איך בוחרים את כלי הבינה המלאכותית הנכון למשימה?

לא תמיד הכלי הכי מתקדם הוא הכלי שהכי מתאים לנו

יש היום כל כך הרבה כלי בינה מלאכותית (AI), שלפעמים קשה לדעת במה לבחור.

כל שבוע אנחנו שומעים על כלי חדש, יכולת מרשימה או פתרון שמבטיח לחסוך לנו שעות עבודה.

אבל האם הכלי הכי פופולרי הוא בהכרח הבחירה הנכונה?

לא תמיד ולפעמים דווקא הכלי הפשוט יותר הוא זה שייתן לנו את התוצאה הטובה ביותר.

הסוד הוא לא להתחיל מבחירת הכלי, אלא מהבנת המשימה שאנחנו רוצים לבצע.

בואו נראה איך עושים את זה בצורה פשוטה, מקצועית ובטוחה.

נתחיל בדוגמה מהיום-יום

דמיינו שאתם מנהלים פרויקט ויש לכם שלוש משימות:

1. לסכם ישיבה ולזהות את ההחלטות שהתקבלו.
2. לנתח את מצב הפרויקט ולזהות סיכונים ועיכובים.
3. לעדכן משימות, אחראים ותאריכי יעד במערכת ניהול הפרויקטים.

לכאורה, אפשר להשתמש בבינה מלאכותית בכל שלוש המשימות.

אבל האם נכון להשתמש באותו כלי עבור כולן?

לא בהכרח.

לסיכום ישיבה אנחנו צריכים כלי שיודע להבין טקסט ולהפיק סיכום אמין.

לניתוח מצב הפרויקט אנחנו צריכים כלי שיכול לעבוד עם נתונים, לזהות פערים ולהסביר על מה מבוססות המסקנות.

ולעדכון משימות במערכת אנחנו כבר צריכים משהו נוסף: חיבור מתאים למערכת, הרשאות מאושרות ומנגנון בקרה.

זהו ההבדל בין כלי שיודע להציע לנו מה לעשות לבין כלי שמורשה גם לבצע פעולה בפועל.

 

חמש שאלות שיעזרו לנו לבחור נכון

1. מה בדיוק אנחנו רוצים לקבל?

   לפני שמחפשים כלי, כדאי לנסח במשפט אחד את התוצאה הרצויה.

   למשל: "אני רוצה להפוך סיכומי ישיבות לרשימת משימות מסודרת, הכוללת אחראים ותאריכי יעד."

   ככל שהמטרה מוגדרת טוב יותר, כך קל יותר לבדוק איזה כלי מתאים לה.

2. איזה מידע נצטרך להעביר לכלי? זו אחת השאלות החשובות ביותר.

   האם מדובר במידע ציבורי? מסמכים פנימיים? פרטים אישיים? מידע עסקי רגיש?

   לא כל כלי מתאים לעבודה עם כל סוג מידע.

   לפני שמעבירים תוכן לכלי AI, צריך לבדוק שהשימוש בו מאושר בארגון ושתנאי הטיפול במידע מתאימים לדרישות.

   כלל פשוט: אם אין אישור להעביר מידע מסוים לכלי, לא מעבירים אותו.

   אפשר להתחיל בניסוי עם נתונים מדומים שאינם מכילים מידע רגיש.

3. האם הכלי רק מציע או גם מבצע? חשוב להבחין בין שתי יכולות:

• הצעת פעולה: הכלי מנתח מידע וממליץ לנו מה לעשות.

• ביצוע פעולה: הכלי משנה נתונים, מעדכן מערכת או שולח הודעה.

  לדוגמה, כלי AI יכול להציע לעדכן את מועד הסיום של משימה.

  אבל כדי לשנות בפועל את המועד במערכת הארגונית, נדרשים חיבור והרשאות מתאימים, ולעיתים גם אישור אנושי.

  ככל שהפעולה משפיעה יותר על מידע או תהליכים ארגוניים, כך נדרשת בקרה מתאימה יותר.

4. האם אפשר לסמוך על התוצאה? תשובה שנראית מקצועית אינה בהכרח תשובה נכונה.

   לכן כדאי לבדוק:

• האם המידע תואם למקור?
• האם הכלי מזהה פרטים חסרים?
• האם הוא מבחין בין עובדות להערכות?
• האם אפשר להבין כיצד הגיע למסקנה?אם הכלי מציג מידע שאינו מופיע במסמכים, חשוב שלא נקבל אותו אוטומטית כעובדה.

5. האם הכלי באמת חוסך לנו עבודה?

   נניח שכלי אחד מייצר סיכום בתוך דקה, אבל נדרשות עוד עשר דקות כדי לתקן אותו.

   כלי אחר מפיק סיכום בתוך שלוש דקות, ודורש רק שתי דקות לבדיקה.

   איזה מהם עדיף?

   התשובה ברורה: לא מודדים רק את מהירות יצירת התוצאה, אלא גם את הזמן והמאמץ הנדרשים כדי להפוך אותה לתוצאה שאפשר להשתמש בה.

דוגמה מעשית: שלושה כלים, משימה אחת

נניח שאנחנו מחפשים כלי לסיכום ישיבות פרויקט המכילות מידע ארגוני.

בדקנו שלוש אפשרויות:

כלי א': מייצר סיכומים מצוינים, אבל אינו מאושר בארגון לעיבוד המידע הרלוונטי.

כלי ב': מאושר לשימוש עם המידע הנדרש, יודע להפיק סיכומים ולזהות משימות והחלטות.

כלי ג': מאפשר גם עדכון אוטומטי של מערכת הפרויקטים, אך דורש הרשאות שעדיין לא אושרו.

מה נבחר?

למשימת הסיכום נוכל לבחור בכלי ב', בכפוף לבדיקת האיכות שלו.

כלי א' אינו מתאים לשימוש הזה כל עוד לא אושר, גם אם התוצאה שלו מרשימה.

גם את כלי ג' לא נפעיל עם ההרשאות שלא אושרו.

המסקנה: קודם בודקים מה מותר ומתאים. רק אחר כך בוחרים את הכלי שנותן את התוצאה הטובה ביותר.

 

איך בודקים איזה כלי מתאים לנו?

אפשר לעשות זאת באמצעות ניסוי קטן ומסודר.

שלב ראשון: מגדירים משימה אחת.

לדוגמה: הפקת סיכום ישיבה הכולל החלטות, משימות, אחראים ותאריכי יעד.

שלב שני: מכינים חומר לדוגמה.

יוצרים סיכום ישיבה מדומה, ללא מידע רגיש. מכניסים אליו כמה משימות, החלטה אחת ושדה שחסר בו מידע.

שלב שלישי: בודקים שתיים או שלוש חלופות מאושרות.

מפעילים את אותה בקשה על אותם נתונים ומשווים את התוצאות.

שלב רביעי: בודקים את האיכות.

האם כל המשימות זוהו? האם הכלי המציא תאריך שלא צוין? האם התוצאה ברורה ומוכנה לשימוש?

שלב חמישי: בוחרים ומתעדים.

רושמים מה עבד טוב, מה הצריך תיקון ומה עדיין מחייב בדיקה אנושית.

כדאי לבחון גם את עלות השימוש, זמן הלמידה וההתאמה לתהליכי העבודה הקיימים.

אפשר להעניק משקל לקריטריונים שונים, אבל חשוב לקבוע אותם מראש. שום ציון גבוה אינו מפצה על היעדר הרשאה או אי-עמידה בדרישת אבטחת מידע מחייבת.

 

רוצים לנסות בעצמכם? הנה פרומפט מוכן

אפשר להעתיק את הבקשה הבאה לכלי AI ולעדכן את הפרטים שבסוגריים המרובעים.

הפרומפט:

פעל כיועץ מקצועי לבחירת כלי בינה מלאכותית עבור משימות ניהול פרויקטים.

אני רוצה לבצע את המשימה הבאה: [תיאור המשימה].

התוצאה שאני מצפה לקבל: [התוצר הרצוי].

סוג המידע שבו אשתמש: [מידע ציבורי, פנימי או רגיש].

המערכות שבהן אני עובד: [שמות המערכות].

עזור לי:

1. להבין אילו יכולות אני צריך מהכלי.
2. לזהות אילו תנאי אבטחת מידע והרשאות עליי לבדוק.
3. להכין טבלת השוואה פשוטה בין שלוש חלופות אפשריות.
4. להציע ניסוי קצר שיאפשר לבחון את איכות התוצאות.
5. להגדיר מדדים ברורים להצלחה.
6. לזהות אילו החלטות דורשות אישור אנושי או ארגוני.

הסבר בשפה פשוטה וברורה, ותן דוגמאות מעשיות.

אל תניח שכלי מסוים מאושר בארגון או תומך ביכולת שלא אומתה. ציין מה עליי לבדוק מול הספק או הגורם המוסמך לפני השימוש.

ואיך הופכים את זה להרגל עבודה קבוע?

לאחר שמבצעים כמה בדיקות, אפשר ליצור תבנית קבועה לבחירת כלי AI.

בכל משימה חדשה שואלים את אותן שאלות, מתעדים את אותן בדיקות ומשווים תוצאות לפי אותם עקרונות.

אפשר אפילו להפוך את תהליך הבדיקה למיומנות AI חוזרת, הנקראת Skill, שתעזור לנו להכין כרטיס השוואה בכל פעם מחדש.

בהמשך ניתן לשקול גם סוכן AI שמבצע חלק מבדיקות השלמות באופן אוטומטי.

עם זאת, המלצה של סוכן אינה מחליפה אישור ארגוני, בדיקת אבטחת מידע או החלטה של הגורם האחראי.

 

שלושה דברים שכדאי לזכור

מתחילים מהבעיה, לא מהמוצר. קודם מגדירים מה רוצים להשיג ורק אז מחפשים את הכלי המתאים.

לא מוותרים על בדיקה אנושית. בינה מלאכותית יכולה לעזור לנו לקבל החלטות טובות יותר, אבל היא אינה מחליפה את האחריות המקצועית שלנו.

מודדים תוצאה אמיתית. הצלחה היא לא רק כמה מהר קיבלנו תשובה, אלא עד כמה היא מדויקת, שימושית ובטוחה.

 

לסיום: צעד אחד קטן שאפשר לעשות כבר השבוע

בחרו משימה אחת שאתם מבצעים באופן קבוע.

זה יכול להיות סיכום ישיבה, הכנת דוח סטטוס, ניתוח סיכונים או הכנת תוכנית עבודה.

הגדירו מה אתם רוצים לקבל, בדקו אילו כלים מאושרים ומתאימים, ובצעו ניסוי קטן עם מידע מדומה.

השוו את התוצאה לדרך העבודה הרגילה שלכם.

ייתכן שתגלו שהשיפור המשמעותי ביותר לא מגיע מכלי חדש, אלא מהבחירה הנכונה של הכלי שכבר נמצא ברשותכם.

כי בסופו של דבר, המטרה היא לא להשתמש ביותר בינה מלאכותית, אלא לעבוד טוב יותר בעזרתה.

 

מאת: אוהד אביעד – מנהל תחום AI ב PMI ISRAEL

מקורות מקצועיים:

התקן של PMI לבינה מלאכותית בניהול תיקי פרויקטים, תוכניות ופרויקטים:

  https://www.pmi.org/standards/artificial-intelligence

מסגרת ניהול סיכוני בינה מלאכותית של NIST:

https://www.nist.gov/itl/ai-risk-management-framework

מדריך PMI להובלה ולניהול פרויקטי AI:

https://www.pmi.org/standards/leading-and-managing-ai-projects-digital-guide