מאת: טל שחר | Worldwide Data & AI Customer Success Leader, IBM
תקציר: הנכסים החשובים ביותר של כל ארגון הם הדאטה הקנייני והסודות מסחריים. אבל בבואם להטמיע פתרונות בינה מלאכותית כדי להפיק את המידע מהדאטה שלהם, ארגונים בוחרים על פי רוב בדרך הקלה של שימוש במודלים שפותחו על ידי צד שלישי, במקום לפתח בעצמם מודלים המבוססים על הדאטה שלהם בכיוונון מדויק. כך הם יכולים גם לתת מענה לצרכים המדויקים שלהם, גם להגן על הדאטה וגם להבטיח שהמוניטין, השקיפות והאמון בהם נשמרים.
--
2023 תיזכר, כנראה, כשנה בה בינה מלאכותית הפכה לכלי פופולרי בשוק הצרכני, ואפשר להמר בביטחון יחסי ש-2024 תהיה השנה בה משתמשים עסקיים יצטרפו למגמה. אבל מנהלים ששואפים לא רק לקפוץ למים אלא גם לחתור קדימה, צריכים להבין שהערך הטמון בה עבורם קשור למידת המעורבות שלהם בתהליך.
כיום, מהפכת הבינה המלאכותית היוצרת נגישה לנו בשלושה אפיקים עיקריים: אפשר לקנות תוכנה שעושה שימוש ביישומי בינה מלאכותית יוצרת; אפשר להריץ שאילתות על מודלים נגישים שפותחו ומופעלים על ידי צד שלישי כלשהו (באמצעות API), ואפשר ליצור ערך ארגוני אמיתי על ידי התאמה של מודלי בסיס (Foundation Models) לצרכי הארגון בכוונן מדויק (Fine Tuning), וממנפים דאטה ציבורי או קנייני.
רוב הארגונים מתמקדים כיום בשני האפיקים הראשונים, משום שהם מייצגים את הדרך הקלה ביותר להתנסות בתהליך ולגלות שימושים בעלי ערך - "לטבול את הרגליים אבל לא את כל הגוף", אם תרצו. אבל בעוד שמשתמשים פרטיים יכולים "לרכוב על הגל" בלי להתעמק באופן שבו הפלא מתרחש, לארגונים שחושבים לטווח הבינוני והארוך זוהי דרך שאינה מייצרת יתרון עסקי בר קיימא. הארגונים הללו מחזיקים בדאטה קנייני ובסודות מסחריים שצריך להגן עליהם, בדרישות לנהל עסק שקוף ואתי, בצורך לשמור על מוניטין - ועל החוק. ארגון שרוצה להפיק את המירב מבינה מלאכותית צריך לייצר לעצמו את הכלים הדרושים כדי ליהנות מיתרונותיה, ולא להעביר את היכולות, האסטרטגיה העסקית והדאטה שלו לגורם חיצוני.
הדרישה הברורה מארגונים: אמון
מודלי בסיס הם למעשה ארגון מחדש של הדאטה הארגוני, שיש ביכולתו לחשוף תובנות חשובות וכיוונים חדשים. לאורך כל ההיסטוריה, מיצוי של תובנות מתוך דאטה הייתה קריטית לקידום המדע, הטכנולוגיה וליצירת עסקים חדשים, וכך גם הפעם. ארגונים חייבים לשקול היטב את היתרון התחרותי שהם מוותרים עליו כשהם מנגישים את הדאטה שלהם, והערך הרב החבוי בו, לעיבוד על ידי מודל בסיס שאינו שלהם.
לעומת זאת, עסק שמסוגל לייצר מודלי בינה מלאכותית משלו - והם לא חייבים להיות ענקיים - הוא עסק ששולט על גורלו. לא רק שהם יכולים לאמן, לכוונן ולנהל את הבינה המלאכותית שלהם כדי להפיק את המירב מהטכנולוגיה הזו באופן עקבי, יש להם גם בעלות אמיתית על אמצעי האבטחה, השליטה, החדשנות והמוניטיזציה של הנכס היקר ביותר שלהם: כלי בינה מלאכותית קנייני שאומן ומעבד את הדאטה הארגוני שלהם.
יצירת מודל בסיס ארגוני עלולה להישמע כמו משימה עצומה ויקרה ולכן חברות מחשוב – ויבמ ביניהן - –מציעות כיום פלטפורמות שהן מען "סטודיו" לבניית מודלי בינה מלאכותית המותאמים באופן מדויק לצרכי הארגון. מודלים אלה, שהם בד"כ קטנים יותר, מאומנים על הדאטה הקנייני של הארגון, או דאטה רלוונטי לתחום בו הארגון עוסק. אם ארגון רוצה להפעיל יישום בינה מלאכותית לתמוך בשירות הלקוחות למשל, אין צורך במודל שיכיל את כל הערכים בוויקיפדיה. ואם ארגון צריך שהמודל יסכם שיחות או פגישות – אין צורך לאמן את המודל על עשרות רבות של מיליארדי פרמטרים.
אין ספק שהגענו לציון דרך משמעותי במהפכת הבינה המלאכותית, והאינסטינקט של מנהלים לרוץ קדימה הוא מבורך. אף מנהל לא יכול להרשות לעצמו לתת לרגע הזה לחלוף על פניו. ולכן הגיע הזמן להפסיק לדבר על בינה מלאכותית ולהתחיל ליצור ולהשתמש בה בצורה נרחבת לאורך כל הארגון. עם זאת, בל נשכח כמנהלים, שהלקוחות שלנו, המשקיעים, העובדים והעמיתים שלנו מציבים בפנינו דרישה ברורה: אמון.
אם לא נבנה ונשתמש בכלים החדשניים והעוצמתיים הללו בשקיפות ובאופן מעורר אמון, הסיכון - שכרוך בכל חדשנות - יאפילו על היתרונות יוצאי הדופן הגלומים בהם. בינה מלאכותית טובה היא בינה מלאכותית הפועלת באופן מפוקח תחת סייגים ומגבלות, ומי שרוצה למנף אותה ולפרוץ קדימה חייב להשרות אמון בכל הסובבים אותו כדי להבטיח את מקומו בחזית המהפכה.
הכותב הוא Worldwide Data & AI Customer Success Practice Leader ב-IBM
