בינה מלאכותית הפכה לאחד הכלים המשמעותיים ביותר בנוף הטכנולוגי של השנים האחרונות וארגונים ברחבי העולם מבינים את הפוטנציאל העצום של AI לשפור תהליכים, להגברת היעילות ולהשגת יתרון תחרותי. עם זאת, בניית אסטרטגיה מוצלחת ליישום AI בארגון דורשת תכנון מדוקדק, הבנה מעמיקה של הצרכים העסקיים והיכרות עם הטכנולוגיות הזמינות.

במאמר זה אסקור את השלבים המרכזיים לבניית אסטרטגיית AI בארגונים לאור מחקר בנושא "ROI from Gen AI – why your AI Strategy needs a Strategy" מאת Simon Torrance ואת האתגרים הייחודיים של ענף הביטוח.

הצורך בבניית אסטרטגיה הוא אקוטי בענף הביטוח והפיננסים שאמור ל"ספוג" את ההשפעה המשמעותית ביותר כפי שמשתקף מהגרף שלהלן:

מהמחקרים אפשר לראות כי דאגות אלה הן – או צריכות להיות – חריפות במיוחד עבור אלו המנהלים עסקים הפועלים במגזרים עתירי הידע ביותר – פיננסים, ביטוחים, שירותים מקצועיים, שירותים טכניים – שבהם השיבוש צפוי להיות מורגש בצורה החריפה ביותר.

הבנת הצרכים העסקיים

הצעד הראשון בבניית אסטרטגיית AI הוא להבין את הצרכים העסקיים של הארגון. יש לזהות את התחומים בהם AI יכולה להוסיף ערך משמעותי, בין אם זה בשיפור היעילות התפעולית, חיזוק חוויית הלקוח או פיתוח מוצרים ושירותים חדשים. שאלות שכדאי לשאול בשלב זה:

• אילו תהליכים בארגון דורשים אוטומציה או ייעול?
• היכן ניתן להשתמש בניתוח נתונים כדי לקבל החלטות טובות יותר?
• באילו תחומים ניתן להשתמש בבינה מלאכותית כדי לייצר חדשנות?

אפשר לראות שההערכה של המנכ"לים לגבי 'המומחיות' של הארגון שלהם בתחום הבינה המלאכותית היא די נמוכה, ומתמקדת בעיקר בצמיחה וברווחיות או בהתייעלות. שני פקטורים שמתמקדים בכסף מהיר יחסית. סקרים מפורטים יותר של עובדי הידע עצמם מראים כי מעטים מאוד באמת מיומנים בשימוש בכלי הבינה המלאכותית של היום, ורובם אינם עובדים בארגונים גדולים. התרשים הבא מראה במה מנכ"לים ממוקדים:

מנכ"לים רבים הכירו בכך שלדור הבינה המלאכותית יש יכולת ייחודית ליצור תוכן מקורי, להסתגל למשימות מגוונות, להבין ולייצר שפה טבעית, להפוך עבודת קריאייטיב וידע לאוטומטית, וללמוד ולהשתפר ללא הרף. בשילוב עם טכנולוגיות אחרות הוא יוכל בקרוב לבצע משימות מורכבות מקצה לקצה באופן אוטונומי.

הערכת מוכנות טכנולוגית ותרבותית

לפני שמתקדמים ביישום טכנולוגיות בינה מלאכותית יש להעריך את המוכנות הטכנולוגית והתרבותית של הארגון:

• תשתית טכנולוגית. האם לארגון יש את התשתיות הטכנולוגיות הנדרשות? האם יש גישה לנתונים איכותיים ומערכות אחסון מעודכנות?

• תרבות ארגונית. האם יש בארגון תרבות שמקבלת בברכה טכנולוגיות חדשות ושינויים? האם העובדים וההנהלה פתוחים לשינויים שתביא הטכנולוגיה?

זיהוי טכנולוגיות AI רלוונטיות

לאחר הבנת הצרכים והערכת המוכנות, יש לזהות את הטכנולוגיות הספציפיות שיכולות לשרת את המטרות העסקיות. ישנן מספר טכנולוגיות AI שהפכו לפופולריות בשנים האחרונות, כולל:

• למידת מכונה (Machine Learning). טכנולוגיה שמאפשרת למערכות ללמוד מנתונים ולשפר את ביצועיהן עם הזמן.

• עיבוד שפה טבעית ((NLP. טכנולוגיה שמאפשרת למערכות להבין ולנתח טקסטים כתובים ושפה טבעית.

• ראייה ממוחשבת ((Computer Vision. טכנולוגיה שמאפשרת למערכות להבין ולעבד תמונות וסרטוני וידאו.

בניית צוות מומחים

כדי להבטיח יישום מוצלח של בינה מלאכותית יש להקים צוות מומחים שיכלול:

• מומחי AI ולמידת מכונה. מדעני נתונים ומהנדסי למידת מכונה שיהיו אחראים על פיתוח ויישום האלגוריתמים.

• מומחי IT ואבטחת מידע. אנשי IT שיוודאו שהמערכות מאובטחות ושהתשתית מתאימה ליישום.

• מנהלי פרויקטים. אנשי ניהול שיוודאו שהפרויקט מתקדם לפי התכנית ושכל הצדדים המעורבים מתואמים.

מהגרף שלהלן אנו רואים שיש סוגים שונים של משתמשים בכלי בינה מלאכותית וצריך להבטיח שילוב של סוגים שונים של עובדים לפי הפרויקטים. חלק קטן מהעובדים כמעט ולא התנסו בכלים אלו. הרוב, כ-60%, מתנסים מדי פעם ומכירים את הכלים ומעטים נחשבים "נינג'ות" בבינה מלאכותית – שנחשבים מומחים ויודעים לייעל את העבודה בלפחות 30%. צריך לאמץ אותם ולאפשר להם להוביל את הפרויקטים וללמד אחרים.

פיתוח תכנית יישום

בשלב זה יש לגבש תכנית יישום מפורטת הכוללת:

• שלבים ומועדים. תכנון אבני דרך ופריסת שלבים ליישום ה-AI בארגון.
• ניהול סיכונים. זיהוי וניהול סיכונים פוטנציאליים במהלך היישום.
• מדדי הצלחה. קביעת מדדים ברורים להערכת הצלחת היישום והשגת המטרות שהוגדרו.

בעוד שחלק מהפרויקטים האישיים – צ'אטבוטים, עוזרי מפתחי תוכנה מייצרים ערך ברמת הפרויקט, רק מספר קטן של ארגונים מייצרים תשואה משמעותית על השקעותיהם ברמת החברה, ואלו מוגבלים בדרך כלל למגזרי ההייטק כיום.

 פיילוט והטמעה

יישום AI צריך להתחיל בפיילוט קטן כדי לבדוק את המערכת ולוודא שהיא עונה על הציפיות. לאחר שלב הפיילוט, ניתן להרחיב את היישום ולשלב את המערכות החדשות בתהליכים הארגוניים באופן מלא.

ניטור ושיפור מתמיד

בינה מלאכותית הינה תחום שמתפתח במהירות, ולכן חשוב לנטר את ביצועי המערכות ולבצע שיפורים מתמידים. זה כולל:

• ניתוח ביצועים. בחינת הביצועים של המערכות והאלגוריתמים וייעול שלהם.
• עדכונים ושדרוגים. עדכון המערכות והאלגוריתמים בהתאם להתפתחויות חדשות בתחום הבינה המלאכותית.

 סיכום

מחקר שנערך לאחרונה מצביע על כך שדור הבינה המלאכותית, בשילוב מוצלח עם טכנולוגיות אחרות, יכול להשפיע על עד 50% מהמשימות בכ-50% מהמשרות שעובדי ידע מבצעים – וזה משמעותי במיוחד בענף הביטוח המרובה שירות ותפעול ומידע מקצועי.

המנצחים יהיו אלו שיעברו הכי מהר כדי לענות על שאלה זו כחלק מהאסטרטגיה הכוללת שלהם. יהיה צורך בהגדרות תפקיד מחדש, צורות חדשות של הכשרה ותכנון קפדני של כוח העבודה. וכדי להבין טוב יותר, להלן תרשים – פירמידת הערך בבינה מלאכותית: