לבינה מלאכותית יש פוטנציאל עצום לשינוי העולם, אבל על פי רוב כשהיא מיושמת בארגונים עסקיים היא לא מצליחה להגשים את הפוטנציאל הזה. אם אתם בתהליכים של הטמעת טכנולוגיה זו בארגון שלכם, במיוחד כאשר מדובר בחברת ענק, הכללים האלה יעזרו לכם להגיע למקסם את סיכויי הצלחתכם.
1. אין טעם להתחיל אם הנהלת החברה לא מבינה מה היא לוקחת על עצמה
השקעה בבינה מלאכותית היא פרויקט תשתיתי עם עלות התחלתית גבוהה, וכזה שההחזר עליו עלול לקחת זמן. עלות העסקתם של מדעני נתונים ומהנדסי ביג דאטה אינה נמוכה, ובאופן כללי לוקח זמן להקים מערכות צינורות נתונים ובינה עסקית. חשוב שתתקבל החלטה אסטרטגית בדרגי ההנהלה הבכירים לבצע את ההשקעה הזאת, וצריך להיות מסוגלים לעמוד מאחורי החלטה זו גם אם לאחר שנה יצקצקו המתנגדים וישאלו מדוע עדיין אין תוצרים.
2. להתחיל תמיד עם משהו שכואב ללקוח (ולא לחוקר)
זו אולי הטעות הנפוצה ביותר שנתקלנו בה. חוקרות בחרו בקריירה של מחקר משום שהן רוצות לקדם את התחום שאותו הן חוקרות ולהיות בחזית המדע. כאשר אילון מאסק משחרר לעולם מודל שפה חדש, יהיה בצוות מדע הנתונים רצון להשתמש בו. אין בכך פסול. אולם לעיתים קורה שממציאים בעיה עסקית שאינה קיימת רק משום שאפשר לפתור אותה עם הטכנולוגיה החדשה שרוצים לנסות. צריך תמיד לאזן בין הצורך של החוקרים לצורך העסקי. חוקרים וחוקרות לא יישארו לאורך זמן אם העבודה תהיה משעממת מדעית, אבל העיקרון המוביל צריך להיות בשאלה כיצד פותרים משהו שכואב ללקוחות, ואיך משתמשים בטכנולוגיה לפתור את הכאב הזה בצורה הטובה ביותר.
3. ערבבו באותו צוות משימה מגוון דיסציפלינות
מדעני ומדעניות נתונים לבדם לא יפתרו לאף לקוח את בעיית הקצה. הם יצטרכו לעבוד עם קבוצות הנדסה למיניהן (הנדסת נתונים, ממשק משתמש, שרתים ועוד), עם עיצוב מוצר, עם ניהול מוצר, עם אנליטיקה ועוד. מומלץ, אם כן, להרכיב מראש צוות משימה שיאפשר להם לעשות זאת. אף אחד לא רוצה להיות המנכ"ל ששכר הרבה חוקרים יקרים ולא קיבל תמורה להשקעה זו כי לא היו מהנדסים שיבנו את חווית המוצר סביב המודלים שנבנו.
קורה שממציאים בעיה עסקית שאינה קיימת רק משום שאפשר לפתור אותה עם הטכנולוגיה החדשה שרוצים לנסות. צריך תמיד לאזן בין הצורך של החוקרים לצורך העסקי
4. ״אין אדם שהוא אי״ – מדוע יש צורך במסה קריטית של אנשי נתונים
המשורר ג׳ון דאן אמר ״אין אדם שהוא אי״ וזה נכון גם במקרה שלנו. אחד מהכשלונות הנפוצים הוא לשכור מדען או מדענית נתונים, לשלב אותם בצוות הנדסה או ניתוח נתונים, ולקוות שהם יוסיפו את שלהם. זה לא עובד. לבד אי אפשר ליצור קהילה, לספק משוב טכני הדדי או להבין אם מתקדמים. הערכת ביצועים במצב כזה היא קשה מאוד, כי מדען נתונים אחד בצוות של עשרה מהנדסים יישפט לפי קנה המידה של מהנדסים, כמו ברווזון מכוער. זה מוביל הרבה פעמים לתסכול ועזיבה.
5. זו לא בושה להעתיק. גדולי האמנים עשו ועושים זאת
גם אם אתם חושבים שהבעיה שלכם מיוחדת – היא ממש לא. יש לכם מתחרים. אם אתם מתעניינים בבינה מלאכותית, בתשעה מתוך עשרה מקרים זה כי המתחרים שלכם מתעניינים בה גם. יש ספרות מקצועית ענפה וכנסים שמאפשרים להבין טיפוסים של בעיות מהתחום שלכם. מותג אופנה למשל, יכול לבחור מתפריט של רעיונות מוכחים של בינה מלאכותית שיעזרו ללקוחות שלו, כמו מערכות המלצה של פריטים דומים, או בחירת התמונה הטובה ביותר להצגה של פריט בחנות אונליין כדי למכור יותר. רוצים להיות חדשניים ולעשות משהו שאף אחד לא עשה בעבר? מעולה. תעשו את זה אחרי שהבאתם תועלת מוכחת לעסק עם דברים שכבר נעשו בעבר.
רוצים להיות חדשניים ולעשות משהו שאף אחד לא עשה בעבר? מעולה. תעשו את זה אחרי שהבאתם תועלת מוכחת לעסק עם דברים שכבר נעשו בעבר
6. לעבוד על בעיות שלגביהן תוכלו לדעת אם הצלחתם
צריך לחשוב מראש, לפני שמתחילים, איך נדע שהצלחנו. זה נכון בכל השקעה ונכון שבעתיים בהשקעות יקרות כמו בינה מלאכותית. הרבה נכשלים בזה. למשל אם חברה תעשייתית מכניסה לשימוש מערכת בינה מלאכותית שמנטרת את המכונות במפעל ומתריעה על צורך בתחזוקה – זה לא יהיה פשוט לבדוק אם הייתה בכך תועלת אמיתית. אנחנו כנראה נטפל במכונות שלגביהן יופיעו התראות, אבל מי אמר שלא טיפלנו בהן סתם, או שלא היינו עושים את זה בכל מקרה? לעומת זאת, מערכת שמאפשרת לאותה מכונה לייצר יותר כבר עכשיו – יכולה להיות פרויקט יותר טוב לשלב ההוכחה של הטכנולוגיה בארגון.
7. אין מקום לחלומות קטנים
יסלח לי שמעון פרס המנוח על גניבת האמירה, אבל היא מאוד תקפה גם לענייננו. אם כבר מגייסים את הארגון ברמת ההנהלה הגבוהה, מאתרים את בעיות הלקוח הכואבות והמתאימות ביותר לטיפול, מרכיבים צוותי משימה מגוונים, לומדים מהמתחרים ועושים את כל שאר הדברים הנידונים מעלה – כדאי לעשות את כל זה למען מטרות גדולות. כאלו שחברי וחברות מועצת המנהלים של החברה לא ימשכו בכתפיהם כשישמעו עליהן. יש גם הרבה דברים קטנים שאפשר לעשות, כמובן, וביחד הם יכולים להצטבר לאורך זמן לתועלת אמיתית. אבל אם אין לכם פרויקט דגל שאתם יכולים לדמיין את המנכ"לית מספרת עליו לאנליסטים שמסקרים את מניית החברה מרוב שהוא מהפכני – יהיה לכם יותר קשה להצליח במסע.
הכותב: צביקה ברנהולץ׳, מנהל קבוצת מוצר של בינה מלאכותית באינטואיט ישראל