מבידוד לחדשנות – כיצד חברות יכולות לנצל את האינטליגנציה המלאכותית לטובת החברה

הבום של האינטליגנציה המלאכותית היה עוגן לעסקים שנאבקים להתפתח ולהתחרות בעולם משתנה בהדרגה. עבור רבים, הצגתה הביאה השקעה מסיבית בפרויקטים של אינטליגנציה מלאכותית ברחבי העולם, היא הופעלה כמעט בכל מקום במחלקות בתוך כל תעשייה ושינתה את פעולותיה, יצרה מקום עבודה דינאמי יותר עבור עובדים שתומך בהם במקום להחליפם. McKinsey דיווח כי 92% מהחברות תכננו להשקיע יותר ב- AI הדור הבא ב-3 השנים הבאות, כך שברור שמשהו תפס את דמיוננו הקולקטיבי.

לשמור על קצת פרספקטיבה MIT פרסם לאחרונה מחקר המגלה כי 95% מהפרויקטים של אינטליגנציה מלאכותית שיושמו ברחבי העולם עד כה לא הצליחו לעמוד בהבטחותיהם המקוריות או לספק תשואה על ההשקעה שהושקעה. זה צפוי כיוון שאנחנו כולנו מתמודדים עם מה שאינטליגנציה מלאכותית יכולה באמת לספק והיכן בדיוק עדיף להפעיל אותה בתחילה; כמו עם כל טכנולוגיה מתפתחת, אנחנו בתחילת העקומה ההיסטרית ונהיה חכמים יותר קולקטיבית על היכן להשתמש בה בצורה היעילה ביותר בתחומים שונים של עסק, כלכלה ובקהילותינו.

זה לא אומר, עם זאת, כי חברות לא יכולות לקחת את הדברים צעד אחד לאחור ולעבור את המנדט שלהן כדי לעשות הבדל. אינטליגנציה מלאכותית גנרטיבית הוכחה ככלי חזק שעוזר לבני אדם ומעורב עם שאיפותיהם. עבור אלו המחפשים להרחיב, סיפוק ערך חברתי הופך לחשוב יותר ויותר למשקיעים. ראייה של תשואה שאינה יוצרת רק מספרים בחשבון בנק אלא גם מותירה מורשת ליהנות ממנה לדורות הבאים. כאן ניתוחי לגבי כיצד מנהיגי חברות יכולים לקחת את הפיקוד ולראות את היתרונות האמיתיים של אינטליגנציה מלאכותית.

1. התחיל עם בעיה מקומית שאתה מבין

זה מפתה לכוון לפרויקטים גדולים כמו מחלות גלובליות או שינוי אקלים. לפני שתלך לכיוון היפר-סקייל, השפעה משמעותית תחילה קטנה וזה מתחיל עם הקהילה המידית שלך. חברות מצוידות טוב יותר ליצור שינוי משמעותי כאשר הן מתמקדות בנושאים מקומיים שהן כבר מבינות, האם זה חינוך, קיימות או בריאות הקהילה. הקשישים בפרט חסרים מגע חברתי עקבי, כך שהשקעה ביוזמות לתמיכה בטיפולם ופתרון הבדידות היא צעד גדול.

מה שאתה יכול לעשות:

ערוך סדרה של סדנאות עם צוותים רב-תפקידיים כדי לזהות אתגר מקומי אחד שחברתך מצוידת באופן ייחודי לטפל בו. למשל, כדי לטפל בבדידות של הקשישים, עובדיך יכולים לארגן מפגשי קפה. הקצאת יום אחד לרבעון לצדקה או התנדבות היא דרך נהדרת לשפר את המורל ולהפוך את חברתך למותג מועדף עבור לקוחות פוטנציאליים. פעם אחת שזוהה, המשיך להיפגש עם המשתתפים ובעלי העניין הפנימיים והחיצוניים כדי לשמור על התנעה ולהפעיל בצורה יעילה את עקרון הלמידה המתמדת עבור כולם.

2. בנה עם קלט ממשי של הקהילה, לא הנחות

פרויקטים של אינטליגנציה מלאכותית לעיתים קרובות נכשלים בלי לספק השפעה משום שהם נבנים על הנחות שגויות על מה שהקהילות צריכות וכיצד צורך זה עשוי להתמלא. כאן חשוב ללכת עם סיימון סינק ו’התחיל עם למה’. השתתפות הנהנים האמיתיים מההתחלה מונעת מלכוד זה ומובילה לפתרונות יותר יעילים, שימושיים וניתנים להרחבה.

מה שאתה יכול לעשות:

לפני שתתכנן הכל, הגדר פרופילי ‘לקוח’ אידיאליים ואז עבוד דרך סשנים של האזנה אינטראקטיבית עם הלקוחות האלה כיוון שהם חלק מקבוצות קהילתיות, ארגונים לא ממשלתיים ומנהיגים מקומיים. השתמש בתובנותיהם כדי להגדיר את הצהרת הבעיה ואת הפתרון האידיאלי שלהם, זוכר שהפתרון שזוהה בתחילת הפרויקט עשוי להיות שונה לחלוטין כאשר הפרויקט מתבגר ומתפתח. צעד זה, שחוזר על עצמו במהלך הפרויקט, יחשוף נקודות עיוורון ומחסומים לאמצעים ותכונות הצלחה מרכזיות שצוותים פנימיים מתעלמים מהן, ובסופו של דבר יבטיחו שהפרויקט יעמוד במנדט שלו, ‘הלקוחות’ יהיו מרוצים וימשיכו לחזור, תוך כדי המלצה על הפרויקט לחברים ומשפחה, וחברתך באמת עושה כל…

3. השתמש בנתונים פתוחים ושתף את התוצאות שלך

פרויקטים של טובת החברה אינם צריכים להתחיל מאפס. הרבה ממשלות וארגונים לא ממשלתיים מפרסמים סטים של נתונים פתוחים שניתן להשתמש בהם כדי ליצור פתרונות במהירות. באותה מידה, חברות צריכות לשתף את הנתונים והמודלים שהן מפתחות, וכך לעזור לאחרים לבנות על עבודתן. יש גם ערך עצום בחברות שעובדות יחד בקלט; במקרים רבים, שיתוף פעולה בפרויקטים לטובת החברה הוא כפול לנהנים בתחילה ולבסוף לעסק שהקצה משאבים, 1+1 באמת יכול להיות שווה 3, וזה בשורה.

מה שאתה יכול לעשות:

הקצה צוות לחקור פורטלים של נתונים פתוחים (כמו data.gov או European Data Portal ו-World Ethical Data Foundation). עבור הפרויקט שלך, התחייב לשחרר לפחות כלי אחד פתוח או סט נתונים. זה מעודד שקיפות ומזמין שיתוף פעולה מעבר לקירות החברה. הסט הנתונים חייב להיות חופשי מכל נתונים חסויים של חברה או לקוח, זהו בעיה נוכחית ברוב ה-LLMs, כך שהימנעות מכל פוטנציאל להפרת נתונים צריכה להיות בראש סדר העדיפויות שלך; מדיניות הפרטיות והנהלים ופרוטוקולים של אבטחת המידע שלך צריכים לשמור על נתונים רגישים ברכיב הנתונים הבטוח של החברה. תלשלש לפני לחיצה על ‘go’ אבל גם אל תוותר אם היציבות הביטחונית נראית מוגבלת – תמיד עדיף להיות בטוח מאשר מצטער.

4. נצל את התשוקות האישיות של העובדים

עובדים רוצים לעבוד עבור חברות שתורמות חיובית לחברה ובאופן הגיוני גם לקהילותיהן המקומיות – בעצם, ככל שהיוזמות קרובות יותר לבית, המעורבות גדולה יותר. על פי ה-ONS, 92% מהעובדים שעובדים בחברה עם מובהקות חזקה של מטרה יהיו יותר מוכנים להמליץ עליה למחפש עבודה. ניצול האנרגיה הזו יכול לפתוח חדשנות שגישות מסורתיות ממעטות.

מה שאתה יכול לעשות:

יצרו אתגר ‘האקתון’ פנימי של ‘אינטליגנציה מלאכותית לטובת החברה’ שבו עובדים, עם מעורבות משפחותיהם, מציעים רעיונות לפתרונות, מוצרים או אפילו שירותים. התחיל בקנה מידה קטן, שפר את הדברים בצעדים מבוקרים עם תקציבים קטנים למשאבי אינטליגנציה מלאכותית ווודא תמיכה טכנית טובה. רעיונות מנצחים רבים מובילים לתוכניות ניסוי שבסופו של דבר הופכות למוצרים בזכות עצמם, ואנחנו צריכים לחגוג ולעודד זאת כל יום.

5. שותף עם ארגונים לא ממשלתיים וצוותי מחקר אוניברסיטאיים לתוכנית ניסוי

רבים מהארגונים הלא ממשלתיים הם בעלי ידע עמוק בנושאים חברתיים אך חסרים משאבים טכנולוגיים. חברות וצוותי מחקר אוניברסיטאיים הם בעלי מומחיות טכנית ומחקר אך מוגבלים בניסיון בשטח.

מה שאתה יכול לעשות:

בחר שותף של ארגון לא ממשלתי המקביל לנושא שבחרת. הצע להם יותר מכסף. הצע את השירותים שלך על ידי סיפוק מיומנויות אינטליגנציה מלאכותית, משאבי ענן, או תמיכה בניתוח נתונים. התחיל עם תוכנית ניסוי בעלת היקף מוגבל (3-6 חודשים), מדד השפעה, ואיטרציה פעם אחת שהצלחתך הראשונית.

6. עשה אינטליגנציה מלאכותית אחראית כברירת מחדל, לא רק אחרי

אינטליגנציה מלאכותית לטובת החברה יכולה להיכשל אם לא תוכננה באופן אחראי, מחזקת את הטיה או יוצרת השלכות בלתי צפויות. בנייה עם אחריות מההתחלה מונעת סיכונים למוניטין ופעילות.

מה שאתה יכול לעשות:

אמץ מעקי בטיחות פשוטים אך יעילים כמו בדיקות נטייה על סטים של נתונים, השתמש בטכניקות אינטליגנציה מלאכותית מוסברות כך שפלטים יהיו קלים להבנה. אתה צריך גם ליישם לולאות משוב תמירות שבהן שותפים קהילתיים יכולים לדווח על חששות ורעיונות חדשים (זה באמת עסק רגיל עבור רוב החברות המצליחות; התעלם מזה בסכנתך). Mozilla היא דוגמה לחברה שלוקחת את היוזמה עם Common Voice project, והופכת שקיפות לנורמה. במהות, תכנון אחראי צריך להיות תרגול סטנדרטי, לא תוספת אופציונלית. על ידי עקיבה אחר הפרקטיקות החיוניות האלה, אתה יכול לא רק להפוך את ההצעות שלך למותג מועדף, אלא גם להפוך אותן לעקביות, אמינות ויעילות.

7. הפוך פרויקטים של טובת החברה למעבדות חדשנות

יוזמות טובת החברה המופעלות באופן אחראי ואתי יכולות לשמש כ’מרחבי תרבית’ לטכניקות אינטליגנציה מלאכותית חדשות ואפילו LLMs מקומיים. חברות יכולות להשתמש בפרויקטים אלו כדי להרגיל את הצוותים עם אינטליגנציה מלאכותית, לחקור שיטות חדשניות, או אפילו לבדוק מודלים עסקיים חלופיים ללא לחץ מיידי.

מה שאתה יכול לעשות:

פעם שבחרת יוזמה אחת או שתיים שנראות כדאיות, והיבטים האתיים ופרטיות הנתונים הובטחו, התחיל את הצוותים. בדוק את ההתקדמות באופן סדיר מבלי לחנוק את הפרויקטים, והייה מוכן לעצור מיד אם יש סיכון לנזק לאנשים המעורבים או לקהילה הרחבה.

8. דווח על השפעה עם מדדים מוחשיים

אחת הדרכים המהירות ביותר לאבד אמינות היא לדבר על ‘עשיית טוב’ ללא הוכחות. חברות צריכות לדווח על תוצאות מוחשיות, לא רק כוונות, וזה היכן שותפויות עם מוסדות אקדמיים וקבוצות קהילתיות עוזרות באופן משמעותי להגיע לנתונים. חוקרים, במיוחד סטודנטים לתארים מתקדמים, צריכים לספק נתונים מקיפים כחלק מהפרויקטים שלהם למנחים, ובניסיוני, זה באמת מרכז את כולם לתוצאות המוחשיות.

מה שאתה יכול לעשות:

הגדר מדדי השפעה ברורים, ובמיוחד מה יראה הצלחה בכל שלב של הפרויקט, למשל, כמות מזון שניצל, חברי קבוצות קהילתיות שהושגו עם יתרונות מסוימים בעלות זמן וכסף. פעם שהפרויקט הושלם, פרסם דו”ח מקוצר המפרט הצלחות וכישלונות והמלצות לגבי כיצד הפרויקט עשוי להמשיך או לשופר. שקיפות זו בונה אמון עם עובדים, לקוחות, ובעלי עניין, והיא בעצם אם אנחנו הולכים למנוע מקהילותינו ואזרחינו להפוך ל’ניסויים’ של אינטליגנציה מלאכותית – אנחנו מדברים על בני אדם אמיתיים שאנחנו צריכים להעריך כיחידים; אנחנו לא יכולים לטפל בהם כניסויים זמניים בשום אופן.

9. הימנע מיוזמות ‘חד-פעמיות’

תוכניות רבות של טובת החברה הן מערכות קמפיין חד-פעמיות שדועכות בתוך זמן קצר. השפעה משמעותית באה משילוב אחריות חברתית לאסטרטגיה הליבה, מקבילה לשווקים ספציפיים או יוזמות ארוכות טווח.

מה שאתה יכול לעשות:

הוסף קריטריונים של ‘אינטליגנציה מלאכותית לטובת החברה’ לסקירת תיק המחקר והפיתוח. הקצה אחוז מסוים (אפילו 5%) ממשאבי האינטליגנציה המלאכותית לפרויקטים של טובת החברה באופן שנתי. זה מבטיח התחייבות ארוכת טווח ולמידה. הייה אסטרטגי עם המשאבים שאתה בוחר. ההשקעה חייבת לספק תשואה, אפילו אם זה נראה בלתי אפשרי. בלי הבטחה זו, אתה עלול לבזבז כסף על פרויקטים שלא משרתים את החברה או הלקוחות שלך.

למה גישה זו חשובה

חברות שאינטגרו באמת תוכניות של אינטליגנציה מלאכותית לטובת החברה אינן רק מוסיפות פרק ‘הרגשה טובה’ לדו”ח השנתי שלהן. הן בונות ערך על ידי חיזוק קשרי קהילה, משיכת כישרונות בעלי משימה, פיתוח מיומנויות אינטליגנציה מלאכותית אחראיות פנימית, ויצירת הבדלה חיובית של המותג בשווקים צפופים.

בעולם שבו הציבור הולך ומפקפק בערך התאגידי, השפעה מתמשכת מדברת בקול רם יותר מהבטחות.

זה לא רק צדקה; זה עסק חכם עם מורשת משמעותית.