"פיתחנו מודל פנימי, הרגשנו כמו בסטארטאפ ואז גילינו שאנחנו משלמים פי שלושה"

נוצר באמצעות AI

זה לא עובד ככה: "אנחנו רוצים להקים מודל בינה מלאכותית משלנו. כזה שיישב אצלנו, ישמור על המידע ויענה לצרכים שלנו בלבד", כך פתח סמנכ"ל הטכנולוגיה באחד הארגונים הגדולים את הפגישה הראשונה שלנו.

הרעיון היה מרשים: לא להיות תלויים בגורמי חוץ, לשמור על מידע רגיש בתוך הארגון, לבנות יכולת פנימית שתשמש את כולם – מהשירות לקוחות ועד מערך ההדרכה. הם בנו צוות, שכרו יועצים, רכשו שרתים והחלו לאמן מודל על בסיס נתונים ארגוניים.

בהתחלה הייתה אווירה של סטארטאפ, המהנדסים התרגשו, ההנהלה עודדה, כולם הרגישו פורצי דרך.

ואז הגיעו המספרים.

שרתים עולים הרבה.
מומחי AI פנימיים עולים יותר.
והמודל? עדיין לא נותן תוצאות טובות יותר ממערכות קיימות בשוק.

"אנחנו משלמים פי שלושה ומקבלים תוצאות שהן עשירית ממה שציפינו", סיכם המנמ"ר, אחרי חצי שנה של פיתוח, "ומה הכי מתסכל? שאם היינו משקיעים את אותם המשאבים בהטמעה חכמה של מודל קיים, כולל אבטחת מידע, הדרכות ותהליכים כבר היינו עם מערכת עובדת".

מחוץ לחדר, הוא הגיע אלי ואמר לי: "גיליתי שהעובדים המאוכזבים לא מתלוננים, הם פשוט עובדים עם המודלים בחוץ ואין לנו שליטה על זה".

כל עדכוני ה-IT, תשתית וטכנולוגיה בערוץ הטלגרם של ITtime

מה הייתה הטעות?

הטעות הייתה קשורה בהבנת רגישות המידע, היכולת לעבוד עם מודל פנימי ורמת התוצאות שלו, ובעיקר בעלויות הכרוכות בתהליך. פיתוח מודל פנימי הוא מהלך אסטרטגי שדורש:
– תשתית טכנולוגית חזקה
– צוות מומחים פנימי יציב
– תמיכה ניהולית ארוכת טווח
– השקעה מתמשכת באימון, אבחון, תיקוף, תיעוד והקשבה מהשטח
– הבנה שזה לא פרויקט חד פעמי, אלא תהליך מתמשך, יקר ודינמי.

אנחנו נגיד את האמת שארגונים רבים לא שומעים: רוב הארגונים לא באמת צריכים מודל פנימי. אלא אם מדובר בארגון בטחוני או כזה שמתעסק במידע רגיש ברמה קיצונית – אין סיבה להחזיק תשתית מודל פנימית ואפשר להשתמש בפתרון פשוט וחכם והרבה: להשחיר מידע רגיש על גבי שרת מקומי, להפוך אותו ללא-מזוהה, ורק אז להזרים אותו למודל חיצוני.
כך גם שומרים על פרטיות, גם מצמצמים עלויות וגם מקבלים תוצאה איכותית  – ומהר.

מתי נכון לבנות מודל פנימי?

– כשיש צורך קריטי באחסון פנימי בלבד (רגולציה, ביטחון, משפט)
– כשיש יכולת להחזיק צוותי AI פנימיים לאורך זמן
– כשמודל מדף לא נותן מענה לצרכים הייחודיים של הארגון
– כשיש תקציב ויכולת לנהל את הסיכון העסקי והטכנולוגי לאורך זמן

וביתר המקרים? פתרון חיצוני טוב, עם הטמעה חכמה, נהלים ברורים ואחריות על פרטיות ואבטחת מידע – ייקח אתכם הרבה יותר רחוק.

כי בינה מלאכותית טובה היא לא רק שורת קוד – היא אסטרטגיה מלאה של הבנת הצרכים אל מול הקיים.

ליאור אברהם הוא יועץ ומלווה חברות וארגונים בהטמעת פתרונות AI, הרצאות וסדנאות ומוביל את ערוץ היוטיוב – Lior ai. בנוסף הוא מחבר הספר מדריך מעשי לשילוב AI בארגונים הניתן בהנחה של 20% לקוראי ITtime.