לצאת מהמעבדה: איך ארגוני אנטרפרייז יכולים לאמץ טכנולוגיות בינה מלאכותית?

הנזק הפוטנציאלי מאי דיוקים או שגיאות מקשה על ארגוני אנטרפרייז לאמץ טכנולוגיות של AI ו-Deep learning. אז איך עושים את זה נכון?

תוכן מקודם
תוכן שיווקי
שתפו כתבה במיילשתפו כתבה במייל
פזית כץ עוז, מנהלת חטיבת ייעוץ ואסטרטגיית מידע, מטריקס Machine Learning | BI | על טכנולוגיה ועסקיםקרדיט: מטריקס Matrix
תוכן מקודם
תוכן שיווקי

שגוגל מבקשת הרשאה למיקום כדי להמליץ על קפה ועוגה במחיר מוזל, סביר להניח שתסכימו. אבל אם השאלה "איפה היית אתמול בערב?" תופנה אליכם מגוף ממשלתי, כנראה שפחות תאהבו את זה. אם waze ימליצו על מסלול שבסוף האריך את הדרך ב-10 דקות, תגידו "מבאס אבל לא נורא", אבל אם מערכת ניתוח נתונים רפואיים תאבחן לא נכון או תייצר הפליה מגזרית בקבלת טיפול, זאת כבר בעיה של ממש.

בדיוק בגלל זה לארגוני אנטרפרייז פיננסיים, ציבוריים ורפואיים שמכירים מושגים כמו AI ו-Deep Learning ומבינים את הערך העסקי שלהם, יותר קשה לאמץ אותם. כמות ומורכבות המידע, הגבלות רגולטוריות, מודל אמון הציבור שמשתנה והנזק הפוטנציאלי מאי דיוקים או שגיאות גורם לחשש גדול ולגיטימי. במבחן התוצאה, פרויקטים רבים נכשלים או לא מובילים לערך שצפו מהם ואלה שכן יצאו לדרך נעשים בתנאי מעבדה ונשארים שם. אז איך מוציאים את זה לשימוש שמייצר ערך עסקי משמעותי ושוטף?

דבר ראשון, "AI עושים באחריות או שלא עושים בכלל..." ההבנה החשובה היא שזה לא Data scientist גאון, שיושב במעבדה סגורה עם מחשב, מוקף בנתונים ומוציא מודל ממוחו הקודח. כדי שפרויקט AI יצליח צריך להבין ולדייק את השאלה שהמודל צריך לענות עליה. כאשר השאלה ברורה, נוכל לבחון ולדעת אלו נתונים ישמשו את המודל. גם מבחינת איכות וגם בהיבטים רגולטוריים. כי בנתונים בהם אסור לאדם להשתמש גם למכונה אסור. למשל, ג'נדר או לאום כדי לחשב 'קרדיט ריסק' או כל הטייה אחרת שעלולה לפגוע בהוגנות של המודל. מבחינה רגולטורית של שמירה על פרטיות, מוגדרים מנגנוני התממה – כלומר, להפוך מידע מזוהה לכזה שלא ניתן לקשר אותו לאדם ספציפי.

ברגע שיש שקיפות ואקספלנביליות, היכולת להסביר את המודל עד כמה שניתן ואיזה נתונים "נכנסו" אליו, וכן יש יכולת למעטפת של תהליכי עדכון ותיקוף אוטומטיים , או בקיצור רכיבי MLOps, מפלס החשש יורד משמעותית ואפשר להשתמש במודל בצורה שוטפת ואופרטיבית. בעולם ה- ML וה- DL, שילוב של הבנה עסקית עם יכולות טכנולוגיות יאפשר לצאת מהמעבדה ולהפיק ערך משמעותי כאן ועכשיו.

>> לפרטים נוספים ויצירת קשר עם המומחים של מטריקס

>> על טכנולוגיה ועסקים