיבת השאלה; ופיסקת תוכן בנושא מסויים נכתבת בצורה מסוגננת ברגע שקיימים העקרונות הראשוניים של הרעיון המועבר.
אנשים מפתחים את ההעדפות שלהם ואת ההתמחות בזיהוי הכלי שייתן להם מענה מיטבי לכל סוג משימה. יש גם סגנונות וטעמים בבחירת והעדפת הכלים. כשם שאנשים הם פעמים רבות אנשי אנדרואיד או אייפון, Mac או Windows, מתחילים להיות לאנשים הכלים הנבחרים מבחינתם, ואפילו סוג של נאמנות ומערכת יחסים עם הכלי המשמש אותם למשימות שונות. אפשר לשמוע אנשים המסבירים על ההרגל שלהם לChat GPT, החיבור של Copilot לאפליקציות אחרות, על רמת העדכון והחיבור למקורות של Gemini, על מידת הסימפטיות של Claude או התכונה האהובה שמוצאים בכלים אחרים. ביחס לרמת ההיכרות והחיבור שיש לצ'אטבוטים של טקסט שחלקם הוזכרו קודם, מופיעות מערכות יחסים אפילו קרובות יותר של אנשים לכלים היוצרים חומרי Creative מסוגים שונים. המנוע המייצר שיר בהתאם לטקסט מביא לתחושות אף עמוקות יותר מזה שכותב טקסט, ובקרוב, כשכלים ליצירת סרטון הווידיאו במענה להסבר מה צריך להיות בו, יהיו נפוצים עוד יותר, גם הם עשויים להיות שותפים מאד קרובים של מפעיליהם ליצירת התוצרים הבאים.
התוצאות לא בהכרח מדויקות
אלפי אנשים בעולם רואים בכלי ה-Gen AI כהתגלמות המהפכה והביטוי המעשי ל-AI. תפיסה זו איננה מדויקת. לכלים אלו יתרונות רבים, אולם גם חסרונות מובנים שאינם עושים אותם מתאימים לכל בעיה בה AI ישולב בהמשך. לדוגמה, הצ'אטבוטים ניבנו כך שיהיו קומוניקטיביים ויתנו תשובה מהירה ומקיפה לכל שאלה. הם גם מבצעים משימות בחדווה ותוכננו כך שהם ששים אלי ביצוע ומעדיפים להחזיר תשובה ולא להשתהות אף רגע לחידוד המשימה. אם מנהל היה מבקש מעובד לבצע משימה, יש סיכוי שהעובד היה חוזר ושואל מספר שאלות, או מברר עוד נתונים לביצוע נכון של המשימה. העובד מבין שביחס לזמן שייקח לו לבצע את המשימה והחשיבות של ביצוע נכון של הבקשה, חידוד הדרישות משתלם. הצ'אטבוט מתייחס אחרת לעניין. כיוון שהוא מחזיר תשובה מהר מאד, הגישה היא להחזיר תשובה ויהי מה. אם מקבל התשובה לא קיבל מענה או לא מענה טוב, יואיל לשאול שוב או לחדד את בקשתו.
הצ'אטבוט הוא שירותי, קומוניקטיבי ומאד מגיב ומרצה. תכונה זו הופכת את ההתכתבות איתו לנעימה ועתירת אינטראקציות, אולם לא בהכרח מדויקת. הצ'אטבוט לא יבזבז שנייה לווידוא נכונות התשובה. ברגע שמצא תשובה, יחזור איתה לשואל. זו הסיבה שבקשה חוזרת לקבלת תשובה דומה, עשויה להביא תשובה אחרת. אי הסכמה עם התשובה עשויה להביא לבירור נוסף וחזרה עם תשובה סותרת.
מודלי AI מתוחכמים
בעולם הפיננסי, העקרונות המובילים שונים. דיוק התשובות ואמינות הנתונים היא קריטית ליצירת אמון במערכות הפיננסיות. כל האקו-סיסטם של גופים פיננסיים, מערכות מסחר, שערי מטבעות, הערכות שווי משתנות, יתרות מטבע ומדדי סחורות - כולם מבוססים על הרעיון שכשנתון מוצג, הוא הנתון הנכון. הוא מוצג בו זמנית במקומות שונים, וכאשר משתנה יש זמן נקוב בו יעודכן ברמה עולמית בכל הפלטפורמות הרלוונטיות. אפיקים טכנולוגיים רבים נועדו להבטיח את הזמינות של הנתונים (Availability) ואת רמת המהימנות (Integrity) של המידע המועבר. המערכות בנויות על כך שהמידע שנוצר הוא בהכרח הנכון והמדויק, ועוסקות ביכולת לשנע אותה בצורה אמינה ומוקפדת למשתמשים הזקוקים לו. גם המערכות המלוות של העולם הפיננסי, מערכות תומכות החלטה, מערכות המלצה וכאלה שעוסקות בביצוע אנליזות זמן אמת המוצגות כחלק מקבלת החלטה, ואפילו כאלה שמבצעות פעולות מהירות בהתאם לניתוח, כולן חייבות לפעול לפי עקרונות דומים.
אם קיימת מערכת אוטומטית שמזרימה רכישות של סחורות, או אחרת שסוגרת ארביטראג' של שערי מטבע, או כזו שבוחרת באיזה שוק לקנות משאב שעלותו משתנה, כל אלו חייבות לערוך את העיבוד המקיף ביותר שהן יכולות במגבלות הזמן הקיים, הנתונים הזמינים וכוח החישוב האפשרי ולהציג תשובה שתהיה הנכונה ביותר לסיטואציה. מערכות אלו אינן יכולות להציע את התשובה הראשונה שמוצאים, המנועים לא צריכים להמר על תשובה ולראות מה יגיד המשתמש, ולכן לכל עולם התוכן הזה נבנים מודלי AI המיועדים לסוג החלטות כאלה.
את המודלים הללו לא מפתחים באמצעות Gen AI כי אם על ידי מודלי AI מתוחכמים המאומנים עבור ההחלטות שנדרשים לבצע. מודלים כאלה יעברו אימונים רבים מאד עם כל המידע שנצבר במערכת הפיננסית הנדרשת ובמידת האפשר יקבלו כהחלטה האופטימלית את סוג ההחלטות שצוות הפיתוח מחשב כנכונות, או באופן ממוכן את הידע שניתן לחשב מתוך ניסיון העבר המראה איך השוק התנהג ובכך לצפות מהי ההחלטה הנכונה. חלק מהמודלים ינסו לעסוק אף בבעיות יותר רחבות ולאמן מודלים Un-Supervised שיבצעו משימות שאינן החלטה בודדת, על פי רוב לא כמערכת שמבצעת פעולה אלא ממליצה או מתקשרת. כאשר מודל AI כזה מפותח בחברה טכנולוגית העוסקת בפיתוח מוצר או פלטפורמה, שהמודל הוא חלק מהפעילות הטכנולוגית של החברה, על פי רוב יהיו בתהליך כל הגורמים הטכנולוגיים והמקצועיים המתמחים בתחום ובאופטימיזציית ההחלטות הנדרשת.
ליצור ערך ארגוני
בשנים הקרובות גם חברות רבות אחרות ישלבו מודלי AI בפונקציות העסקיות והאופרטיביות שלהן. מודלים ומכונות אוטונומיות אלו יצמחו בסביבה שאיננה בהכרח של חברה טכנולוגית אלא של ארגון עסקי שהינו משתמש של הטכנולוגיה הזו. כאן נכנסת חשיבות גבוהה להגדרת שילוב AI באופן הנכון לקבלת תוצאה מיטבית. שילוב AI בארגון לא יכול להיעשות כי זהו צו האופנה, או כי המתחרה עושה זאת. פרויקט כזה חייב להגדיר בצורה טובה מהי הפונקציה הנדרשת ומהו הערך הצפוי לארגון כתוצאה מהצירוף. חשוב שהארגון יזהה שהעלות של השגת הנתונים ומדידתם, ולאחר מכן שילוב התוצר בתהליך האופרטיבי באמת, צפוי להכניס שיפור משמעותי. אם קיים תהליך לא תקין, או תהליך עם בעיה מהותית, הכנסת AI ללא תפתור את בעיית השורש. זהו אינו קסם כי אם מנגנון חכם, יעיל ומהיר, שיודע לספק תוצאות ייחודיות. תוצאות אלו צריכות להשתלב בתהליך יצירת הערך הארגוני ולשפר אותו, אך אינן מחליפות אותו או פותרות בו כל בעיה. כחלק מהמהפכה הזו יותר ויותר בעלי תפקידים בארגונים יצטרכו לדעת להיות לקוחות, מאפיינים, בקרים ומטמיעים של היכולות האלה בפאזל החשוב של יצירת הערך הארגוני.
יהיה מעניין, אנחנו רק מתחילים!
הכותב הוא ה-CSO של מרכז הסייבר של אוניברסיטת תל-אביב ומנהל אקדמי של קורס בינה מלאכותית למנהלים.ות בלהב פיתוח מנהלים, אוני' ת"א. משמש כיועץ בכיר בתחום סייבר ו-AI של חברות ודירקטוריונים בתחוםבשיתוף להב פיתוח מנהלים
