ืื ืืืื ืืขื
ืืืฉืืืช ื-AI ืฉืื ืืฉืืขืืชืืช ืื ืคืืืช ื-IQ ืฉืื โ ืืชืงืืข ืื ืชืฉืืืจ ืคืจืืกืช ื-Enterprise
רוב החברות עדיין בוחרות מודלים של AI על בסיס בנצ’מרקים. בפועל, זה נדיר שזה מה שקובע האם אותם מערכות באמת עובדות.
עד כה, רוב השיחות סביב מודלים גדולים של שפה בסביבות ארגוניות היו דומיננטיות על ידי בנצ’מרקים. צוותים נמשכים לביצועים ניתנים למדידה, כגון איזה מודל הוא המהונדס ביותר, החזק ביותר בקידוד, המדויק ביותר בסיכום, או בתירוץ מתמטי.
אבל כאשר צוותים מתחילים לזוז מעבר לשלב הניסוי ולשקוע בפריסה אמיתית בקנה מידה גדול, גורמים אחרים חשובים, אשר מוזנחים על ידי רוב ה-CEOs, יוכיחו במהרה להיות חיוניים לאותו הצלחת העסק.
קבלה של AI
אינטליגנציה גולמית ויכולת ניתוחית ברורות שהן חשובות, אבל המשתנה המוערך ביותר בפריסת AI ארגונית היא אישיות. אישיות, בהקשר של מודלים גדולים של שפה, מתייחסת לקול, טון והתנהגות עקבית שמודל מעביר ברחבי האינטראקציות. זה מה שהופך AI להרגיש עקבי ואמין.
כאשר מיישמים AI, עסקים צריכים לגישה אותה הגישה שהם היו לוקחים כאשר הם שוכרים עובד אנושי: להעריך לא רק כמה טוב מודל יכול לבצע משימה, אלא גם את יחסו לעבודה, כיצד הוא מתקשר, וכיצד הוא מתאים לתוך הזרימה הגדולה יותר.
יכולתו של מודל לשמור על עקביות, להגיב בהתאם, ולהתמודד עם רמתיות בהקשרים שונים יכולה להיות בעלת השפעה משמעותית על תוצאות עסקיות. AI מבריק מבחינה טכנית שמגיב באיטיות, משוטט בטון, או מטפל באינטראקציות מורכבות באופן לא נכון יכול להיות מוחלף על ידי עסקים, מתסכל משתמשים, מוריד את המעורבות, ובסופו של דבר מקטין את יעילות ה-AI ואת הצלחת העסק.
זה במיוחד חשוב בתעשיות כגון תמיכת לקוחות, הידברות פוליטית, או תקשורת פנים-ארגונית, כיוון ששינויים עדינים בטון או בניסוח בין תגובות יכולים לגרום לבלבול, להרוס אמון, ולהפחית את המעורבות הכוללת. כמו עם בני אדם, אין מודל חלום יחיד שעולה על התחרות בכל קטגוריה. יש מודלים שהם טובים יותר בביצוע משימות אנליטיות כגון קידוד או מתמטיקה, בעוד שאחרים מבצעים הרבה יותר טוב בכתיבה קונברסאטיבית וסיכום ישיבות.
אבל אתגר לצוותים הבונים על גבי מערכות אלו הוא שאותן האפיונים אינם קבועים.
מטרה נעה
נוף ה-AI מתפתח מהר יותר מאשר רוב הארגונים יכולים לעמוד. גרסאות חדשות משוחררות בתדירות, ותכונות ביצועים יכולות להשתנות מעדכון אחד למשנהו. סדרת המודלים Gemini של Google היא דוגמה אחרונה.
Gemini 2.0 Pro שוחרר בפברואר 2025 ומיד הוכרז כמודל הדגל עבור מפתחים וחברות המשתמשות בו לקידוד ועוררות מורכבות ברחבי העולם.
הוא הגיע עם מה שהיה, באותו זמן, החלון הגדול ביותר של הקשר ש-Google הציעה אי פעם, בשווי שני מיליון טוקנים, שנתן לו את היכולת לנתח ולהבין כמויות עצומות של מידע בבת אחת, בעודו גם מסוגל להשתמש בכלים כגון Google Search ואפילו לכתוב קוד.
עבור צוותים הבונים מערכות שצריכות לעבד כמויות גדולות של נתונים במהירות ובדיוק, זה נראה כאפשרות הברורה. אבל תוך זמן קצר, Google שחרר Gemini 2.5 Pro, שמיד עלה על הטבלאות ועפה על קודמו עם שיפורים בקידוד, מתמטיקה ומדע.
בלילה, המודל שזה עתה היה האפשרות הטובה ביותר בשוק כבר הוחלף פחות מחודשיים לאחר השקה. אבל מאמצים מוקדמים הבחינו מיד שהשינויים לא היו רק הדרגתיים או אנליטיים — אישיותו השלמה של ה-AI השתנתה בלילה.
מפתחים רבים הלכו כל הדרך לומר שה-AI התנהג כאילו הוא “לובוטומיזציה” לאחר עדכונו.
הם תלוננו ש ה-AI נראה כאילו הוא “מתבטל” — מייצר תגובות איטיות, פחות עקביות, ומציג אי-עקביות בטיפול בעוררות שהוא לא היה מוצא עם בעבר, ומשימות שהרגישו זורמות הפכו לאיטיות.
וזה היכן שאסטרטגיית חברה סביב פריסת AI מתחילה להשתנות באופן מהותי.
מעבר לבנצ’מרקים
על הנייר, Gemini 2.5 Pro היה אמור להיות המנצח הברור עם השיפורים הרבים ביכולת וביטיחות.
אבל בפועל, השינויים האלו שינו לחלוטין כיצד המודל היה אמין, כיצד הוא התנהג, הגיב לעוררות, ובתורו, שלח צוותים שזה עתה בזבזו הרבה כסף ובילו שעות רבות בבנייה על גבי מערכות אלו, בחזרה לנקודת ההתחלה, אם יכולות המודל החדשות לא התאימו לצינור הקיים.
אפילו שינויים קטנים בהתנהגות יכולים לשבש מערכות הבנויות על עקביות וצפיות. זה יוצר סיכון מבצעי אמיתי אם עסק מחובר בצורה צפופה למודל יחיד, מכיוון שכל עדכון יכול להכניס אי-יציבות מידית לצוותים המסתמכים על מערכות אלו.
כדי להילחם בזה, חברות רבות החלו ליישם אסטרטגיה רב-מודלית שבה הם שולחים משימות שונות למודלים המתאימים ביותר עבורן, במקום לסמוך על מודל אחד לטיפול בהכל.
גישה זו לא רק משפרת ביצועים מותאמים לכל משימה, אלא גם מפחיתה את הסיכון הקשור ליישום AI, מכיוון שאם מודל אחד היה מידרדר לאחר עדכון, זה לא היה מוריד את כל המערכת התלויה עליו, שכן ישנן גיבויים זמינים.
בפשטות, אישיות ה-AI ואמינותו הן חשובות לא פחות מאינטליגנציה הגולמית שלו כאשר מדובר ביישום המודל בסביבת עבודה לביצוע משימות שונות. שינוי זה בחשיבה מייצג שינוי מהותי בדרך שבה עסקים אינם רק קונים “כלי חכם יותר”, אלא בונים ומנהלים מערכת תשתית דיגיטלית שלמה.
כדי שחברות יוכלו לא רק לשרוד, אלא לפרוח בנוף העסקי של היום, צוותים צריכים להקים צינורות שיכולים להחליף מודלים שונים בהתאם למשימה, ולפקח כיצד עדכונים משפיעים על ביצועים ואיכות האינטראקציה.
בסופו של יום, המודלים עצמם ימשיכו להתפתח בקצב שקשה לעקוב. אבל עסקים שמתכננים שינוי, בונים עודפות, ומתייחסים ל-AI כאל כלי וכאל עמית, יהיו אלו שיהפכו את השינויים המהירים האלו ליתרון תחרותי.
