האם GEN AI יחולל מהפכה גם כאן? על ארבעה עקרונות יסוד לעבודה עם בינה מלאכותית-יצירתית בעולמות ההון האנושי

1. איתור, מיון וגיוס: יישומים של בינה מלאכותית יוכלו לסייע למגייסים למצוא את המועמדת המושלמת לפי תיאור הכישורים הייחודיים שלה; יתרה על כן, מועמדות תוכלנה לגשת לאתרי החברות, ובאמצעות שיחה בשפה טבעית עם צ'טבוט למצוא משרות פתוחות המתאימות להן ביחס לניסיון, לתחומי העניין ולכישורים הנוכחיים שלהן.

2. תהליכי קליטה וכניסה לארגון: הימים הראשונים בארגון נחשבים לקשים ביותר מבחינת הסתגלות. צ'טבוט ייעודי בשפה טבעית יוכל ללוות את העובדים החדשים בימים הראשונים, לסייע להם להתחבר למערכות הארגוניות השונות, לייצר קריאות למחשוב ולמש"א, להזין פרטים אישיים ישירות דרך ממשק הצ'ט, וללמוד על החברה והמחלקה אליהם נכנסו.

3. למידה ופיתוח ארגוניים: יישומי בינה מלאכותית יסייעו לכל עובד ועובדת להבין מה כולל סל הכישורים והכשירויות (Skills & Competencies) הקיימים שלהם, ודרכם לסייע לעובדים לייצר מסלול קריירה מותאם אישית להם. לאחר מיפוי וזיהוי עולם הכישורים, הבינה המלאכותית תוכל להציע באופן פרואקטיבי קורסים והכשרות מתאימים לחיזוק ושיפור הכישורים של העובדים והעובדות. את הלמידה עצמה תשלים הבינה היצירתית ותאפשר לעובדות ללמוד באופן הנוח להן ביותר – וידאו, מלל, הקראה, או אנימציה. יתר על כן: בלחיצת כפתור פשוטה, יוכלו הלומדות לשנות את קול ההקראה מקול נשי לגברי ולהפך, להתאים את מין הפנייה אליהם כלומדות או לומדים, להחליף את שפת הלימוד, ואפילו לשנות את הסגנון עצמו: הסברים פשוטים יותר, טכניים, או ויזואליים יותר. טכנולוגיות בינה יצירתית ליצירת אוואטרים יאפשרו לייצר מורה פרטי במקביל להכשרות כדי להשלים את החומר הכללי עם ידע ארגוני ספציפי, או לענות על שאלות שהלומדה לא תענה עליהן.

4. אנליטיקת הון אנושי: היות והבינה המלאכותית מסוגלת לחזות אירועים על-סמך למידה של תבניות עבר, מסוגלת הבינה המלאכותית להמליץ על מועמדים לתפקידי ניהול, או לחזות מי בסיכון גבוה לפרוש מהארגון. כמות התשומות אותן משקיע הארגון בכל עובד, הופכת חיזוי שכזה לבעל ערך משמעותי ומאפשרת לנקוט בצעדים מקדימים למניעת פרישה, או לחילופין, יכולה לסייע בזיהוי מוקדם של כשרונות המיועדים לעתודה ניהולית.

5. מנוע חיפוש פנים-ארגוני מבוסס GEN AI: מחקרים מראים שעובדים מבלים קרוב ליום עבודה שלם(!) בחיפוש אחר ידע ומידע בארגון. באמצעות שילוב בין טכנולוגיות חיפוש מתקדמות לבינה יצירתית, יוכל כעת הארגון לייצר צ'טבוטים המספקים תשובות בשפה טבעית לשאלות בנוגע לידע הארגוני. בפרויקט משותף עם יצרנית חומרה בינלאומית, יצרנו צ'טבוט ארגוני המאפשר לטכנאים לשאול שאלות בשפה טבעית אודות פיתרון בעיות בהרכבת ותיקון מכונות מורכבות ברחבי העולם. הצ'טבוט נדרש גם לתרגם חומרים לטכנאים במקומות שונים בעולם, וצמצם בכך את זמן פיתרון התקלות בזמן אמת משמעותית.

6. פרישה ושימור ידע פורשים: לבסוף, בתום קריירה ענפה ומשגשגת, תוכל הבינה היצירתית 'לשוחח' עם הפורשים (אפילו בקול), למצות מהם את הידע הסמוי שרכשו בשנות עבודתם בארגון, להתחבר לתיקיות המקצועיות שלהם, ולבנות פורטל חפיפה אוטומאטי, הכולל גם חיפוש בקבצי ותיקיות הפורשים והפורשות לטובת אלו שמחליפים אותם בתפקיד לאורך זמן.

על אף שחלק מהיישומים הללו נדמים כמדע בדיוני, חלקם הארי כבר קיים, אף כמוצרי מדף: כבר כיום ניתן למצוא חברות – ביניהן חברות ישראליות מובילות בתחום - שמציעות מוצרים חכמים, מבוססי AI, המסייעים בגיוס עובדים, מספקים יכולות של מיפוי וחיזוי כישורים ובניית מסלולי קריירה; עוזרים לקבל תשובות בשפה טבעית ממספר מאגרים; מייצרים סייענים אוטומטיים למענה על שאלות בתחום השירות וכן הלאה. אגב, אצלנו במרכז הפיתוח ב-Deloitte, מייצרים פתרונות מותאמים אישית בנושאי הון אנושי. בקיצור – הפוטנציאל בתחום מתחיל להתמשש, אבל מדובר באוקיינוס כחול שטומן בחובו הרבה הזדמנויות.  

איך מתחילים?

יותר ויותר ארגונים מבינים שהם לא יכולים להישאר מאחור. בסדרת סקרים שערך מכון גרטנר, 28% מהנשאלים ענו שהארגון שלהם מתכנן להשתמש בבינה מלאכותית כדי להחליף אוטומצייה פשוטה (Low Level task automation) ואילו קרוב למחצית מהנשאלים (49%) ענו שישתמשו בבינה מלאכותית כדי להעשיר את ניהול הידע הפנימי בארגון. אבל איך ומאיפה מתחילים? 

אנו ממליצים על ארבע עקרונות יסוד לעבודה עם בינה מלאכותית בעולמות ההון האנושי:

1. לשאול את עצמנו: מהו הערך העסקי? על אף הבאזז, בינה מלאכותית לא יכולה לשמש רק ככותרת נוצצת. על הארגון להבין בראש ובראשונה כיצד תסייע לו הבינה המלאכותית ולשם מה היא נדרשת. האם המטרה היא שיפור היעילות? קבלת החלטות טובה יותר? שביעות רצון גבוהה יותר? כל אחת מאלו עשויים לייצר פתרונות שונים ברמות מורכבות שונה. זאת ועוד, על הארגון להבין כיצד נראית הצלחה, ואיך היא תימדד (במונחי ROI).

2. אין פתרונות קסם גם אם תרומתן נדמית ככזו, הבינה המלאכותית והיצירתית אינן מעשי קסמים. בסופו של יום, מדובר בפרוייקטי מחשוב, לעיתים מורכבים ביותר, הדורשים תכנון ואימון מוקפדים. וודאו כי אתם נעזרים במומחים הרלוונטיים בעלי הכישורים והניסיון ליצירת פרויקטים כאלו, ועבדו איתם לתכנון וביצוע ברמה ובסטנדרט המתאימים. אם הצרכים שלכם יכולים להיענות על-ידי מוצר מדף, וודאו שאתם בוחרים בספקים המתאימים, בעלי ניסיון ויכולת רלוונטיות. כיוון ש-AI הוא הטרנד העכשווי, לא מעט חברות קופצות על הטרנד ומתהדרות ביכולות AI, אך לא כולן תשרודנה את הגל. בנוסף, לא תמיד הפיתרון היקר ביותר הוא הנכון ביותר עבורכם. שילוב חכם של ארכיטקטורות מחשוב שונות מאחורי הקלעים עשוי להוזיל עלויות ולתת תוצאות טובות לא פחות מהפיתרונות היקרים והנוצצים בשדה.

3. האתיקה קודמת לכל חשוב להכיר את הרגולציה וכללי האתיקה הקיימים בתחום. הכרחי לוודא שהבינה המלאכותית לא תייצר, חלילה, נזק הנגרם כתוצאה מהטיות הנתונים המוזנים, או שגיאות הנובעות מאימון רשלני, וכן לוודא שכל פיתרון שהארגון נוקט בו עומד תחת הרגולציה העדכנית בתחום באזור הפעילות שלו. זו גם הסיבה שמומלץ תמיד להתחיל כל פיתרון בהוכחת היתכנות (Proof of concept) בחלק מסויים בארגון, לבנות אמון פנימי במוצר וביכולותיו, ורק לאחר מכן להתרחב לכלל הארגון כולו

4. איכות הפיתרון היא כאיכות הדאטה כפי שציינו, הן הבינה המלאכותית והן הבינה היצירתית שתיהן משתייכות לפתרונות מעולמות למידת המכונה. גדולתם של פתרונות אלו גלומה ביכולתם לזהות דפוסים, אך כדי לזהות דפוסים יש צורך בנתונים איכותיים אשר ניתן לעבד ולאמן את המכונה בהם. נתונים לא איכותיים מובילים בדרך כלל לתוצאות שגויות ואף לא צפויות, או כמו שאומרים Garbage in, Garbage out

בשורה התחתונה, הבינה היצירתית כבר כאן, והיא כאן כדי להישאר. אגב, לצד ההבטחה הגדולה שהיא מביאה עימה, ישנם גם לא מעט סיכונים בנדוניה. שאלו את עצמכן, האם הארגון שלכם מוכן? על כל זאת ועוד, בפרקים הבאים...