פרויקטי AI מתחילים בדרך כלל בשאפתנות. צוותים רוצים תחזיות טובות יותר, החלטות מהירות יותר או פחות עבודה ידנית. אבל השאלה האמיתית איננה אם הרעיון נשמע מבטיח. השאלה האמיתית היא אם המערכת טובה מספיק כדי לסמוך עליה בסביבה חיה, עם משתמשים אמיתיים, חריגים אמיתיים והשלכות אמיתיות.
לכן הצעד הראשון לא צריך להיות הרחבה. הוא צריך להיות להרוויח את הזכות להתרחב.
להתחיל צר ולהוכיח ערך
בפועל, המשמעות היא לבנות משהו שימושי מספיק כדי להדגים ערך, אבל צר מספיק כדי שאפשר יהיה לנהל אותו. מודל ראשון לא צריך לפתור הכול. הוא צריך לפתור בעיה חשובה אחת מספיק טוב, כך שאנשים יראו את התועלת, יבחנו את ההנחות ויבינו איפה הוא משתלב בתהליך העבודה. הגרסה המוקדמת הזו הופכת לנקודת ייחוס עובדת, ולא רק למצגת או להוכחת היתכנות בלי רלוונטיות תפעולית.
זה חשוב במיוחד בסביבות תעשייתיות, מוניציפליות ותפעוליות אחרות. לסביבות האלה כבר יש מערכות, שגרות ותחומי אחריות מבוססים. AI מייצר ערך רק כשהוא משתלב במציאות הזו. אם הוא מוסיף מורכבות, אי-ודאות או בדיקות ידניות נוספות בלי תמורה ברורה, האימוץ ייתקע. אם הוא תומך במשימה אמיתית, מפחית חיכוך ונותן לאנשים משהו שאפשר להשתמש בו בביטחון, נוצר מומנטום.
להגדיר את מקרה השימוש הקטן ביותר שעדיין משנה
צעד ראשון מעשי הוא להגדיר את הגרסה הקטנה ביותר של מקרה השימוש שעדיין חשובה. באיזו החלטה היא תתמוך? מי ישתמש בה? אילו נתונים זמינים היום? מהי רמת הטעות המקובלת? בשלב המוקדם השאלות האלה חשובות יותר מתחכום המודל. הן עוזרות להבדיל בין יישום שימושי לבין ניסוי מעניין.
חשוב לא פחות לתכנן תהליך שאינו כבול למכשול הנוכחי. לעיתים קרובות מדי צוותים ממכנים סביב המגבלה של היום במקום לחשוב מחדש על תהליך העבודה עצמו. הגישה הנכונה היא לבנות תהליך שיכול לעבוד גם מעבר לצוואר הבקבוק המיידי, כך שהפתרון לא יילכד באותה מגבלה שהוא נועד להסיר. זה דורש הבנה ברורה של מה הטכנולוגיה יודעת לעשות, איפה היכולות שלה חזקות, ואיפה הגבולות שלה עדיין מחייבים שיקול דעת אנושי, אינטגרציה או צעדי גיבוי. בלי ההבנה הזו ארגונים מסתכנים בבניית תהליך שעובד רק בתנאי צר אחד ונשבר ברגע שההקשר משתנה.
להפוך את התוצר לניתן לשיתוף
הצעד הבא הוא להפוך את התוצר לכזה שאפשר לשתף. זה לא אומר מושלם. זה אומר מובן, ניתן לבדיקה ומבוסס מספיק כדי שאחרים בארגון יוכלו להגיב אליו. כשאנשים רואים איך המודל מתנהג, הם יכולים לאתגר אותו, לחדד אותו ולעזור לשפר אותו. לולאת המשוב הזו היא לעיתים קרובות מה שהופך רעיון AI למשהו אמיתי.
להתייחס לאמינות ברצינות
זה גם השלב שבו חייבים להתייחס ברצינות להזיות ולבעיות אמינות אחרות. מודלי שפה גדולים יכולים להיות שימושיים, אבל הם עדיין צריכים אימות, מעקות בטיחות ופיקוח אנושי כשהתוצר חשוב. במקרים רבים הערך אינו בהחלפת שיקול הדעת, אלא בעזרה לאנשים לעבוד מהר יותר ועם מידע טוב יותר, תוך שמירה על השליטה במקום הנכון.
מתי מודל הרוויח את הזכות להתרחב
מודל מרוויח את הזכות להתרחב כשהוא מראה שלושה דברים: הוא עובד בתהליך אמיתי, האנשים שמשתמשים בו סומכים עליו, והוא מייצר תוצאות ששווה להרחיב. בלי הסימנים האלה, הרחבה היא פשוט הכפלת סיכון. איתם, ההרחבה הופכת לצעד הבא המושכל.
זו הדרך המעשית לאימוץ AI: להתחיל בבעיה אמיתית אחת. לבנות משהו טוב מספיק כדי לשתף. ללמוד מהביצועים שלו בהקשר. לתכנן את התהליך כך שלא יהיה מוגבל במכשול הנוכחי. להיעזר בהבנה ברורה של היכולות והגבולות של הטכנולוגיה. ואז להחליט, על סמך ראיות, אם הוא ראוי לצמוח.
להרחבה: תחשוב קטן · מודלים והזיות · הפער בין תכנון לייצור בפועל
