מדריך המנהלים להשקעות בבינה מלאכותית: הבנת הצעת הערך בשנת 2025

ככל שמגמות ההשקעה ב-AI ממשיכות להתפתח ב-2025, מנהלים בכירים ניצבים בפני לחץ הולך וגובר לקבל החלטות אסטרטגיות בנוגע ליישום בינה מלאכותית. עם האימוץ המהיר של כלי AI על ידי חברות - 22% מיישמות אותם בצורה נרחבת ו-33% משתמשות בהם באופן מוגבל - הבנת אופן ההערכה והיישום של פתרונות AI הפכה לקריטית לשמירה על יתרון תחרותי. בספר "The Executive Guide to Artificial Intelligence" מאת Andrew Burgess, המחבר סיפק מדריך מקיף למנהלים בכירים המעוניינים להבין וליישם פתרונות בינה מלאכותית בארגונים שלהם.

ספר זה פורסם בשנת 2017 על ידי הוצאת ספרינגר אינטרנשיונל ומספק סקירה מעשית של האופן שבו חברות יכולות למנף בינה מלאכותית. מה השתנה כיום?

מגמות השקעות נוכחיות בבינה מלאכותית לשנת 2025

עולם הבינה המלאכותית חווה צמיחה חסרת תקדים, כאשר ארגונים מבצעים השקעות משמעותיות יותר ויותר כדי להישאר תחרותיים.

היסודות:

ברג'ס הדגיש את החשיבות של התחלה בהגדרת יעדים ברורים התואמים את האסטרטגיה של החברה, עיקרון שנשאר בתוקף גם היום. בספר, הוא זיהה שמונה יכולות ליבה של בינה מלאכותית:

1. זיהוי תמונות
2. זיהוי קולי
3. Search ו-information extraction
4. Clustering
5. Natural Language Understanding
6. אופטימיזציה
7. Prediction
8. Understanding (כיום)

אבולוציה מ-2018 עד 2025:

מאז כתיבת הספר, בינה מלאכותית הפכה מטכנולוגיה מתפתחת לטכנולוגיה מיינסטרים. היכולת "להבין", אותה ראה ברג'ס עתידנית, חוותה התקדמות משמעותית עם הופעתם של מודלים לשוניים גדולים (LLM) וטכנולוגיות בינה מלאכותית גנרטיבית, שטרם צצו בשנת 2018.

framework אסטרטגי להחלטות השקעה ב-AI

ארבע השאלות החיוניות

בעת הערכת השקעות בבינה מלאכותית, חיוני להתמקד בשאלות הקריטיות הבאות:

1. הגדרת הבעיה העסקית
2. מדדי הצלחה
3. דרישות ליישום
4. הערכת סיכונים

הערה: framework בן ארבע שאלות זה מבוסס על ידע עדכני ואינו מוצג במפורש בספרו של Burgess.

בניית אסטרטגיית בינה מלאכותית יעילה

מסגרת האימוץ:

ברג'ס מציע מסגרת מפורטת ליצירת אסטרטגיית בינה מלאכותית הכוללת:

1. התאמה לאסטרטגיה העסקית - הבנה כיצד AI יכולה לתמוך ביעדים עסקיים קיימים
2. הבנת השאיפות ל-AI - להגדיר אם רוצים:
3. • לשפר תהליכים קיימים
   • להפוך פונקציות עסקיות
   • ליצור שירותים/מוצרים חדשים
3. הערכת בשלות ה-AI - לקבוע את רמת הבשלות הנוכחית של הארגון בסולם מ-0 עד 5:
4. • עיבוד ידני (רמה 0)
   • אוטומציית IT מסורתית (רמה 1)
   • אוטומציה בסיסית מבודדת (רמה 2)
   • יישום טקטי של כלי אוטומציה (רמה 3)
   • יישום טקטי של טכנולוגיות אוטומציה מגוונות (רמה 4)
   • אוטומציה אסטרטגית מקצה לקצה (רמה 5)
4. יצירת heat map ל-AI - לזהות את התחומים בעלי ההזדמנויות הגדולות ביותר
5. פיתוח ה-business case - להעריך יתרונות "hard" ו-"soft"
6. ניהול השינוי - לתכנן כיצד הארגון יסתגל
7. פיתוח roadmap ל-AI - ליצור תוכנית לטווח בינוני-ארוך

אבולוציה מ-2018 עד 2025:

המסגרת של ברג'ס נותרה רלוונטית באופן מפתיע, אך כיום יש לשלב אותה עם שיקולים בנוגע ל:

• אתיקה של הבינה המלאכותית ורגולציות (כמו EU AI Act)
• קיימות סביבתית של הבינה המלאכותית
• אסטרטגיות לבינה מלאכותית אחראית
• אינטגרציה עם טכנולוגיות מתפתחות כמו מחשוב קוונטי

מדידת החזר ההשקעה (ROI) של השקעות בבינה מלאכותית

הגורמים הקובעים את התשואה על ההשקעה:

בורגס מזהה מספר סוגים של יתרונות של בינה מלאכותית, המסווגים כ"קשים" ו"רכים":

יתרונות מוחשיים:

• הפחתת עלויות
• הימנעות מעלויות
• שביעות רצון לקוחות
• עמידה ברגולציה
• הפחתת סיכונים
• הפחתת הפסדים
• הפחתת אובדן הכנסות
• יצירת הכנסות

יתרונות רכים:

• שינוי תרבותי
• יתרון תחרותי
• אפקט הילה
• אפשור יתרונות נוספים
• אפשור טרנספורמציה דיגיטלית

מדידת החזר ההשקעה (ROI) של בינה מלאכותית הפכה מתוחכמת יותר, עם מסגרות ספציפיות להערכת ההשפעה של בינה מלאכותית גנרטיבית שלא היו קיימות כאשר בורג'ס כתב את הספר.

גישות טכניות ליישום בינה מלאכותית

סוגי פתרונות:

ברג'ס הציג שלוש גישות עיקריות ליישום בינה מלאכותית:

1. תוכנת בינה מלאכותית מוכנה מראש - פתרונות ארוזים מראש
2. פלטפורמות בינה מלאכותית - מסופקות על ידי חברות טכנולוגיה גדולות
3. פיתוח בינה מלאכותית מותאם אישית - פתרונות בהתאמה אישית

בצעדים הראשונים, הוא הציע לשקול:

• Proof of Concept (PoC)
• אבות טיפוס
• Minimum Viable Product (MVP)
• Riskiest Assumption Test (RAT)
• Pilot

מה השתנה:

מאז 2018, היינו עדים ל:

• דמוקרטיזציה של כלי בינה מלאכותית עם פתרונות no-code/low-code
• שיפור דרמטי בפלטפורמות ענן לבינה מלאכותית
• צמיחה של בינה מלאכותית גנרטיבית ומודלים כמו GPT, DALL-E וכו'
• עלייה בפתרונות AutoML שמאוטמים חלקים מתהליך מדעי הנתונים

שיקולים בנוגע לסיכונים ואתגרים

הסיכונים של בינה מלאכותית:

ברג'ס הקדיש פרק שלם לסיכונים של בינה מלאכותית, והדגיש:

1. איכות הנתונים
2. חוסר שקיפות - האופי ה"קופסה השחורה" של האלגוריתמים
3. הטיות לא מכוונות
4. תמימות הבינה המלאכותית - מגבלות בהבנה הקונטקסטואלית
5. תלות יתר בבינה מלאכותית
6. בחירת הטכנולוגיה הלא נכונה
7. פעולות זדוניות

אבולוציה מ-2018 עד 2025:

מאז כתיבת הספר:

• החששות לגבי הטיה באלגוריתמים הפכו לנושא קריטי (ממתין להעמקה)
• אבטחת הבינה המלאכותית הפכה למהותית עם עליית האיומים
• רגולציית הבינה המלאכותית התבררה כגורם מפתח
• הסיכונים של deepfake ודיסאינפורמציה מבינה מלאכותית גנרטיבית הפכו משמעותיים
• חששות הפרטיות גברו עם השימוש הנפוץ יותר בבינה מלאכותית

בניית ארגון בינה מלאכותית יעיל

מתוך ספרו של בורגס (2018):

ברג'ס מציע:

• בניית מערכת אקולוגית של בינה מלאכותית עם ספקים ושותפים
• הקמת מרכז מצוינות (CoE) עם צוותים ייעודיים
• שקילת תפקידים כמו Chief Data Officer (CDO) או Chief Automation Officer (CAO)

אבולוציה מ-2018 עד 2025:

מאז:

• תפקיד ה-Chief AI Officer (CAIO) הפך לנפוץ
• הבינה המלאכותית משולבת כיום לרוב בכל הארגון במקום להיות מבודדת ב-CoE
• הדמוקרטיזציה של הבינה המלאכותית הובילה למודלים תפעוליים מבוזרים יותר
• התגלתה חשיבות אוריינות הבינה המלאכותית עבור כל העובדים

מַסְקָנָה

מתוך ספרו של בורגס (2018):

בורגס סיכם בחשיבות של:

• לא להאמין להייפ אלא להתמקד בבעיות עסקיות אמיתיות
• להתחיל את מסע הבינה המלאכותית בהקדם האפשרי
• הגנה עתידית לחברה באמצעות הבנת הבינה המלאכותית
• אימוץ גישה מאוזנת בין אופטימיות לריאליזם

אבולוציה מ-2018 עד 2025:

העצה של ברג'ס "לא להאמין להייפ" נותרה רלוונטית להפליא בשנת 2025, במיוחד לאור ההייפ סביב בינה מלאכותית גנרטיבית. עם זאת, מהירות אימוץ הבינה המלאכותית הפכה קריטית אף יותר, וחברות שטרם החלו את מסעם בבינה מלאכותית נמצאות כעת בעמדת נחיתות משמעותית בהשוואה לאלו שעקבו אחר עצתו של ברג'ס להתחיל מוקדם (בשנת 2018!).

נוף הבינה המלאכותית בשנת 2025 מורכב יותר, בוגר יותר ומשולב יותר באסטרטגיית העסקים ממה שמישהו היה יכול לחזות בשנת 2018, אך עקרונות הליבה של יישור אסטרטגי, יצירת ערך וניהול סיכונים שתיאר בורגס נותרו תקפים באופן מפתיע.