שירות חדשני להקמת מרכזי מצוינות לAI- בליבת הארגון הינו המפתח ליצירת ערך ויתרון תחרותי
עידן הבהלה לזהב הטכנולוגי החדש הקרוי בינה מלאכותית (AI) נמצא בעיצומו, זאת בעיקר בשנים האחרונות, והוא מלווה בחבלי הלידה הידועים של אימוץ כל טכנולוגיה חדשנית. ארגונים רבים מצויים עדיין בתחילת תהליך בניית עמוד השדרה הטכנולוגי והאנושי האמור לתמוך בטרנספורמציית ה-AI, אשר תאפשר להם יכולות מתקדמות בניתוח נתונים, זאת על מנת לטייב ולשפר מנגנוני קבלת החלטות עסקיות במגוון תחומים. אולם לתהליך זה, הכולל שינוי מבני ומהותי ובניית יכולות תוך-ארגוניות, מתלווים אתגרים רבים כמו גם חסמי כניסה לא מעטים. ככלל, תהליך הקמה של מרכזי מצוינות פנים ארגוניים שמטרתם תמיכה ביוזמות AI (AI Center of Excellence), נשען על מודל היברידי הכולל שילוב חדשני של טכנולוגיות, מתודולוגיות עבודה וכוח אדם מתאים העוסק בליבת העסקים של אותם ארגונים.
מהו מרכז מצוינות של AI?
מרכז מצוינות הינו שירות חדשני אשר הקמתו מחייבת לא פעם שיתוף פעולה עם שחקנים מובילים בתחום ה- AI, בעלי ניסיון מוכח בבניית מרכזי מצוינות במגוון ורטיקלים, אשר מומשו ופועלים בהצלחה במספר ארגונים, הן בארץ והן בחו”ל. מטרת העל של מרכז המצוינות היא לסייע באימוץ טכנולוגיות בינה מלאכותית על ידי סינון, דיון ובחירת פרויקטים בעלי זיקה מוגדרת וישירה למדדי הצלחה עסקיים. מטרתו היא להבטיח שהארגון והנהלתו יכולים לקבל החלטות מושכלות לגבי פרויקטים אפשריים של AI ולקבוע את תחומי האחריות למשימות ספציפיות. מרכז המצוינות יאפשר בחינה מתמדת של טכנולוגיות רלבנטיות אשר צצות בקצב מהיר מן הרגיל, כמו גם בבבחינה ואימוץ מתודולוגיות פיתוח. יתרה מכך, מרכז המצוינות אמון גם על גיוס, טיפוח ושימור לאורך זמן של הון אנושי של מדעני נתונים בסביבה טכנולוגית, אשר קצב השינויים בה גדל בצורה מעריכית.
כיצד נתחיל בבניית מרכז מצוינות של AI?
השלב הראשון בהקמת מרכז מצוינות בתחום הבינה המלאכותית כרוך בתהליך של הגדרת ההרכב האנושי של חברי המרכז. הקריטריונים אשר יקבעו הרכב זה הינם תלויי ארגון, גודלו וצרכיו. בפרט, יש להגדיר מהו הניסיון הדרוש כדי להיות חלק מהקבוצה הזו – האם מדובר בבעלי ניסיון בטכנולוגיות AI או מומחים בתחום הבעיה? גם אם לא ברורה עדיין זהותם של אנשי הצוות המרכיבים את מרכז המצוינות, חיוני להגדיר את מהות התפקידים ותחומי האחריות. בנוסף, יש לוודא שלחברי הצוות הבנה טובה של השוק והתהליכים העסקיים כמו גם המיומנויות וסט הכלים הטכנולוגי והמדעי כדי לסייע בפיתוח פרויקטים של AI.
כמו כן נדרש להגדיר את האופי הארגוני של המרכז ומיקומו בהיררכיה הארגונית – שיקול מהותי זה מתייחס לאופיו של המרכז, כגוף צנטרליסטי (Centralized) או מבוזר (Decentralized), בעל מוטת שליטה אחת ומרכזית המספקת שירותים לכלל הארגון, או כקבוצה אינטגרלית המוטמעת (embedded) בקווי העסקים (LOBs) השונים בארגון, בהתאמה. לסוגיה זאת מתלווים היבטים ואתגרים רבים כדוגמת תהליכי הבחינה וההטמעה של טכנולוגיות חדשניות, נהלי גיוס והכשרה של בעלי התפקידים השונים, שיתוף ידע חוצה-ארגון על מנת למנוע כפילויות במקרים מסויימים, כמו גם אופן קביעת שיטות עבודה וסטנדרטיזיציה של נהלי פיתוח ותיעוד ועוד. במקרים רבים נדרש להגדיר מרכזים בעלי אופי היברידי המנסים לשלב בין שתי הגישות. בנוסף להשלמת משימות אילו יש להתמקד בשלושה מרכיבים עיקריים:
- יצירת תשתית של איסוף ואיגום נתונים – בתחילת הדרך, ולעיתים עוד טרם הקמת מרכז המצוינות, יש להתחיל ולאסוף נתונים ולברר כיצד ניתן להשתמש בהם לפרויקטי AI מוגדרים ובעלי ערך עסקי מוכח ומדיד. יש להתמקד בשלב ראשון בנתונים הזמינים מיידית לארגון, זאת מתוך מידע פנימי הקשור לתהליכים עסקיים או טכנולוגיים באשר הם. בשלב שני ניתן להרחיב את בסיס הנתונים גם למקורות מידע חיצוניים, הן בתשלום והן ככריית מידע זמין ונגיש באינטרנט או ממקורות נתונים נוספים. בשלבים מאוחרים יותר, על פי הצורך, ולאחר מהלך של תיקוף ערך, ייעשה שילוב בין נתונים פנימיים ונתונים חיצוניים. ככלל, ארגונים מחויבים להנהיג מדיניות של ‘תמרוץ מצוינות נתונים’ – מימוש מהיר, לא מתוכנן ולא מוקפד לגבי איכות הנתונים גורר צבירת חובות טכנולוגיים עתידיים.
- בניית תשתית AI הכוללת תמיכה במחזור חיים שלם – הקמת תהליך שקוף לכל פרויקטי AI, בפרט בצנרת הפיתוח, משלב האפיון הראשוני ועד הצבה והנגשת תוצרי המודלים. שלב זה מתבצע בסביבת תפעולית תוך ניטור מתמיד, הכולל תחזוקה שוטפת, וזאת על מנת להבטיח אמינות מתמשכת של המודלים עקב סחף בלתי נמנע בהתפלגות מופע הנתונים המוזנים אליהם באופן תדיר, ומעת לעת על פי הצורך. בשלב זה יש להחליט אילו כלים יהיו היעילים ביותר וכיצד להתמודד עם נתונים מסוגים שונים; אילו מתודולוגיות בדיקות נדרש ליישם? מרכז המצוינות חייב להוביל את המאמץ של אסדרת תהליכי העבודה, התשתיות והסטנדרטים הארגוניים בתחום. יש להקפיד על תכנית מפורטת ושיטות עבודה מומלצות הנוגעות לכל פרויקטי ה-AI בארגון, אילו תהליכים פנימיים נדרשים בביצוע ומי הם הגורמים אשר צריכים להיות מעורבים.
- בנייה, טיפוח ושימור של מאגר כישרונות – מרכז המצוינות יהיה אמון על גיוס, הכשרה והדרכת אנשים בארגון ומחוצה לו לטובת פעילויות ה-AI השונות. בפרט, המרכז יכלול הגדרה של תהליך סדור של בחינה וגיוס עובדים. מדעני נתונים נדרשים בהכשרה שוטפת ושדרוג יכולות תדיר, זאת כדי לעמוד בסטנדרטים העדכניים הנהוגים בשוק. לפיכך, מרכז המצוינות יהיה אמון על בניית מערכי הכשרה והדרכה מותאמים אישית לכל אחד מהעובדים הרלוונטיים.
מרכיב קריטי לשיתוף פעולה אסטרטגי פנים-ארגוני
מרכז מצוינות בתחום ה-AI הוא גורם הצלחה קריטי ליוזמות ולפרויקטים מונעי AI מכיוון שפעילויות בתחום זה כוללות פונקציות ארגון מרובות, ונדרשות בהקצאת משאבים משמעותית ותמיכת הנהלה. מרכז המצוינות צריך למלא תפקיד חיוני בפיתוח חזון, אסטרטגיה ומפת דרכים של הארגון ולפקח על השקעות AI שמבצע הארגון. מרכז המצוינות משמש גם כזרז לפיתוח יכולות פנימיות כגון חינוך והכשרת עובדים אודות טכנולוגיות AI, קידום חדשנות וארגון סדנאות AI תקופתיות או האקאתונים.
ככלל, מרכז המצוינות מייצג יחידות ארגוניות שונות, כולל גורמים עסקיים, יחידות תמיכה ב-IT ומשתמשי קצה. שיתוף פעולה שכזה בין מחלקות הארגון יסייע למרכז לזהות הזדמנויות במהירות, לפתח את האסטרטגיות הנכונות ולבסוף לממש אותן ביעילות תוך נטילת סיכונים מועטים. המרכז ימליץ על הטכנולוגיות אותן יש להטמיע בארגון, אופן ניתוח הנתונים, כולל פרשנות של תוצאות המודלים לגורמים העסקיים, וינחה באילו כלים יש לעשות שימוש.
האתגרים בפרויקטי AI
קיימים מספר אתגרים שארגונים נדרשים לצלוח בבואם לשלב מודלים מתקדמים של AI ביישומים חדשניים בארגון. ראשית, מחסור גובר והולך בהון אנושי מתאים של מדעני נתונים מקשה על בניית יכולות ליבה בתחום. ארגונים רבים מתקשים במיון וגיוס של כוח אדם מיומן ויתרה מכך ביצירת משטר של חדשנות טכנולוגית כמו גם סביבת עבודה הכוללת הכשרה מתמדת ומתמשכת לצורך ריענון ולימוד של אלגוריתמים וטכניקות חדשות בתחום הצומח בקצב מהיר מהרגיל.
וקטור הצמיחה של תחום ה-AI מהווה גם הוא אתגר של ממש בבחינה ובחירה בין חלופות טכנולוגיות (technology stack) רבות ושונות לאימוץ ומימוש, בתחום אשר במהותו עדיין מוגדר כתחום מחקרי ויישומי, צעיר ומתפתח, אשר עדיין לא הגיע לבשלות תשתיתית בדומה להנדסת תוכנה לדוגמא. כמו כן ההד התקשורתי המנופח לעיתים סביב עולם ה-AI, אשר במקרים רבים תורם להערכות יתר, הן לאופן והן למהירות שבה יישומי AI עשויים להשפיע על הביצועים העסקיים, מייצר בלבול רב בקרב הנהלות של ארגונים וחברות המחליטות לאמץ את החזון האמיתי הטמון בתחום ה- AI.
ככלל, שימוש באלגוריתמי AI מחייב אימוץ והכרה באי-וודאות הבסיסית והבלתי נמנעת הכרוכה באופן פעולתם. מערכות מבוססות בינה מלאכותית אינן מתקיימות בעולם הדטרמיניסטי. מנהלים רבים מתקשים להתחייב להשקעות טכנולוגיות ברמת סיכון מובנית ללא בטחון באומדני הצלחה ידועים מראש. כנגזר מכך חברות המעוניינות לפתח מוצרים ויישומים חדשניים המבוססים על טכניקות של למידת מכונה מתמודדות לרוב עם דילמות כבדות משקל. לדוגמה, הבנת הטרמינולוגיה של AI, בחירה בין מודלים, פלטפורמות וסוגי פתרונות שונים, ובניית התשתית הטכנולוגית לתמיכה בבעיות ועולמות תוכן מגוונים.
לסיכום, תחום ה-AI הינו מורכב ביותר והיכולת להפיק תועלת עסקית ממנו כרוכה בניסיון, תשתיות, כלים, זמן וכוח אדם ייחודי וייעודי. בנוסף, בכדי שטכנולוגיות AI יקודמו בארגון, המבנה הארגוני צריך לתמוך באפשרות להטמעת טכנולוגיות מסוג זה. לדוגמה, שיקולים מבניים של אופן בניית יחידה ארגונית – האם יש להקים צוות AI צנטרליסטי אשר ישרת את כל צרכי הארגון או ליצור קבוצות מבוזרות אשר משולבות בליבות העסקיות השונות של הארגון, מהו התמהיל האופטימלי של קבוצת הבינה המלאכותית, מהם המרכיבים הטכנולוגיים השיתופיים כמו גם מתודולוגיות פיתוח המגדירים סטנדרטיזציה ונהלים חוצי ארגון של פיתוח הקמה והצבה של מערכות אילו בסביבה ייצורית תפעולית, כיצד ינוטרו אותן מערכות באופן אוטומטי כדי לוודא שביצועיהן אינן נפגעות לאורך זמן עקב שינויים תכופים בעולם הנתונים החדשים המוזנים אליהם מעת לעת, כיצד לוודא אסדרה ואימוץ של רגולציה של מערכות בינה מלאכותיות מפוקחות ועוד.
כדי להצליח בבניית מרכז מצוינות בתחום ה-AI, מומלץ לחבור לגוף מתמחה בעל ניסיון מעשי וידע אקדמי בתחום הבינה המלאכותית, אשר נצבר לאורך שנים ואשר פיתח מודל מוכח של בניית מרכזי מצוינות במגוון ורטיקלים, באופן אשר מסייע לחברות בבחינה ופיתוח של פתרונות AI מותאמים בתחומים הרלבנטיים להן, תוך בניית ליבת יכולות פנים-ארגוניות.
ד”ר אילן ששון, מנכ”ל Data Science
Group , מומחה לבינה מלאכותית ומרצה
לתארים מתקדמים בפקולטה להנדסה
באוניברסיטת תל אביב.
צילום: סמדר כפרי
