המפתח לעבודה משותפת עם רובוטים - אינטליגנציה שיתופית

רגע לפני רכישת מערכות בינה מלאכותית, יש להבין שהטכנולוגיה כשלעצמה לא נותנת שום ערך

אינטליגנציה שיתופית היא המפתח לתוצאות מעולות / צילום: shutterstock
אינטליגנציה שיתופית היא המפתח לתוצאות מעולות / צילום: shutterstock

מכונות חכמות המבוססות על בינה מלאכותית משתלבות בארגונים ומאיימות על העובדים. האם אנו עומדים לראות את העובדים מוחלפים במחשבים? מתברר שדווקא שיתוף פעולה בין אדם למכונה, תוך ניצול החוזקות של כל צד, מביא את התפוקה הטובה ביותר. אינטליגנציה שיתופית.

אחת התעלומות בניסיונות החיזוי של עולם העבודה העתידי היא מידת ההשפעה של המכונות על סביבת העבודה. אנו נחשפים ליותר ויותר דיווחים על פיתוחים טכנולוגיים של מחשבים בעלי יכולות "אנושיות", מכונות חכמות בעלות יכולות קוגניטיביות המשתמשות בבינה מלאכותית ותהליכי למידת מכונה המסוגלות לבצע תפקידי העובדים. מגוון השימושים הוא עצום ורחב, לצורך ההמחשה ניתן למנות רובוטים על קווי הייצור בתעשיית הרכב, מכונות אוטונומיות בסקטור כריית המחצבים, בינה מלאכותית למניעת הונאות בסקטור הפיננסי או בוטים במערך שירות הלקוחות.

ככל שהטכנולוגיה מתפתחת ויכולות הבינה המלאכותית משתפרות, כך מתלהטת השיחה סביב איום המכונות על שוק העבודה. זה לא במקרה ש-Harvard Business Review ו-MIT Sloan הקדישו במגזין הקיץ שלהם מאמרים בנושא שילוב אדם-מכונה במקום העבודה. בשני הפרסומים המסקנה דומה: השתלטות הטכנולוגיה על עולם העבודה לא תתרחש כל כך מהר, לא בעתיד הקרוב.

הסיבה העיקרית היא היכולות המוגבלות כיום של המכונות החכמות. למרות יכולות עיבוד וניתוח מידע בהיקפים באיכות שאף אדם לא יכול לספק, הן מוגבלות ברוחב הפעילות שלהן. טרם הצליחו לפתח מכונות עם יכולת ביצוע רחבה מעבר למשימה יחידה, ואשר יכולה "להבין" את המידע מעבר לקריטריונים שעל פיהם פיתחו אותה.

המטרה - לא רק חיסכון בכוח עבודה

דווקא שיתוף פעולה בין אדם למכונה משיג את השיפורים המשמעותיים ביותר בביצועי הארגון על ידי יצירת אינטליגנציה שיתופית המעצימה את הכוחות זה של זה. ממשק אדם-מכונה מנצל את החוזקות של כל צד ומשלים חסרונותיו של הצד השני. בני האדם, בעזרת כישורים חברתיים, יצירתיות והבנת דקויות ההתנהגות האנושית יכולים לשפר את תוצאות המכונה. מצד אחר, מכונות עם יכולות להתמודד עם כמויות הולכות וגדלות של נפחי נתונים בזמן תגובה מהיר משפרות את ביצועי האדם.

האינטליגנציה השיתופית באה לידי ביטוי בשני אופנים עיקריים. הראשון, בתהליכי קבלת החלטות המתבססים על תוצאות ניתוח מידע המגיע ממערכות הבינה המלאכותית יחד עם בחינת היבטים אנושיים. לדוגמה, חיזוי התנהגות צרכנים ואפקטיביות קמפיינים שיווקיים או החלטות בתחום מניעת הלבנת הון. השני, בייעול תהליכי עבודה ושיפור ביצועים - בעיקר כאשר יישום בינה מלאכותית מחליף את האדם בביצוע עבודות שגרתיות והטיפול האנושי מוקדש למקרים מורכבים. כמו בנק המפעיל עוזרת אישית וירטואלית הנותנת מענה ל-70% מפניות הלקוחות או חברת ביטוח דיגיטלית המפעילה בוט המאשר את התביעות הרגילות אך פונה לגורם האנושי במקרי קצה.

אחת הדוגמאות היפות הממחישות את שיפור הביצועים היא מתחום הרדיולוגיה. בדוח שהתפרסם על ידי הבית הלבן מצוטט מחקר המציג אבחון ואיתור תאים סרטניים בתאי לימפה. שיעור השגיאות במערכת הבינה המלאכותית היה 7.5% מהמקרים, טעויות פתולוג אנושי עמדו על 3.5%. כאשר שילבו בינה מלאכותית ואבחון אנושי, ירדה רמת השגיאה ל-0.5%.

ארגונים צריכים להבין כיצד להוציא את המיטב משני סוגי היכולות ולעצב תהליכים התומכים בממשקי אדם-מכונה. ארגונים המשתמשים במכונות רק כדי לחסוך בכוח העבודה באמצעות אוטומציה יחמיצו את מלוא הפוטנציאל של הבינה המלאכותית ולהפך.

4 צעדים לאימוץ מוצלח של בינה מלאכותית

רגע לפני שהארגון רוכש ומטמיע מערכות בינה מלאכותית, קיימים לא מעט דגשים שצריך לתת עליהם את הדעת. אני מוצא ארבעה דגשים עיקריים:

הדגש הראשון הוא ההבנה שהטכנולוגיה כשלעצמה לא משפרת את הארגון ולא מביאה כל ערך. הערך המוסף מגיע מהאפשרות שמביאה הטכנולוגיה לשינוי בהתנהלות ארגונית ושיפור העשייה. המיקוד אינו בכלי הטכנולוגי אלא בהיבטים העסקיים, התהליכיים והתרבותיים.

שנית, נדרש תכנון אסטרטגי ופיתוח ראייה הוליסטית על צרכים מול פתרונות - להבין איזה סוג של בינה מלאכותית נחוץ מול אתגרים העסקיים, להגדיר את הבעיות ששואפים לפתור או את התהליכים שבהם רוצים לשלב אוטומציה, לקבוע סדרי עדיפויות ריאליים, מטרות, כיווני פעולה ויעדים מדידים.

שלישית, לבחון כיצד ישפיע שילוב הבינה המלאכותית על סביבת העבודה, בעיקר מול העובדים. מי שיצטרך לעזוב את תפקידו יידרש לעשות הסבה מקצועית (Reskilling), ואלו שיעבדו יחד עם המכונות החכמות יצטרכו כישורים חדשים (Upskilling). כאשר רוצים לפתח את האינטליגנציה השיתופית צריך להבין את תהליכי הלמידה הנדרשים לעובדים כדי שיוציאו את המיטב מהעבודה עם המכונות החכמות, מה המיומנויות שיש להקנות להם כדי למקסם את שיפור התהליכים, וכיצד ניתן לגשר על הפערים בין יכולות העובדים היום והיכולות העתידיות שיידרשו מהם.

דגש אחרון נוגע לאחת התפיסות השגויות השכיחות בקרב מקבלי ההחלטות, מהירות המימוש. רוב המנהלים חושבים שבינה מלאכותית מוכנה ישר מהקופסה ונותנת תוצאות מיידיות. בפועל לוקח לא מעט זמן עד לקבלת תפוקה ממשית (במצב היום, זמן ארוך מאוד). המנהלים צריכים להבין שיש כמה שלבים הכרחיים לפני ההפעלה המבצעית: "ללמד" את המכונה את כל המידע, להבין כיצד "הקופסה השחורה" הפיקה את התוצאות, לבחון את מהימנותן, לתקף אותן ולכייל את המכונה כדי לשפר תוצאות עתידיות. לבסוף גם יש לוודא כי התוצאות עומדות באתיקה ובנורמות האנושיות והארגוניות ושלא עושות נזק או גורמות לפגיעה בארגון או בעובדים.

לסיכום, אין ספק שסביבת העבודה העתידית תהיה מעניינת, מורכבת ומאתגרת. ארגונים שרוצים להתכונן לקראת העתיד לבוא צריכים ללמוד את המגמות ואת היכולות המתפתחות, להבין את היתרונות היחסיים של ממשק אדם-מכונה ולשלב ביניהם תוך אימוץ האינטליגנציה השיתופית, גם תפעולית וגם תרבותית. ארגונים שישכילו להוציא לפועל את ההבנות האלה יהיו הרווחיים ומובילי השוק העתידיים. 

הכותב הוא יועץ בתחום Digital Collaboration ומוכנות הארגון לעולם העבודה העתידי. לתגובות: arik.rizer@gmail.com