אנחנו מביטים כל יום מחדש בהשתאות אל מול הטכנולוגיה המתפתחת והיישומים המדהימים בכלל ושל בינה מלאכותית בפרט. אנחנו קוראים איך אלי-באבא פיתחו תוכנה היוצרת תיאורים אוטומטים למוצרים שאותם היא מוכרת; אנחנו מתלהבים מאיך מקדונלד, בקיוסקים לשירות עצמי מתאימה באופן משתנה את ההחלטה על התפריט למוצרים במלאי, למזג האוויר ולהעדפות מקומיות. אנחנו רואים איך רשתות חברתיות מתחילות ללמוד לזהות FAKE NEWS כדי לסנן ציוצים ופוסטים שכאלו. והיריעה עוד רחבה.
ואנחנו שואלים את עצמנו, כאנשי ניהול ידע, לא רק, מה יש לבינה המלאכותית (AI) לתרום לנו, אם כי, מה יש לנו, כאנשי ניהול ידע, לתרום לחבורה מופלאה של סטטיסטיקאים ומתכנתים הנותנים מענה חדשני ויצירתי לצרכים העסקיים בארגוניים.
והתשובה היא שיש לנו תרומה, ובלא מעט היבטים. בפוסט זה מבקשת להתמקד בתחום אחד- הלמידה השיטתית.
הפקת לקחים ולמידה היא תהליך חשוב בכל פרויקט.
אך הפקת לקחים חשובה במיוחד בפרויקטים של בינה מלאכותית.
הסיבה הפשוטה לכך, היא שמדובר בתחום מתפתח, לא יציב, שהמתודות שלו, ודרכי היישום משתנים ומתעדכנים כל הזמן, והרבה מהשיפור נובע מהלמידה בשטח.
אך זו לא הסיבה היחידה.
אחד המאפיינים של פרויקטים של בינה מלאכותית, היא שניסוי-טעיה-למידה היא חלק מהותי בפרויקטים אלו.
הדבר נכון גם בשלב בחירת האלגוריתמים והמודלים;
גם בשלבי טיוב המידע (שלעיתים נראה שהוא לעולם לא נגמר).
גם בשלב לימוד המכונה ואימונה;
גם בשלב בחינה של מה שפותח והכנה סופית;
ובוודאי, בשלב התפעול, בניסיון חוזר ונשנה לגלות טעויות, לגלות הטיות ולחפש דרכים לשיפור.
איש בינה מלאכותית עוסק הרבה בניסוי וטעיה.
כאן אנחנו, כאנשי ניהול ידע, יכולים להשתלב עם בשורה: הוספת הפקות לקחים קצרות, יעילות אך שיטתיות. הפקות שכאלו יסדירו את הלמידה ויהפכו אותה ליותר אפקטיבית, גם לפרויקט הנוכחי, וגם לפרויקטים עתידיים. אנחנו מומחים לכך בכל חלקי הארגון. כאן יכולה להיות תרומה משמעותית.
הפקת לקחים ולמידה שיטתית יכולים לזרז ולקדם את דרך העבודה ולייעל אותה. במיוחד בפרויקטים של בינה מלאכותית.
אז הגיע הזמן שנצא לדרך ונתחיל להשתלב. גם כאן.