בינה מלאכותית תחליף את בני האדם? כנראה שלא. אבל כדי לנצל באמת את האפשרויות הגלומות בבינה המלאכותית ארגונים צריכים לעבוד על בינה שיתופית. מאמר חדש ב-HBR מעניין מאוד למנהלים בארגונים ולא פחות לאנשי HR שחושבים כיצד להתאים את הארגון שלהם לעתיד.
במאמר מרתק שפורסם ב-Harvard Business Review, סוקרים ג'יימס ווילסון ופול דוהרטי את האופן בו להערכתם יושפעו ארגונים ועסקים מההתקדמות של טכנולוגיית הבינה המלאכותית.
החיבור הזה מבוסס על 5 עקרונות וככל שיותר מהעקרונות האלו יושמו, כך הגיעו לתוצאות מרשימות יותר מבחינת המדדים העסקיים שבדקו את מידת השיפור אשר הושג, בהיבטים של הגדלת רווחים, חסכון בעלויות, שיפור ביצועים, ועוד.
העקרונות שמנחים את הבינה השיתופית הם:
לחשוב מחדש על תהליכים עסקיים.
לאמץ גישות נסיוניות ומעורבות של עובדים.
להגדיר אסטרטגיית AI ולהפעיל אותה בצורה אקטיבית.
לאסוף מידע בצורה אחראית.
לתכנן מחדש את העבודה באופן שמשלב יתרונות של AI עם מיומנויות ויתרונות של העובדים.
העיקרון הראשון אינו חדש לעולם העסקי. למעשה, בכל פעם שמגיעה טכנולוגיה חדשה ומשמעותית, אנחנו נדרשים לעצור ולחשוב מחדש על תפיסת העולם הארגונית וכיצד היא מושפעת. זה פחות פשוט ממה שזה נשמע - ארגונים ואנשים נוטים להצמד לתמונה מנטלית מוכרת, הרבה פעמים קשורה לעולם הפיזי שאנחנו מכירים, או לתהליכים קיימים שלא פעם נוצרו בהשפעת אילוצים שלא רלוונטיים יותר.
הדרך הנכונה להתמודד עם הדרישה הזו היא לפרק התהליך למטרות ויעדים ולבנות אותו מחדש לפי הדרישות האלו, ולא מתוך נסיון לבנות מחדש את התהליכים הקיימים.
העקרונות השני והשלישי, לאמץ גישות נסיוניות ומעורבות של עובדים ולהגדיר אסטרטגיית AI ולהפעיל אותה בצורה אקטיבית, מוכרים לכל מי שהתנסה בתהליכי חדשנות בארגון ובשינויים טכנולוגיים עסקיים משמעותיים. הארגונים נדרשים מצד אחד להגדיר לעצמם את היעדים שמעוניינים להשיג ואת התפיסה העסקית שתנחה אותם בתהליך, ומצד שני להתקדם בצורה גמישה ולשלב ככל הניתן את העובדים בתהליך כדי לנצל את התובנות שלהם.
איסוף מידע אחראי הוא עקרון שמתייחס גם לרגולציות (וההוגנות) של שמירה על פרטיות, וגם לחשיבה נכונה על המידע הנדרש והנאסף.
ולבסוף, העקרון המעניין ביותר הוא האופן שבו ניתן לייצג את השיתוף בין עבודת AI ובין עבודה אנושית, תוך ניצול מיטבי של יכולות כל אחד מהצדדים כדי להשיג תועלת גדולה יותר. איך יכולות מכונות לסייע לעבודתם של בני האדם? התשובות יחסית אינטואיטיביות למי שמכיר מעט את הפתרונות בתחום: לקיים אינטראקציה עם לקוחות ועובדים כדי לפנות זמן למשימות מורכבות יותר (צ'ט-בוטים), למלא מיומנויות אנושיות כדי להרחיב את היכולות הפיזיות (קו-בוטים, יישומים תעשייתיים מעניינים מאוד) ולהגביר יכולות קוגניטיביות.
רגע, מה? איך בינה מלאכותית יכולה להגביר יכולות קוגניטיביות? זה נעשה על ידי אספקת מידע מתאים בזמן הנכון, כדי לשפר תהליכי קבלת החלטות ולפעמים אפילו כדי לאפשר קפיצת מדרגה בתהליך העבודה האנושי. דוגמה מעניינת שמוצגת במאמר היא ה-Dreamcatcher מבית Autodesk - פתרון מבוסס AI שמאפשר למהנדס להגדיר את הדרישות והאילוצים שבהם נדרש לעמוד העיצוב המבוקש והתוכנה מציגה לו פתרונות אלטרנטיביים רבים, מהם ניתן לבחור (הקונספט שולב בינתיים לתוך תוכנת NETFABB המיועדת למייקרים).
עוד יותר מעניין להסתכל על הכיוון ההפוך - הצד האנושי בבינה השיתופית, הניצול של היכולות הקוגניטיביות שיש לבני אדם וקשה כל כך לפתח ב-AI, כגון אמפתיה, הפעלת שיקול דעת מתקדם, קבלת החלטות מוסריות ועוד. כותבי המאמר מפרטים 3 סוגים חדשים של תפקידים שצומחים סביב השיתוף הזה:
מאמנים - מישהו צריך ללמד את המכונות איך לעבוד... AI הוא שילוב של אלגוריתמים, הרבה מאוד מידע ובעיקר הכוונה אנושית. זהו אינו תהליך של "שגר ושכח". בני האדם חיוניים לתהליך שבו מומחי תוכן בעלי שיקול הדעת האנושי והעסקי, מכוונים ומאפשרים את עבודתה התקינה של הבינה המלאכותית.
מפרשים - אנחנו לא מוכנים לעולם שבו בינה מלאכותית תתנהל כקופסה שחורה בלבד. תפקיד חשוב מאוד בארגון שעובד עם AI, הוא לפענח ולבאר איך המכונה הגיעה להמלצה שלה. זה תפקיד קריטי במיוחד בתעשיות שעליהן יש רגולציה כבדה, שלעיתים אף דורשת שהלקוח יקבל הסבר כזה.
מקיימים - תפקיד של בקרה והתאמה לטווח ארוך. לוודא שהמידע שמוזן למערכת ממשיך להיות מתאים ורלוונטי. לוודא שהמערכת לא גורמת לנזק ללקוחות או לארגון. לוודא שאין פגיעה בנורמות אתיות ומוסריות.
בשורה התחתונה - שימוש ב-AI רק כדי להחליף את העובדים האנושיים, מחמיץ את הפוטנציאל האמיתי של AI. העתיד טמון בבינה שיתופית - אסטרטגיה שבה מנוצלים היתרונות של הבינה המלאכותית, לצד היתרונות של הבינה האנושית, לצורך מינוף משותף של שתיהן. ארגונים צריכים להיערך לזה כבר עכשיו, כולל בהיבטי הכשרה והפניית עובדים לתפקידים מתאימים.
לקריאת המאמר:
Comments