שיתוף

לאט אבל בטוח, נכנסות מערכות הבינה המלאכותית, הרובוטיקה, האוטומציה ולמידת המכונה אל הארגונים.

בשלב הראשון מסייעת טכנולוגית הבינה המלאכותית בתמיכה בהחלטות שהעובדים צריכים לקבל במהלך יום העבודה.

אחת הדוגמאות הבולטות לכך היא שילובן של מערכות הבינה המלאכותית במערכות ניהול שירות לקוחות (CRM).

לדוגמה, מערכת הבינה המלאכותית יכולה להעלות על המסך שמוצג בפני איש שירות הלקוחות המלצות להצעות ללקוח, באופן מדורג (תחילה את ההצעה הטובה ביותר מנקודת ראות הארגון ולאחר מכן הצעות נוספות בסדר יורד.

לדוגמה, אם הלקוח לא מעוניין בהצעה הראשונית שמציע איש שירות הלקוחות, המערכת מציגה בפניו את ההמלצה להצעה הבאה הטובה ביותר.

דוגמה אחרת היא המלצה לפעולה הבאה, הטובה ביותר, בה יכול איש שירות הלקוחות להשתמש כדי לפתור בעיות של לקוחות.

תחום נוסף שמשתלב במערכות הבינה המלאכותית הוא אוטומציה של תהליכים רובוטיים.

במקרה זה, הבינה המלאכותית מחליפה אוטומציה של תהליכים מבוססי כללים והגדרות ששולבו במערכת מראש, כדי לאפשר לבינה המלאכותית להגיב לסיטואציות שונות.

ולמרות כל היתרונות, אין ספק שיש גם בסיס לחשש מפני עקירת מקומות עבודה רבים בתחומים מאוד מסויימים.

אבל המציאות של אימוץ טכנולוגית הבינה המלאכותית במקומות העבודה נמצאת בחיתוליה והיא ממוקדת בסוג מאוד ספציפי של מקרים ופעולות.

מסתבר שמאמצי הטכנולוגיה מתלהבים אמנם, אבל מידת ההתלהבות ומידת האימוץ שונה בין תחומי הפעילות והענפים.

בתחום הפיננסי למשל, שבו קיימת רגולציה המחייבת עמידה בתיעוד של כל פעולה, ניתן לראות  התקדמות רבה יותר מבחינת צ'אט בוטים שהולכים והופכים טובים יותר, וכדומה.

עם זאת, בתחומים בהם יש צורך במגע אנושי יותר, יש אתגרים לא רק עם הטכנולוגיה עצמה אלא גם אתגרי רגולציה.

יש שני סוגים של אתגרים שניצבים בפני אימוץ רחב יותר של הבינה המלאכותית והאוטומציה. אתגר מסוג אחד הוא שילוב מערכות בינה מלאכותית עם מערכות ותהליכים קיימים.

כדי להיות יעילות ופונקציונליות, צריכות מערכות הבינה המלאכותית לעתים קרובות לקבל גישה לכמויות אדירות של נתונים.

יש אתגר גדול מאוד להנגיש את כל הנתונים המאוחסנים במאגרים מרובים, הפרוסים על פני ארגונים גדולים.

אחת האופציות לפתרון היא ליצור אינדקס פנימי לכל מאגרי הנתונים ולאפשר למשתמשים להעלות, מול כל מאגר, שאילתות בשפה טבעית במקום על ידי מילות מפתח.

האתגר מהסוג השני הוא תיאום הפעולות. בסופו של דבר, הדבר היחיד שלמידת מכונה מבצעת זה שהיא מניבה חיזוי פשוט.

אבל היכולת לתאם ולחבר את זה עם אלגוריתמים אחרים, ועם כלים אחרים, ולהשיג הקשר גדול יותר, זהו המקום בו ניתן לראות את ההתמקדות של המערכת בפעולות הספציפיות שהיא אמורה לבצע.

סדנת פרזנטציה אפקטיבית והעברת מסרים מרחוק

אין תגובות

השאר תגובה