כיצד להפוך תוצאות בינוניות של AI לתוצאות יוצאות דופן
קולין ניל, קנצלר Penn State Great Valley, מסביר מדוע AI מייצר בדרך כלל את הפתרון הממוצע ולא את הטוב ביותר, וכיצד מנהלים ואנשי מקצוע יכולים לרתום את הטכנולוגיה כדי להגיע לתוצאות יוצאות דופן. המפתח טמון בשילוב חשיבה ביקורתית אנושית עם הכלים הקיימים.
AI מייצר את הפתרון הממוצע - כך מתגברים על כך
כאשר ארגונים פונים לכלי AI גנרטיבי בתקווה לקבל פתרונות מיטביים, הם לעיתים קרובות מקבלים בדיוק את ההפך: תוצאה ממוצעת, מהאמצע של הקו. זו לא כשל טכנולוגי אלא תכונה מובנית של מערכות אלה.
רוצה להישאר מעודכן ב-AI?
הירשם לדיוור השבועי שלנו וקבל עדכונים, המלצות על כלים, חדשות ודוחות מיוחדים
קולין ניל, קנצלר ועמית מחקר ב-Penn State Great Valley, מסביר כי מודל AI גנרטיבי הוא בסופו של דבר מערכת שאומנה על מערך נתונים ומייצרת את התוצאה הסבירה ביותר. "הפתרון שתקבל הוא הפתרון הממוצע", אמר ניל. השאלה האמיתית היא כיצד לקחת את הפתרון הממוצע הזה ולהפוך אותו ליוצא דופן.
מחשיבה בסיסית לחשיבה אסטרטגית
ניל מציע מסגרת חשיבה שונה לחלוטין מהגישה הנפוצה. במקום לשאול "כיצד המערכת תבצע את מה שאני עושה?", השאלה הנכונה היא: "כיצד אשתמש במערכת זו כדי להשיג הרבה יותר ממה שיכולתי לפני?"
המשמעות המעשית היא שהאדם עדיין נדרש בכל שלב קריטי. ניל מדגיש שלושה מרכיבים שבני אדם חייבים לספק: חשיבה ביקורתית, ערכים ואתיקה, והתאמה פרטנית של הפלט לצורכי הארגון. מי שיסתפק בהפעלת פרומפט ויגיש את התוצאה כפי שהיא, ישיג תוצאות בינוניות בלבד.
מנהלים בישראל מכירים היטב את הפערים האלה בשטח. חברות טכנולוגיה שהטמיעו כלי AI בתהליכי עבודה מדווחות על כך שהפער בין עובד שמשתמש ב-AI כמשתמש פסיבי לבין עובד שמנהל ומכוון את הכלי הוא משמעותי ביותר מבחינת האיכות הסופית.
שלושה עשורים של ניסיון - מה השתנה
ניל עצמו עוסק ב-AI מאז שנות התשעים. הוא החל בקבוצת מחקר בתחום הרובוטיקה וקווי הייצור, עבר לאפליקציות קריטיות כגון מערכות נחיתה לכלי טיס, ובתר-דוקטורט עבד עם קבוצה באוניברסיטת Oxford בנושא תזמון ייצור ב-British Aerospace ו-Rover Cars. המסקנה של אותה תקופה הייתה שהכלים - שנקראו אז knowledge-based systems ו-model-based reasoning - לא היו בשלים לאתגר.
מה שהשתנה מאז הוא לא רק העוצמה החישובית, אלא גם הבשלות האלגוריתמית. אך ניל מדגיש שהשינוי הגדול ביותר צריך להתרחש בצד האנושי, לא הטכנולוגי.
הכשרה שמכינה לעולם האמיתי
Penn State Great Valley מפתחת קשת שלמה של תוכניות לימודים סביב AI, החל מהכשרה טכנית עמוקה בבניית מודלים, דרך תוכניות no-code ו-low-code, ועד ל-MBA חדש המתמקד ביישום AI ברחבי הארגון. התוכנית צפויה להיפתח בסתיו 2026.
המוסד גם מפעיל מודל ייעוצי - כולל קבוצה בשם Community Impact Collective - שבה סטודנטים עובדים על פרויקטים אמיתיים עם לקוחות ארגוניים ועמותות. גישה זו מבטיחה שהבוגרים לא רק יודעים להשתמש בכלים, אלא גם לשאול את השאלה הנכונה: מה לעשות עם הפלט לאחר שקיבלתם אותו.