ירידת מחירי ה-AI: איך לנצל, אתגרים ושיקולים מרכזיים

AI גורף תשומת לב של ארגונים ברחבי העולם בשל יכולתו לאוטומט פעולות חוזרות ולשפר יכולות קבלת החלטות. בעבר, AI היה זמין רק לתאגידים גדולים ואוניברסיטאות לביצוע מחקר אקדמי או בניית כלים תוכנה יקרים. אך בשנים האחרונות, חברות חוות ירידה משמעותית במחירי AI.

ירידת מחירי AI מתייחסת להפחתה בעלות החומרה, תוכנה ושירותים הקשורים ל-AI. המניע הראשי של ירידה זו הוא ירידה בעלות של משאבים חישוביים. למשל, בשנות ה-50, עלות הכוח החישובי הייתה $200,000/חודש, שירדה באופן משמעותי בשנים האחרונות בזכות התקדמויות מודרניות כמו ענן חישוב.

על כן, מנהיגי עסקים יכולים לנצל ביעילות את ירידת מחירי AI כדי לבנות מוצרים שימושיים. עם זאת, תחום AI מציג מספר אתגרים עיקריים שמנהיגי העסקים צריכים לשקול בקפידה לפני השקעה ב-AI. בואו נחקור רעיון זה בפירוט למטה.

אתגרים עיקריים המוצגים בעת השקעה ב-AI

מנהיגי עסקים מוצגים בעיקר שני אתגרים עיקריים בעת ביצוע יוזמות AI, כלומר, השגת מאגרי נתונים רלוונטיים ושמירה על הוצאות החישוביות של AI בתוך תקציבם. בואו נבחן אותם אחד אחד.

1. איכות נתונים

AI זקוק לנתונים באיכות גבוהה. הרבה מהם. אך לא קל לאסוף נתונים בעלי ערך גבוה, שכן יותר מ-80% מהנתונים בארגונים הם לא מובנים.

השלב הראשון במחזור החיים של AI הוא לזהות ולאסוף מקורות נתונים גולמיים, להמיר אותם לפורמט באיכות גבוהה, לבצע ניתוחים ולבנות מודלים חזקים.

על כן, למנהיגי עסקים חשוב להיות בעלי אסטרטגיית נתונים מקיפה שיכולה לנצל את הנתונים האלה כדי לשלב AI בעסקים שלהם. אם נתונים רלוונטיים אינם זמינים, אז השקעה במיזם AI אינה רעיון טוב.

2. עלות חישובית

הקיבולת החישובית הנדרשת לביצוע AI יכולה להוות מחסום כניסה לארגונים קטנים. AI דורש חישוב משמעותי בהתאם למורכבות של המודלים, מה שגורם לעלויות גבוהות. למשל, דווח כי עלות הרצת ChatGPT על ידי OpenAI היא $3 מיליון/חודש.

על כן, כדי לספק את הצרכים החישוביים, נדרשים חומרה מיוחדת ויקרה כגון יחידות עיבוד גרפי (GPUs) ויחידות עיבוד טנסור (TPUs) כדי לאופטימיזציה של פעולות AI.

בחזית התוכנה, חוקרים עובדים על הפחתת גודל המודל והטביעה של AI, מה שיפחית באופן משמעותי את זמן האימון ובסופו של דבר יחסוך עלויות חישוב.

ניצול ירידת מחירי AI

בשנים האחרונות, תחום AI התקדם באופן משמעותי בכל הממדים, כלומר, תוכנה, חומרה, מחקר והשקעות. כתוצאה מכך, מנהיגי עסקים בתחום AI עברו ומיזערו אתגרים רבים הקשורים ל-AI.

פיתוח מואץ של יישומי AI

כיום, רוב כלים AI מציעים גרסאות חינמיות. מודלי המנוי הם גם הם סבירים. עסקים ויחידים משתמשים ביישומים אלה כדי להגביר את היעילות, לשפר את קבלת ההחלטות, לאוטומט את המשימות החוזרות ולשפר את חוויית הלקוח.

למשל, כלים AI יוצרים כגון Bard, ChatGPT, או GPT-4 יכולים לסייע למשתמשים ביצירת רעיונות חדשים וכתיבת סוגים שונים של תוכן, כגון סיכום מוצר, עותקי שיווק, פוסטים בבלוג וכו’. יותר מ-300 יישומים נבנו על בסיס API של GPT-3.

ישנם דוגמאות רבות בתחומים אחרים. למשל, טכניקות למידת העברה משמשות לסיווג תמונות רפואיות כדי לשפר את דיוק היישום. Salesforce Einstein הוא AI יוצר CRM (ניהול יחסי לקוחות) שיכול לנתח נתונים, לחזות התנהגות לקוחות ולספק חוויות אישיות.

השקעה גדולה יותר ב-AI

ירידת מחירי AI הובילה לאמצעות טכנולוגיה המונית, מה שהופך את AI להזדמנות השקעה לוקרטיבית. למשל, ב-2022, גודל שוק AI הוערך ב-387.5 מיליארד דולר. הוא צפוי להגיע ל-1395 מיליארד דולר ב-2029, וגדל בריבית שנתית של 20.1%.

מוצרי AI משמשים ליצירת התקדמויות חדשות בתעשיות עיקריות, כגון בריאות, חינוך, פיננסים וכו’. כל הענקים הטכנולוגיים הגדולים והסטארט-אפים משקיעים כבדות במחקר ופיתוח AI.

שיקולים מרכזיים למנהיגי עסקים לפני ניצול ירידת מחירי AI

הבנת יעדי העסק והערכת כיצד AI מתאים

לפני ניצול ירידת מחירי AI, זיהוי האסטרטגיה והיעדים של העסק הוא חשוב. ציפיות לא מציאותיות הן אחד הגורמים המובילים ל-כישלון פרויקטי AI. דו”ח מציע כי 87% מיוזמות AI אינן מגיעות לייצור. על כן, הערכת האסטרטגיית הנתונים וכיצד AI יכול להיכלל בעסק כדי לשפר את היעילות הכללית היא היבטים חשובים לשיקול לפני השקעה ב-AI.

בניית צוות AI איכותי וציודו בכלים הנכונים

לפני השקעה ב-AI, חשוב לזהות את המשאבים החומריים והתוכנה הנדרשים לצוות AI. ציוד אותם במאגרי נתונים שהם יכולים לנצל כדי לבנות מוצרים טובים יותר. ספק להם הכשרה נחוצה כדי להבטיח את הצלחת יוזמות AI.

מחקר מציע כי חוסר במומחיות AI בעובדים ואי-זמינות של נתונים באיכות גבוהה הם סיבות עיקריות לכישלון של יוזמות AI.

אימוד עלות AI ותשואה על ההשקעה (ROI)

רבים מפרויקטי AI נכשלים מכיוון שהם אינם מסוגלים לספק את התוצאה או התשואה המובטחת. ב-2012, תוכנת AI של IBM, Watson for Oncology, קיבלה מימון בשווי 62 מיליון דולר. היא תוכננה לאבחן ולהציע טיפולים לחולי סרטן על בסיס נתונים אישיים, היסטוריה רפואית וספרות רפואית.

פרויקט זה ספג ביקורת על דיוקו ואמינותו. כמו כן, היה יקר להקים תוכנה זו בבתי חולים. לבסוף, ב-2021 IBM נטשה את מכירות Watson for Oncology. על כן, חשוב להעריך את עלות רכישה או בניית טכנולוגיות AI לפני השקעה בהן.

בדיקת תקנות AI

מנהיגי עסקים חייבים לוודא כי יוזמות AI שלהם מתאימות לתקנות הרלוונטיות. לאחרונה, תקנות AI הפכו למוקד התמקדות של גורמים עולמיים. תקנות AI אלה מיועדות לטפל בחששות הקשורים להטיה של נתוני AI, הסברנות, פרטיות נתונים וביטחון.

למשל, GDPR (תקנות הגנה על נתונים כלליות) היא תקנה כזו של האיחוד האירופי, שנכנסה לתוקף ב-2018. היא מסדירה מדיניות ארגונית בנוגע לאיסוף נתונים אישיים, עיבודם ושימושם במערכות AI.

בנוסף, בנובמבר 2021, כל 193 מדינות חברות ב-UNESCO הסכימו לאמץ ערכים ועקרונות משותפים של אתיקת AI, כדי להבטיח פיתוח AI ללא סיכונים.

הזמן הנכון להשקיע ב-AI הוא עכשיו!

ענקיות הטכנולוגיה הגלובליים משקיעים כבדות ב-AI, מה שמראה לנו כי AI הוא עם עתיד מזהיר. למשל, Microsoft השקיעה 10 מיליארד דולר ב-AI, בעוד Google השקיעה 400 מיליון דולר ביוזמות AI שלה בתחילת 2023.

עבור עסקים להישאר תחרותיים, חשוב לנצל את ירידת מחירי AI. בו-זמנית, חשוב להם לטפל ולהתגבר על האתגרים ש-AI מציג, כדי לבנות מערכות חזקות.

לתוכן AI מעניין יותר, בקרו ב-unite.ai.