כדי להתחיל להטמיע AI בעסק, בוחרים משימה מוגדרת שחוזרת על עצמה, מתעדים איך מבצעים אותה כיום ובודקים פתרון על דוגמאות מייצגות לפני שמרחיבים את השימוש. ההחלטה להמשיך צריכה להתבסס על איכות התוצאה, זמן העבודה הכולל ועלות התפעול, כולל בדיקה ותיקון בידי עובדים.
פיילוט הוא ניסוי מוגבל שמטרתו לברר התאמה. הוא אינו מבטיח חיסכון, ואינו חייב להתחיל בפיתוח מערכת גדולה. לפעמים כלי קיים מספיק לבדיקה; במקרים אחרים נדרש חיבור למידע או למערכת העסקית. חשוב להבין את התהליך לפני שבוחרים את הטכנולוגיה.
בוחרים משימה שאפשר להסביר ולבדוק
״להכניס AI לעסק״ אינו תיאור משימה. ״להכין טיוטת סיכום מפגישה שהעובד בודק״ הוא תיאור שאפשר להפוך לניסוי. אפשר לשקול גם הכנת טיוטת תשובה מתוך מסמכים מאושרים או חילוץ שדות ממסמך לצורך בדיקה.
לכל רעיון רשמו:
- מהו הקלט ומהי התוצאה הרצויה.
- מי משתמש בתוצאה ומי מאשר שהיא תקינה.
- כמה פעמים המשימה מתבצעת ומה מקשה עליה כיום.
- אילו טעויות אפשר לתקן בקלות ואילו עלולות לגרום נזק.
- האם המידע הדרוש זמין ומתאים לשימוש בכלי המוצע.
התחלה במשימה מוגבלת מאפשרת ללמוד בלי לתלות בה את כל הפעילות. תהליך שמחייב שיקול דעת רגיש או אישור עסקי משמעותי מצריך הגדרת אחריות ובקרה בהתאם; עצם קיומו של פלט משכנע אינו מספיק כדי לאשר פעולה.
בודקים אם נדרש AI בכלל
אם הפעולה מבוססת על כללים קבועים, אוטומציה רגילה עשויה להספיק. לדוגמה, העברת טופס עם שדות קבועים למערכת ניהול אינה בהכרח דורשת מודל שמייצר טקסט.
AI יכול להיות מועמד כשצריך להתמודד עם ניסוחים משתנים או חומר לא מובנה, אך גם אז יש לבדוק את איכות הפלט. אפשר לשלב בין השיטות: כללים קבועים מנהלים את העברת הנתונים, ומודל מסייע במשימה נקודתית. ההשוואה צריכה לכלול את המצב הקיים ואת החלופה הפשוטה, לא רק כמה מוצרי AI.
מתעדים את נקודת ההתחלה
לפני הפיילוט, מדדו על דוגמאות מייצגות כמה זמן נדרש כיום ומה נחשב תוצאה טובה. בחרו מדדים המתאימים למשימה: דיוק השדות, היעדר פרטים חסרים, התאמה למסמך מקור או מספר תיקונים שהעובד נדרש לבצע.
מדידת זמן צריכה לכלול גם קריאה, אימות ותיקון. כלי שמייצר טיוטה במהירות עשוי לדרוש בדיקה ארוכה. לכן כדאי למדוד את הדרך לתוצאה מאושרת, ולא רק את הזמן עד הופעת התשובה.
קבעו מראש תנאים להמשך, לשינוי ולעצירה. אין צורך להמציא יעד אחיד לכל עסק: היעד צריך לשקף את המשימה ואת המשמעות של טעויות בה.
מכינים דוגמאות ומגדירים שימוש במידע
אספו דוגמאות רגילות וגם מקרים שבהם הקלט חלקי, עמום או חריג. לכל דוגמה הגדירו מה אמור להופיע בתוצאה ומה אסור להוסיף. שמרו חלק מהדוגמאות לבדיקה נפרדת, כדי שלא להעריך את הכלי רק על החומר ששימש לשיפורו.
לפני העברת מידע, בדקו אילו נתונים באמת נחוצים, למי יש גישה, היכן הם נשמרים ומהם תנאי הספק לגבי שמירה ושימוש בהם. כאשר ניתן לבצע את הבדיקה בנתונים מדומים או מצומצמים, זו דרך לצמצם חשיפה בשלב הלמידה. שינוי פרטי זיהוי אינו מבטיח לבדו שהמידע חדל להיות רגיש.
בודקים גם תשובות שגויות
מודל יכול להפיק תשובה שנראית מסודרת ובטוחה גם כשהיא שגויה. בפיילוט חשוב לבדוק פרטים מול המקור, לזהות מידע שהמודל הוסיף ללא בסיס ולברר מה קורה כשהקלט אינו מספיק.
מסגרת NIST לניהול סיכוני AI מתייחסת להגדרת המשימה, להערכה ולתהליכי פיקוח אנושי. זהו מקור למסגרת עבודה וולונטרית, ולא אישור לכך שמוצר מסוים מתאים לעסק.
הפרופיל של NIST ל־AI גנרטיבי מדגיש בחינת טענות על יכולות באמצעות שיטות הערכה מבוססות. עבור הפיילוט, המשמעות המעשית היא לבדוק את היכולת על המשימה שלכם ולא להסתפק בהדגמה של הספק.
מגדירים מי מאשר את התוצאה
בשלב הבדיקה אפשר להשאיר את הפלט כטיוטה ולעבוד בסביבה נפרדת. הגדירו מי בודק אותו, כיצד מתעדים טעות ולאן מעבירים מקרה שהכלי לא מצליח לטפל בו. אם נדרש חיבור למערכת עסקית, התחילו בהיקף ההרשאות הנחוץ לבדיקה.
לדוגמה להמחשה, בניסוי לסיכום פגישות העובד יכול לבדוק שלא נוספה התחייבות שלא נאמרה ושלא נשמטה משימה חשובה. זו דוגמה לתכנון ניסוי, ולא מקרה לקוח או תוצאה של Hyperware.
מחשבים את עלות העבודה המלאה
מעבר למנוי או לעלות השימוש, יש להביא בחשבון הכנת מידע, חיבורים למערכות, הדרכת עובדים, בדיקות ותחזוקה. כדאי לברר גם מי מטפל בשינוי התנהגות של הכלי או בעדכון המערכת שאליה הוא מחובר.
בסיום הפיילוט, הכינו סיכום הכולל את הדוגמאות שנבדקו, איכות התוצאות, זמן העבודה הכולל, העלויות הידועות והמגבלות שנותרו. הצלחה במשימה אחת אינה הוכחה להתאמה לכל תהליך בעסק.
אם אתם בוחנים פיתוח תוכנה ושילוב AI, אפשר לפנות ל־Hyperware לשיחת אפיון עם תיאור המשימה, דוגמאות מתאימות ותהליך הבדיקה הרצוי. כך ניתן לבחון את היקף הפיילוט ואת החלופות לפני החלטה על פיתוח רחב.