New-Tech Magazine | September 2021 | Digital Edition

טכניקות של למידת מכונה מתמודדות לרוב עם דילמות כבדות משקל. לדוגמה, הבנת , בחירה בין מודלים, AI הטרמינולוגיה של פלטפורמות וסוגי פתרונות שונים, ובניית התשתית הטכנולוגית לתמיכה בבעיות ועולמות תוכן מגוונים. הינו מורכב ביותר והיכולת AI לסיכום, תחום ה- להפיק תועלת עסקית ממנו כרוכה בניסיון, תשתיות, כלים, זמן וכוח אדם ייחודי וייעודי. יקודמו בארגון, AI בנוסף, בכדי שטכנולוגיות המבנה הארגוני צריך לתמוך באפשרות להטמעת טכנולוגיות מסוג זה. לדוגמה, שיקולים מבניים של אופן בניית יחידה ארגונית צנטרליסטי אשר AI - האם יש להקים צוות ישרת את כל צרכי הארגון או ליצור קבוצות מבוזרות אשר משולבות בליבות העסקיות השונות של הארגון, מהו התמהיל האופטימלי של קבוצת הבינה המלאכותית, מהם המרכיבים הטכנולוגיים השיתופיים כמו גם מתודולוגיות פיתוח המגדירים סטנדרטיזציה ונהלים חוצי ארגון של פיתוח הקמה והצבה של מערכות אילו בסביבה ייצורית תפעולית, כיצד ינוטרו אותן מערכות באופן אוטומטי כדי לוודא שביצועיהן אינן נפגעות לאורך זמן עקב שינויים תכופים בעולם הנתונים החדשים המוזנים אליהם מעת לעת, כיצד לוודא אסדרה ואימוץ של רגולציה של מערכות בינה מלאכותיות מפוקחות ועוד. כדי להצליח בבניית מרכז מצוינות בתחום , מומלץ לחבור לגוף מתמחה בעל ניסיון AI ה- מעשי וידע אקדמי בתחום הבינה המלאכותית, אשר נצבר לאורך שנים ואשר פיתח מודל מוכח של בניית מרכזי מצוינות במגוון ורטיקלים, באופן אשר מסייע לחברות בבחינה ופיתוח של מותאמים בתחומים הרלבנטיים AI פתרונות להן, תוך בניית ליבת יכולות פנים-ארגוניות.

משמעותית ותמיכת הנהלה. מרכז המצוינות צריך למלא תפקיד חיוני בפיתוח חזון, אסטרטגיה ומפת דרכים של הארגון ולפקח על שמבצע הארגון. מרכז המצוינות AI השקעות משמש גם כזרז לפיתוח יכולות פנימיות כגון , AI חינוך והכשרת עובדים אודות טכנולוגיות תקופתיות AI קידום חדשנות וארגון סדנאות או האקאתונים. ככלל, מרכז המצוינות מייצג יחידות ארגוניות שונות, כולל גורמים עסקיים, יחידות תמיכה ומשתמשי קצה. שיתוף פעולה שכזה בין IT ב- מחלקות הארגון יסייע למרכז לזהות הזדמנויות במהירות, לפתח את האסטרטגיות הנכונות ולבסוף לממש אותן ביעילות תוך נטילת סיכונים מועטים. המרכז ימליץ על הטכנולוגיות אותן יש להטמיע בארגון, אופן ניתוח הנתונים, כולל פרשנות של תוצאות המודלים לגורמים העסקיים, וינחה באילו כלים יש לעשות שימוש. AI האתגרים בפרויקטי קיימים מספר אתגרים שארגונים נדרשים AI לצלוח בבואם לשלב מודלים מתקדמים של ביישומים חדשניים בארגון. ראשית, מחסור גובר והולך בהון אנושי מתאים של מדעני נתונים מקשה על בניית יכולות ליבה בתחום. ארגונים רבים מתקשים במיון וגיוס של כוח אדם מיומן ויתרה מכך ביצירת משטר של חדשנות טכנולוגית כמו גם סביבת עבודה הכוללת הכשרה מתמדת ומתמשכת לצורך ריענון ולימוד של אלגוריתמים וטכניקות חדשות בתחום הצומח בקצב מהיר מהרגיל. מהווה גם הוא AI וקטור הצמיחה של תחום ה- אתגר של ממש בבחינה ובחירה בין חלופות ) רבות ושונות technology stack טכנולוגיות ( לאימוץ ומימוש, בתחום אשר במהותו עדיין מוגדר כתחום מחקרי ויישומי, צעיר ומתפתח, אשר עדיין לא הגיע לבשלות תשתיתית בדומה להנדסת תוכנה לדוגמא. כמו כן ההד התקשורתי , אשר AI המנופח לעיתים סביב עולם ה- במקרים רבים תורם להערכות יתר, הן לאופן עשויים להשפיע AI והן למהירות שבה יישומי על הביצועים העסקיים, מייצר בלבול רב בקרב הנהלות של ארגונים וחברות המחליטות לאמץ . AI את החזון האמיתי הטמון בתחום ה- מחייב אימוץ AI ככלל, שימוש באלגוריתמי והכרה באי-וודאות הבסיסית והבלתי נמנעת הכרוכה באופן פעולתם. מערכות מבוססות בינה מלאכותית אינן מתקיימות בעולם הדטרמיניסטי. מנהלים רבים מתקשים להתחייב להשקעות טכנולוגיות ברמת סיכון מובנית ללא בטחון באומדני הצלחה ידועים מראש. כנגזר מכך חברות המעוניינות לפתח מוצרים ויישומים חדשניים המבוססים על

המצוינות, יש להתחיל ולאסוף נתונים ולברר מוגדרים AI כיצד ניתן להשתמש בהם לפרויקטי ובעלי ערך עסקי מוכח ומדיד. יש להתמקד בשלב ראשון בנתונים הזמינים מיידית לארגון, זאת מתוך מידע פנימי הקשור לתהליכים עסקיים או טכנולוגיים באשר הם. בשלב שני ניתן להרחיב את בסיס הנתונים גם למקורות מידע חיצוניים, הן בתשלום והן ככריית מידע זמין ונגיש באינטרנט או ממקורות נתונים נוספים. בשלבים מאוחרים יותר, על פי הצורך, ולאחר מהלך של תיקוף ערך, ייעשה שילוב בין נתונים פנימיים ונתונים חיצוניים. ככלל, ארגונים מחויבים להנהיג מדיניות של 'תמרוץ מצוינות נתונים' - מימוש מהיר, לא מתוכנן ולא מוקפד לגבי איכות הנתונים גורר צבירת חובות טכנולוגיים עתידיים. הכוללת תמיכה במחזור AI בניית תשתית ■ חיים שלם - הקמת תהליך שקוף לכל פרויקטי , בפרט בצנרת הפיתוח, משלב האפיון AI הראשוני ועד הצבה והנגשת תוצרי המודלים. שלב זה מתבצע בסביבת תפעולית תוך ניטור מתמיד, הכולל תחזוקה שוטפת, וזאת על מנת להבטיח אמינות מתמשכת של המודלים עקב סחף בלתי נמנע בהתפלגות מופע הנתונים המוזנים אליהם באופן תדיר, ומעת לעת על פי הצורך. בשלב זה יש להחליט אילו כלים יהיו היעילים ביותר וכיצד להתמודד עם נתונים מסוגים שונים; אילו מתודולוגיות בדיקות נדרש ליישם? מרכז המצוינות חייב להוביל את המאמץ של אסדרת תהליכי העבודה, התשתיות והסטנדרטים הארגוניים בתחום. יש להקפיד על תכנית מפורטת ושיטות עבודה בארגון, AI מומלצות הנוגעות לכל פרויקטי ה- אילו תהליכים פנימיים נדרשים בביצוע ומי הם הגורמים אשר צריכים להיות מעורבים. בנייה, טיפוח ושימור של מאגר כישרונות - ■ מרכז המצוינות יהיה אמון על גיוס, הכשרה והדרכת אנשים בארגון ומחוצה לו לטובת השונות. בפרט, המרכז יכלול AI פעילויות ה- הגדרה של תהליך סדור של בחינה וגיוס עובדים. מדעני נתונים נדרשים בהכשרה שוטפת ושדרוג יכולות תדיר, זאת כדי לעמוד בסטנדרטים העדכניים הנהוגים בשוק. לפיכך, מרכז המצוינות יהיה אמון על בניית מערכי הכשרה והדרכה מותאמים אישית לכל אחד מהעובדים הרלוונטיים. מרכיב קריטי לשיתוף פעולה אסטרטגי פנים-ארגוני הוא גורם הצלחה AI מרכז מצוינות בתחום ה- מכיוון AI קריטי ליוזמות ולפרויקטים מונעי שפעילויות בתחום זה כוללות פונקציות ארגון מרובות, ונדרשות בהקצאת משאבים

Data Science ד"ר אילן ששון, מנכ"ל « , מומחה לבינה מלאכותית ומרצה Group לתארים מתקדמים בפקולטה להנדסה באוניברסיטת תל אביב. סמדר כפרי צילום:

New-Tech Magazine l 24