מדוע מרבית יוזמות הבינה המלאכותית בארגונים נכשלות? הטעות הטכנולוגית שהובילה לכישלון

הצלחה אישית, כישלון ארגוני: הפער שמבלבל את התעשייה

עם השקת ChatGPT בנובמבר 2022, התגובה הייתה מיידית: לראשונה, מיליוני אנשים חוו בינה מלאכותית לא כהבטחה רחוקה, אלא ככלי מעשי, אינטואיטיבי ואף מרהיב למרות מגבלותיו. האינסטינקט הראשוני היה נכון – הבינה המלאכותית אכן עובדת. אך המסקנה שהתגבשה בעקבותיו הייתה שגויה.

מה שעובד בצורה מבריקה עבור אדם בודד מול מקלדת, נכשל באופן מפתיע בתוך ארגון. שנתיים לאחר מכן, לאחר השקעות של מיליארדי דולרים, פיילוטים רבים וסדרה אינסופית של 'קופילוטים', המציאות שונה: בינה מלאכותית גנריטיבית מצטיינת ביצירת שפה, אך ארגונים אינם פועלים על בסיס שפה בלבד. הם מתבססים על זיכרון, הקשר, משוב ומגבלות – והפער הזה הוא שגורם למרבית יוזמות הבינה המלאכותית בארגונים להיכשל בשקט.

95% מכשלים: הנתונים שמאחורי הכישלון הנרחב

זו אינה בעיית אימוץ. זו בעיית ארכיטקטורה. ניתוח מקיף של MIT ומחקרים נוספים מראים כי כ-95% מפיילוטי הבינה המלאכותית הגנריטיבית בארגונים אינם מצליחים להניב תוצאות משמעותיות, ורק כ-5% מגיעים ליישום מתמשך. הדפוס חוזר על עצמו: ניסויים רבים, שינוי מעט מאוד.

הסיבה אינה חוסר יכולת או התלהבות נמוכה, אלא העובדה שהכלים הקיימים אינם מתורגמים לשינוי תפעולי אמיתי. ארגונים מוצאים את עצמם במצב פרדוקסלי: מצד אחד, עובדים משתמשים בבינה מלאכותית באופן קבוע ליצירת טיוטות, סיכומים, רעיונות והאצה של עבודה. מצד שני, יוזמות רשמיות של בינה מלאכותית מתקשות להתרחב מעבר לפיילוטים מבוקרים היטב.

ה'למידה הפעורה': מדוע אנשים מצליחים וארגונים נכשלים

ניתוחים מצביעים על פער למידה הולך וגדל: אנשים פרטיים מוצאים ערך מהיר בבינה מלאכותית, אך ארגונים מתקשים לשלב ערך זה בתהליכים המשמעותיים להם. התוצאה היא מעין 'בינה מלאכותית צללים': אנשים משתמשים במה שעובד, בעוד הארגונים משקיעים במה שלא.

זהו לא סירוב לשינוי, אלא אות אזהרה. הטעות העיקרית: טיפול במודל שפה כמו במערכת הפעלה

הבעיה העמוקה: מודלים אלו נועדו לנבא טקסט, לא לנהל ארגון

רוב ההסברים לכישלונות מתמקדים בביצוע: נתונים גרועים, מקרי שימוש לא ברורים, חוסר הדרכה. כל אלה נכונים, אך הם משניים. הבעיה האמיתית פשוטה ויסודית יותר: מודלים גדולים של שפה (LLMs) נועדו לנבא טקסט. זהו התפקיד היחיד שלהם. כל שאר היכולות – חשיבה, סיכום, שיחה – הן תכונות מתעוררות הנובעות מיכולת זו.

אך ארגונים אינם פועלים כרצפים של טקסט. הם פועלים כמערכות מתפתחות עם מצב, זיכרון, תלות, תמריצים ומגבלות. הפער הזה הוא שגורם לכישלון. כפי שנטען בעבר, זהו הפגם הארכיטקטוני העיקרי של הבינה המלאכותית: מודלים אלו אינם 'רואים' את העולם. הם אינם שומרים על מצב מתמשך. הם אינם לומדים ממשוב בעולם האמיתי אלא אם כן זה מתוכנן במיוחד. הם מייצרים שפה משכנעת על המציאות, אך אינם פועלים בתוכה.

מדוע אי אפשר לנהל חברה על תחזיות של מילים

הדפוס חוזר על עצמו. כאשר מבקשים ממודל שפה לבצע משימות כמו:

• הגדלת מכירות – המודל ייצר המלצות כלליות על שיפור תקשורת או הצעות מוצר, אך ללא יכולת ליישם אותן בפועל.
• עיצוב אסטרטגיית שיווק – הוא יספק תוכנית תיאורטית, אך ללא יכולת להתאים אותה למגבלות התקציב, המשאבים או התחרות בשוק.
• שיפור ביצועי צוות – הוא ימליץ על שינויים כלליים בהתנהלות, אך ללא יכולת לעקוב אחר ביצועים בפועל או להתאים את ההמלצות למשוב בזמן אמת.

הבעיה אינה חוסר יצירתיות או יכולת ליצור טקסט. הבעיה היא חוסר היכולת להתמודד עם המורכבות של מערכות ארגוניות אמיתיות: זיכרון ארגוני, הקשרים בין מחלקות, מגבלות תקציביות, דרישות רגולטוריות ומשובים מתמשכים.

הפתרון: מעבר ממודלים של שפה למערכות חכמות באמת

כדי שהבינה המלאכותית תוכל לתרום באמת לארגונים, יש להבין כי מודלים אלו אינם מספיקים. הם מהווים בסיס, אך לא פתרון שלם. ארגונים זקוקים למערכות ש:

• שומרות על מצב מתמשך – יכולת לזכור החלטות קודמות, נתונים עדכניים ויחסים בין גורמים שונים בארגון.
• משלבות משוב בזמן אמת – יכולת ללמוד מהתוצאות בפועל ולא רק מנתוני עבר.
• פועלות בתוך מגבלות ארגוניות – יכולת להתחשב בתקציבים, מדיניות, דרישות רגולטוריות ומשאבים מוגבלים.
• מתקשרות בצורה מובנית עם מערכות קיימות – יכולת להשתלב בתהליכים, כלים ומערכות מידע קיימות בארגון.

בינה מלאכותית גנריטיבית היא כלי רב עוצמה, אך היא אינה מסוגלת להחליף את המורכבות של ניהול ארגון. ההצלחה תגיע רק כאשר ארגונים יפסיקו לראות במודלים אלו מערכת הפעלה, ויתחילו לפתח מערכות חכמות באמת – מערכות שמבינות את העולם האמיתי ולא רק מייצרות טקסט משכנע עליו.

המלצה לעסקים: במקום להשקיע בפיילוטים נוספים של כלים קיימים, התמקדו בפיתוח מערכות שמשלבות בינה מלאכותית עם זיכרון ארגוני, משוב בזמן אמת ויכולת פעולה בתוך מגבלות אמיתיות. רק כך תוכלו להפוך את הבינה המלאכותית מכלי נוח לכלי מהפכני.