חיפוש
חיפוש

מה אם AI יקבל החלטות על בסיס מידע חסר או שגוי?

Picture of גלית דיין

גלית דיין

Partner, Responsible AI & Technology Risk Leader, Advisory Services

אנחנו בעיצומה של מהפכה, ורבות נכתב עליה. מה שבטוח הוא שעולם ה- AI יעצב מחדש ובאופן משמעותי את הכלכלה העולמית ואין ספק שיביא הזדמנויות חדשות (וסיכונים חדשים). הנהלות וארגונים במשק חושבים ומתכננים את האופן שבו האינטליגנציה של AI יכולה להשפיע בצורה חיובית ומשמעותית על הביצועים. הנהלות מחפשות הזדמנויות ליצירת ערך והגדלת הפוטנציאל של כוח העבודה בכל תחום עסקי שבו פועלת החברה. ככל שה- AI מואץ, חברות שמבינות ומאמצות את הטכנולוגיה, ומשתמשות בה באחריות, יכולות להשיג יתרון תחרותי משמעותי על מתחריהן.

ואכן, שוק ה- AI פורח. מספר תחזיות גלובליות מציגות השקעות של 200-300 מיליארד דולר עד 2025-2026, ועדיין לא ברור כיצד רק 22% מהעסקים מאמצים בצורה רחבת היקף את ה- AI? איפה נמצאות שאר החברות ומה מעכב את מידת ההטמעה של ה- AI בארגונים?

ניתן לומר ברמת בטחון גבוהה שהשוק מאמץ את ה- AI בתצורה דומה למודל אימוץ הענן, זה יתחיל עם חברות ההייטק לסוגיהן, החברות הצעירות, ה- Digital Natives שבהן יכולות ה-AI  מחזקות את יכולות הפיתוח הכלליות וימשיך עם החברות היותר מסורתיות, הוותיקות, שפועלות בצורה מסוימת עשרות שנים, והן תאמצנה מודלי AI בצורה איטית יותר.

עבור החברות המסורתיות קיימות מגבלות באימוץ ה- AI עקב מחסור ביכולות AI פנים ארגוניות, מחשש רגולטורי, אי וודאות פיננסית על ההשקעה הנדרשת, ניהול השינוי האנושי בקבלת החלטות AI, אבל בעיקר, בעיקר תשתיות נתונים חסרות, לא מדויקות, מבוזרות בין מספר מערכות ובסיסי נתונים או לא נגישות בצורה יעילה – אשר מקשות מאד על יצירת ערך עסקי מהיר מה- AI. ואם נחזור לאי הוודאות הפיננסית בהשקעה הנדרשת ב- AI על מנת לייצר ערך, אם אין DATA ראוי, אין ערך עסקי מ- AI.

ערך עסקי מ- AI מתבסס על מודלים מתמטיים סטטיסטיים, המשמשים ללמידת התנהגות מתוך נתונים. יש קשר ישיר ומובהק בין איכות הנתונים הגולמיים עליהם מריצים את המודלים של ה- AI לבין התוצאות. במידה ואיכות הנתונים הגולמיים עליהם יתבססו המודלים תהיה ירודה, כלומר, הנתונים לא יהיו אמינים או שהנתונים לא יהיו שלמים, יפגעו האמינות והדיוק של מודלי ה- AI. ניתן ומומלץ להבטיח את איכות הנתונים ולשפר את האפקטיביות של יישומי AI שנבנו עליהם לפני הרצת המודלים בתהליך סדור. תהליך הכנת הנתונים כדאי שיעשה ע"י אנשים מקצועיים, המתמחים בשני עולמות: האחד הבנה בתהליכים העסקיים שאותם הנתונים מייצגים והשני אנשים בעלי ידע ומומחיות בניתוח נתונים והכנתם ל- AI.

מה כולל תהליך הכנת הנתונים עבור AI?

תהליך הכנת נתונים עבורAI  כולל ניקוי, ארגון והפיכת נתונים גולמיים לפורמט שניתן להבין בקלות ואפשר להשתמש בו על ידי אלגוריתמי AI. הכנת הנתונים כוללת הבטחה שהנתונים יהיו מדויקים, עקביים וללא שגיאות או חוסר עקביות, וכוללת משימות כגון: טיוב וניקוי נתונים, הסרת כפילויות, טיפול בערכים חסרים ותיקון אי דיוקים, נרמול וסטנדרטיזציה של הנתונים כדי להבטיח שנתוני הקלט יהיו בפורמט מתאים למודל. כמו כן, במקרים רבים, הנתונים מגיעים ממספר מקורות ובפורמטים שונים. שילוב נתונים ממקורות שונים לפורמט אחיד מבטיח עקביות ותאימות בכל מערך הנתונים. ייתכן שיהיה צורך לשנות או לנרמל נתונים כדי שיתאימו לניתוח. בנוסף, על מנת לשמור על איכות הנתונים יש להגן על נתונים רגישים באמצעות הצפנה, בקרות גישה ואמצעי אבטחה אחרים.

לסיכום,

הכנת הנתונים מניחה את הבסיס לבניית מודלים חזקים, מדויקים ואמינים של בינה מלאכותית על ידי הבטחה שנתוני הקלט יהיו באיכות גבוהה, רלוונטיים ומתאימים למשימה שעל הפרק. לרוב אומרים ש"זבל פנימה, זבל החוצה" – כלומר איכות נתוני הקלט משפיעה ישירות על איכות הפלט של מודל הבינה המלאכותית. לכן, השקעת זמן ומאמץ בהכנת נתונים חיונית להצלחת פרויקטים של AI.

אנחנו ב- EY בעלי מומחיות והבנה בתהליכים העסקיים ומכאן שאנו מבינים את המשמעות העסקית של הנתונים. בנוסף, יש לנו ניסיון רב בטיוב נתונים, ניקוי רשומות כפולות, נרמול נתונים, השלמת נתונים ממקורות חיצוניים, תכנון ובניית מאגרי מידע איכותיים. אנו מלווים ארגונים בהכנת הנתונים כדי שיוכלו לשמש בסיס איתן להרצת מודלים של AI.

לפרטים נוספים

גלית דיין

Scroll to Top