הבינה המלאכותית היוצרת (‪)Gen AI‬ PDF

‫קוואנטום בלאק‪ ,‬חטיבת הבינה המלאכותית של מקינזי‬ ‫כל מה שמנכ"ל‪.‬ית צריכ‪.‬ה לדעת על‬ ‫בינה מלאכותית יוצרת (‪)Gen AI‬‬ ‫הבינה המלאכותית היוצרת (‪ )generative AI‬מתפתחת במהירות מסחררת‪ ,‬ומנהלי חברות מנסים עדיין‬ ‫להבין את יתרונותיה וסיכוניה העסקיים של טכנולוגיה זו‪.‬להלן נציג מדריך בסיסי לבינה...

‫קוואנטום בלאק‪ ,‬חטיבת הבינה המלאכותית של מקינזי‬ ‫כל מה שמנכ"ל‪.‬ית צריכ‪.‬ה לדעת על‬ ‫בינה מלאכותית יוצרת (‪)Gen AI‬‬ ‫הבינה המלאכותית היוצרת (‪ )generative AI‬מתפתחת במהירות מסחררת‪ ,‬ומנהלי חברות מנסים עדיין‬ ‫להבין את יתרונותיה וסיכוניה העסקיים של טכנולוגיה זו‪.‬להלן נציג מדריך בסיסי לבינה המלאכותית‬ ‫היוצרת‪.‬‬ ‫מאמר זה נכתב בשיתוף פעולה בין אלכסנדר סו ּכרבסקי ‪ ,‬מייקל צ'ו ּאי‪ ,‬רוג'ר רוברטס‪ ,‬טניה רודצ'נקו‪ ,‬אלכס סינגְ לה‪,‬‬ ‫לריינה יִי ודלפין זו ּרקייה‪ ,‬ומייצג עמדות מן המועצה הטכנולוגית של מקינזי ומחטיבת הבינה המלאכותית קוואנטום‬ ‫ֶ‬ ‫בלאק – שתיהן חלק ממקינזי דיגיטל‪.‬‬ ‫התמונה נוצרה בידי כריס גראווה ‪ ,Darby Films /‬באמצעות שפת תכנות חזותית מבוססת־צמתים‬ ‫מאי ‪2023‬‬ ‫להאיץ‪ ,‬להרחיב או לשפר שימושים קיימים‪.‬דמיינו למשל‬ ‫מאז שהופצו לשוק כלים יוצרי תוכן כמו צ'אט ‪GPT‬‬ ‫שיחת מכירות עם לקוח‪.‬מודל בינה מלאכותית שאומן‬ ‫(‪ ,)ChatGPT‬בארד (‪ ,)Bard‬קלוד (‪ ,)Claude‬ומידג'רני‬ ‫במיוחד לשם כך יכול להציע לאיש המכירות אפשרויות‬ ‫(‪ ,)Midjourney‬אופפת את הבינה המלאכותית היוצרת‬ ‫מינוף (‪.)upselling‬עד היום התבססו אפשרויות כאלה‬ ‫התלהבות‪.‬בעיצומה שואלים מנהלי חברות את עצמם‪,‬‬ ‫בדרך כלל רק על נתונים קבועים של לקוחות שהתקב־‬ ‫ובצדק‪ :‬האם מדובר בהייפ טכנולוגי או שזו הזדמנות‬ ‫לו לפני תחילת השיחה‪ ,‬כמו דמוגרפיה או דפוסי רכישה‪.‬‬ ‫חדשה שמשנה את כללי המשחק? ואם זו הזדמנות‪,‬‬ ‫כלי בינה מלאכותית יוצרת עשוי להציע אפשרויות מינוף‬ ‫מה ערכה עבור העסק שלי?‬ ‫בזמן אמיתי‪ ,‬כאלה שיתבססו על תוכן השיחה ְ‬ ‫וישאבו‬ ‫מנתוני הלקוחות הפנימיים‪ ,‬ממגמות שוק חיצוניות‬ ‫גרסת צ'אט ‪ GPT‬לציבור הרחב זכתה למאה מיליון‬ ‫ומנתונים של משפיעני מדיה חברתית‪.‬בד בבד‪ ,‬בינה‬ ‫משתמשים בתוך חודשיים‪.‬היא חוללה דמוקרטיזציה‬ ‫מלאכותית יוצרת יכולה להציע טיוטה ראשונה של נאום‬ ‫חסרת תקדים בתחום הבינה המלאכותית‪ ,‬ובתוך כך‬ ‫מכירות‪ ,‬שאותה יתאים איש המכירות לצרכיו‪.‬‬ ‫נעשתה לאפליקציה מהירת הצמיחה ביותר עד כה‪.‬‬ ‫קלות השימוש בה מייחדת את הבינה המלאכותית‬ ‫הדוגמה שלעיל ממחישה את השלכות הבינה‬ ‫היוצרת מכל בינה מלאכותית שקדמה לה‪.‬משתמשים‬ ‫המלאכותית היוצרת על תפקיד אחד מסוים; אולם‬ ‫אינם צריכים תואר בלמידת מכונה כדי לתקשר איתה‬ ‫כמעט כל עובד בעל ידע הכרוך במומחיות ייחודית‬ ‫או להפיק ממנה תועלת; השימוש בה אפשרי כמעט‬ ‫(‪ )knowledge worker‬עשוי להפיק תועלת משיתוף‬ ‫לכל מי שמסוגל לנסח שאלות‪.‬וכמו טכנולוגיות פורצות‬ ‫פעולה עם הטכנולוגיה הזאת‪.‬למעשה‪ ,‬גם אם בינה‬ ‫דרך אחרות‪ ,‬כמו המחשב האישי או האייפון – פלטפו־‬ ‫מלאכותית יוצרת תשמש בסופו של דבר לאוטומציה של‬ ‫רמה יחידה של בינה מלאכותית יוצרת יכולה להצמיח‬ ‫חלק מהמשימות‪ ,‬חלק ניכר מערכּ ה ייגזר מן האופן שבו‬ ‫יישומים רבים ושונים עבור קהלים מכל שכבת גיל ורמת‬ ‫ספקי תוכנה יטמיעו את הטכנולוגיה בכלי עבודה יום־‬ ‫השכלה‪ ,‬ובכל מקום שיש בו גישה לאינטרנט‪.‬‬ ‫יומיים (כגון תוכנות דוא"ל או עיבוד תמלילים) העומדים‬ ‫לרשות עובדי הידע‪.‬כלים משודרגים כאלה עשויים‬ ‫כל זה מתאפשר מכיוון שצ'אטבוטים של בינה מלאכותית‬ ‫להגביר את התפוקה באופן ניכר‪.‬‬ ‫יוצרת מופעלים באמצעות מודלי בסיס (‪foundation‬‬ ‫‪ – )models‬רשתות עצביות נרחבות שאומנו על כמויות‬ ‫מנכ"לים ומנכ"ליות רוצים לדעת אם עליהם לפעול‬ ‫אדירות של נתונים לא מובְ נים ולא מתויגים במגוון רחב‬ ‫כבר עכשיו‪ ,‬ואם כן – ממה עליהם להתחיל‪.‬חלקם‬ ‫של פורמטים‪ ,‬כמו טקסט ושמע‪.‬מודלי בסיס יכולים‬ ‫עשויים לזהות הזדמנות לדלג מעל מתחרים באמצעות‬ ‫לשמש למגוון רחב של משימות‪.‬דורות קודמים של מו־‬ ‫חשיבה מחודשת על האופן שבו בני אדם יכולים להיעזר‬ ‫דלי בינה מלאכותית היו לעיתים קרובות "צרים"‪ ,‬כלו־‬ ‫בעבודתם ביישומים של בינה מלאכותית יוצרת‪.‬אחרים‬ ‫מר יכלו לבצע משימה אחת ויחידה‪ ,‬כמו למשל לחזות‬ ‫ירצו לנקוט משנה זהירות‪ ,‬להתנסות בכמה שימושים‬ ‫שיעור של נטישת לקוחות‪.‬לעומת זאת‪ ,‬מודל בסיס‬ ‫וללמוד עוד על התחום לפני שיתחייבו להשקעות‬ ‫יחיד יכול‪ ,‬למשל‪ ,‬לחבר תמצית מנהלים לדוח טכני של‬ ‫גדולות‪.‬חברות יצטרכו גם להעריך אם כבר יש ברשותן‬ ‫‪ 20,000‬מילים על מחשוב קוונטי‪ ,‬לנסח אסטרטגיית‬ ‫המומחיות הטכנית‪ ,‬הטכנולוגיה וארכיטקטורת הנתונים‪,‬‬ ‫חדירה לשוק עבור עסק לגיזום עצים ולהציע חמישה‬ ‫מודל התפעול ותהליכי ניהול הסיכונים הדרושים עבור‬ ‫מתכונים שונים עבור עשרה מצרכים שמצאת במקרר‪.‬‬ ‫כמה מן היישומים המהפכניים יותר של בינה מלאכותית‬ ‫חסרונה של הרבגוניות הזאת טמון בכך שלפחות בינ־‬ ‫יוצרת‪.‬‬ ‫תיים‪ ,‬בינה מלאכותית יוצרת מסַ פקת לפעמים תוצאות‬ ‫מדויקות פחות‪.‬לכן יש צורך לשוב ולהקדיש תשומת לב‬ ‫מאמר זה נועד לעזור למנכ"לים ולמנכ"ליות ולצוותים‬ ‫לניהול הסיכונים של בינה מלאכותית‪.‬‬ ‫שלהם לחשוב על הפוטנציאל מחולל הערך שגלום‬ ‫בבינה המלאכותית היוצרת‪ ,‬ולדמיין כיצד להתחיל את‬ ‫כאשר נוקטים את אמצעי הזהירות המתאימים‪ ,‬בינה‬ ‫מסעם‪.‬תחילה נציג כאן מבוא לבינה מלאכותית יוצרת‪,‬‬ ‫מלאכותית יוצרת יכולה לא רק לחשוף בפני העסקים‬ ‫שיעזור למנהלים להבין טוב יותר את התפתחותה‬ ‫המפעילים אותה אפשרויות שימוש חדשניות‪ ,‬אלא גם‬ ‫‪2‬‬ ‫כל מה שמנכ"ל‪.‬ית צריכ‪.‬ה לדעת על בינה מלאכותית יוצרת (‪)GEN AI‬‬ ‫באופן תכליתי ושקול‪.‬אנחנו מקווים שמאמר זה יעניק‬ ‫המהירה של בינה מלאכותית ואת האפשרויות הטכניות‬ ‫למנהיגים עסקיים היכרות ראשונית מאוזנת עם העולם‬ ‫העומדות לרשותם‪.‬בחלק הבא נבחן כיצד יכולות חברות‬ ‫עתיר ההבטחות של הבינה המלאכותית היוצרת‪.‬‬ ‫להשתמש בבינה מלאכותית יוצרת‪ ,‬באמצעות ארבע‬ ‫דוגמאות שמכוונות לשיפור האפקטיביות הארגונית‪.‬‬ ‫הדוגמאות משקפות את מה שאפשר להבחין בו אצל מי‬ ‫מבוא לבינה מלאכותית יוצרת‬ ‫שהקדימו לאמץ את הטכנולוגיה‪ ,‬ושופכות אור על טווח‬ ‫האפשרויות במה שנוגע לדרישות הטכנולוגיות‪ ,‬לעלויות‬ ‫טכנולוגיית הבינה המלאכותית היוצרת מתפתחת‬ ‫ולמודל התפעולי‪.‬לבסוף נתייחס לתפקידם החיוני של‬ ‫במהירות (תרשים ‪.)1‬קצב השחרור של הגרסאות‪,‬‬ ‫מנכ"לים ומנכ"ליות בהכנת הארגון להצליח ביישום של‬ ‫מספר חברות הסטארט־אפ בתחום ומהירות שילובה‬ ‫בינה מלאכותית יוצרת‪.‬‬ ‫של הטכנולוגיה ביישומים קיימים הם בלתי רגילים‪.‬‬ ‫בחלק זה נדון במגוון היישומים האפשריים של בינה‬ ‫מלאכותית יוצרת‪ ,‬ונספק הסבר קצר על הטכנולוגיה‪,‬‬ ‫ההתלהבות מן הבינה המלאכותית היוצרת מורגשת‬ ‫לרבות על ההבדלים בינה לבין בינה מלאכותית‬ ‫מאוד בימינו‪ ,‬ומנהלים ומנהלות בדרגים הבכירים‬ ‫מסורתית‪.‬‬ ‫רוצים‪ ,‬ובצדק‪ ,‬להתקדם בתחום במהירות – גם אם‬ ‫‪3‬‬ ‫כל מה שמנכ"ל‪.‬ית צריכ‪.‬ה לדעת על בינה מלאכותית יוצרת (‪)GEN AI‬‬  ‫תרשים ‪1‬‬ ‫הבינה המלאכותית היוצרת מתפתחת בקצב מהיר‬ ‫ציר זמן של התפתחות חלק ממודלי השפה הגדולים (‪ )LLM‬המרכזיים בחודשים שחלפו מאז הושק‬ ‫צ'אט ‪GPT‬‬ ‫‪4‬‬ ‫כל מה שמנכ"ל‪.‬ית צריכ‪.‬ה לדעת על בינה מלאכותית יוצרת (‪)GEN AI‬‬  ‫מעצב גרפי יכול להסיר לוגו מיושן מתמונות‪.‬‬ ‫—‬ ‫לא רק צ'אטבוט‬ ‫בינה מלאכותית יוצרת יכולה לשמש לאוטומציה של‬ ‫סיכום‬ ‫העבודה‪ ,‬להרחבה שלה ולהאצתה‪.‬למטרות מאמר זה‬ ‫עוזרת הפקה יכולה ליצור מקבץ של רגעי שיא‬ ‫—‬ ‫נתמקד בדרכים שבהן בינה מלאכותית יוצרת עשויה‬ ‫מתוך שעות רבות של צילומי אירוע‪.‬‬ ‫להועיל בשיפור העבודה – להבדיל מן הדרכים שבהן‬ ‫היא תוכל לתפוס את מקומם של בני אנוש‪.‬‬ ‫אנליסט עסקי יכול ליצור דיאגרמת ון שתסכם‬ ‫—‬ ‫רעיונות מפתח מתוך מצגת מנהלים‪.‬‬ ‫צ'אטבוטים מחוללי טקסטים כמו צ'אט ‪ GPT‬זוכים‬ ‫מענה לשאלות‬ ‫אומנם לתשומת לב יוצאת דופן‪ ,‬אבל בינה מלאכותית‬ ‫יוצרת מסוגלת להקנות יכולות באמצעות מגוון רחב של‬ ‫עובדים במפעל ייצור יכולים להציג ל"מומחה‬ ‫—‬ ‫תכנים – בהם תמונות‪ ,‬סרטונים‪ ,‬שמע וכתיבת קוד‪ ,‬והיא‬ ‫וירטואלי" המבוסס על בינה מלאכותית יוצרת‬ ‫יכולה לבצע מגוון תפקידים בארגונים‪ ,‬לרבות סיווג‪ ,‬ערי־‬ ‫שאלות טכניות על הליכי תפעול‪.‬‬ ‫כה‪ ,‬סיכום‪ ,‬מתן מענה לשאלות וניסוח תוכן חדש‪.‬בכל‬ ‫לקוחה יכולה לבקש מן הצ'אטבוט הוראות‬ ‫—‬ ‫אחת ואחת מן הפעולות הללו טמון פוטנציאל לחולל‬ ‫הרכבה לרהיט חדש‪.‬‬ ‫ערך‪ ,‬באמצעות שינוי רוחבי של שיטות העבודה בקרב‬ ‫דרג הביצוע‪ ,‬בכל היחידות הארגוניות ובכלל תזרימי‬ ‫העבודה‪.‬להלן נציג דוגמאות אחדות‪.‬‬ ‫ניסוח‬ ‫מפתחת תוכנה יכולה להנחות בינה מלאכותית‬ ‫—‬ ‫סיווג‬ ‫יוצרת לכתוב שורות קוד שלמות‪ ,‬או לבקש‬ ‫ממנה להציע דרכים להשלמת שורות חלקיות‬ ‫מנתחת זיהוי הונאות יכולה להציג לכלי של‬ ‫—‬ ‫בקוד קיים‪.‬‬ ‫בינה מלאכותית יוצרת תיאורי עסקאות ומסמכי‬ ‫לקוחות ולבקש ממנו לזהות עסקאות הונאה‪.‬‬ ‫מנהל שיווק יכול להשתמש בבינה מלאכותית‬ ‫—‬ ‫יוצרת כדי לנסח גרסאות שונות למסרים‬ ‫מנהל שירות לקוחות יכול להשתמש בבינה‬ ‫—‬ ‫בקמפיין‪.‬‬ ‫מלאכותית יוצרת כדי לקטלג קובצי שמע של‬ ‫שיחות עם לקוחות בהתאם למידת שביעות‬ ‫הרצון של המתקשרים‪.‬‬ ‫ככל שתתפתח הטכנולוגיה ותבשיל‪ ,‬סוגים כאלה של‬ ‫בינה מלאכותית יוצרת יוטמעו יותר ויותר אל תוך תזרימי‬ ‫עריכה‬ ‫העבודה של החברה‪ ,‬כדי להפוך משימות לאוטומטיות‬ ‫ולבצע פעולות מסוימות מייד (למשל שליחה אוטומטית‬ ‫רעיונאית יכולה להשתמש בבינה מלאכותית‬ ‫—‬ ‫של סיכום הדברים בסוף ישיבה)‪.‬כבר היום צצים כלים‬ ‫יוצרת כדי לתקן שגיאות דקדוק ולהמיר סגנון‬ ‫שונים בתחום זה‪.‬‬ ‫מאמר לסגנון המותג של הלקוח‪.‬‬ ‫‪5‬‬ ‫כל מה שמנכ"ל‪.‬ית צריכ‪.‬ה לדעת על בינה מלאכותית יוצרת (‪)GEN AI‬‬ ‫(העומק) הרבות המרכיבות רשתות עצביות‪.‬למידה‬ ‫ההבדלים בין בינה מלאכותית יוצרת לסוגים‬ ‫עמוקה הניעה רבות מן ההתפתחויות שהתחוללו‬ ‫אחרים של בינה מלאכותית‬ ‫לאחרונה בתחום של בינה מלאכותית‪.‬‬ ‫כעולה משמה‪ ,‬ההבדל העיקרי בין בינה מלאכותית‬ ‫יוצרת לבין צורות קודמות של בינה מלאכותית או של‬ ‫אבל מאפיינים מסוימים מייחדים מודלי בסיס מדורות‬ ‫ניתוח נתונים ממוחשב (‪ )analitics‬טמון ביכולתה‬ ‫קודמים של מודלים ללמידה עמוקה‪.‬ראשית‪ ,‬את‬ ‫ליצור תוכן חדש‪ ,‬לעיתים קרובות בצורות "לא־מובְ נות"‬ ‫מודלי הבסיס אפשר לאמן על מקבצים מגוונים‬ ‫(למשל‪ :‬טקסט כתוב או תמונות) שאי אפשר לייצגן‬ ‫וגדולים מאוד של נתונים לא־מובְ נים‪.‬כך‪ ,‬למשל‪ ,‬את‬ ‫באופן טבעי בטבלאות עם שורות וטורים (לרשימת מו־‬ ‫מודל הבסיס מן הסוג המכונה מודל שפה גדול (‪LLM,‬‬ ‫נחים הקשורים בבינה מלאכותית יוצרת‪ ,‬ראו את המו־‬ ‫‪ )large language model‬אפשר לאמן על כמויות‬ ‫נחון שבעמ' ‪.)7‬‬ ‫עצומות של טקסטים בנושאים רבים ושונים‪ ,‬טקסטים‬ ‫שנגישים לכול באינטרנט‪.‬גם מודלים אחרים של למידה‬ ‫הטכנולוגיה הבסיסית שמאפשרת לבינה מלאכותית‬ ‫עמוקה מסוגלים לפעול על כמויות לא קטנות של‬ ‫יוצרת לפעול היא קבוצת רשתות עצביות מלאכותיות‬ ‫נתונים לא־מובְ נים‪ ,‬אבל לרוב מאמנים אותם על סלי‬ ‫המכונות מודל בסיס‪.‬רשתות עצביות מלאכותיות‬ ‫נתונים ספציפיים יותר‪.‬כך‪ ,‬לדוגמה‪ ,‬אפשר לאמן מודל‬ ‫שואבות השראה ממיליארדי תאי העצב שמחוברים‬ ‫על מקבץ מסוים של תמונות כדי לאפשר לו לזהות‬ ‫זה לזה במוח האנושי‪.‬הן מאומנות באמצעות למידה‬ ‫אובייקטים מסוימים בתצלומים‪.‬‬ ‫עמוקה (‪ – )deep learning‬מונח שמתייחס לשכבות‬ ‫‪6‬‬ ‫כל מה שמנכ"ל‪.‬ית צריכ‪.‬ה לדעת על בינה מלאכותית יוצרת (‪)GEN AI‬‬