בינה מלאכותית נעה מהר, משילות נעה לאט: הסיכון האמיתי הוא שיתוק קבלת החלטות

בינה מלאכותית מתקדמת כיום בקצב שמעט מנהלים חוו בקריירה שלהם. יכולות חדשות אינן צצות מדי שנה, אלא מדי רבעון, ובמקרים מסוימים, מדי חודש. תעשיות שבעבר התנסו בבינה מלאכותית בשוליים מעצבות כעת מחדש בטירוף זרימות עבודה, מוצרים וחוויות לקוח שלמות סביבה.

ההאצה אינה ניתנת להכחשה. עם זאת, בתוך צוותי הנהלה רבים, הקצב התפעולי נותר סטטי באופן כואב.

החלטות עדיין עוברות במחזורים ארוכים וליניאריים. ועדות בוחנות הצעות במשך חודשים. מסמכי אסטרטגיה שואפים לחזות שלוש עד חמש שנים קדימה בנוף שמשתנה כל שלושה שבועות. ישנו פער מהותי: מהירות הבינה המלאכותית נמדדת בזמן אמת, בעוד שמהירות הממשל התאגידי נמדדת ברבעונים פיסקאליים.

"פער ההתאמה המהיר" המתרחב הזה הוא אולי הסיכון הכי פחות מוערך של עידן הבינה המלאכותית. האיום העיקרי העומד בפני ארגונים מודרניים אינו שהבינה המלאכותית תהפוך לחכמה או שתעקוף את האינטליגנציה האנושית; אלא שהחדשנות בתחום הבינה המלאכותית תעקוף באופן דרסטי את המוסדות האחראים על הכוונתה.

משבר הממשל האמיתי אינו טכני. זהו משבר של שיתוק מנהיגותי.

צוואר הבקבוק שאף אחד לא מדבר עליו

מנהלים מותנים על ידי עשרות שנים של תיאוריה של בתי ספר לעסקים לקבל החלטות המבוססות על מחקר מדוקדק, השוואה מובנית וסקירה איטרטיבית. מתודולוגיית "מפל מים" זו עובדת בצורה יוצאת דופן כאשר נופים אסטרטגיים מתפתחים לאורך צירי זמן ליניאריים וצפויים.

עם זאת, בינה מלאכותית אינה פועלת לפי הכללים הללו. האבולוציה שלה היא אקספוננציאלית.

על פי דו"ח מדד הבינה המלאכותית לשנת 2024 של המכון לבינה מלאכותית ממוקדת אדם (HAI) של אוניברסיטת סטנפורד, הביצועים הטכניים של מערכות בינה מלאכותית עלו על מדדי אנוש בסיווג תמונות, חשיבה חזותית והבנת אנגלית, בעוד שעלות אימון המודלים הללו ממשיכה לצנוח. מצב זה יוצר סביבת שוק שבה מחסום הכניסה יורד מדי יום, ותקרת היכולת עולה בו זמנית.

אך למרות האצה טכנית זו, הגורם האנושי, ובעיקר קבלת ההחלטות, נתקע. סקר מקינזי העולמי על בינה מלאכותית מדגיש פער בולט: בעוד שהאימוץ גואה, צוותי הנהלה רבים מהססים ליישם את האסטרטגיות הנדרשות להפחתת סיכונים בקנה מידה גדול. מנהיגים קופאים. הם מודאגים מבחירת מודל הקרן "הלא נכון", אי הבנה של סיכוני זכויות יוצרים, או הופעה אגרסיבית מדי במרחב לא מוסדר.

אבל באקלים הנוכחי, עיכוב כבר אינו בחירה ניטרלית. זוהי נטל אסטרטגי. עלות חוסר המעש עלתה רשמית על עלות הניסויים.

מדוע הממשל המסורתי נשבר

רוב מבני הממשל התאגידי נבנו למען יציבות, תוך הסתמכות על אישורים רב-שכבתיים ומסגרות החלטה המכוילות לשינוי הדרגתי. מבנים אלה פועלים כבלמים ברכב הדורש כעת היגוי במהירות גבוהה.

מודלים גנרטיביים מתפתחים מהר יותר ממה שרגולטורים או ועדות מדיניות פנימיות יכולות לעקוב. עד שצוות מסורתי של ממשל, סיכונים ותאימות (GRC) יבחן גרסה ספציפית של מודל שפה גדול (LLM), הספק כנראה כבר פרסם שני עדכונים ומודל חדש.

צוותי מוצר יכולים לבנות אבות טיפוס פונקציונליים תוך שבוע באמצעות ממשקי API. מתחרים יכולים להשיק תכונות שירות לקוחות מבוססות בינה מלאכותית לפני שוועדה פנימית השלימה את מחזור הבדיקה הראשון שלה.

אין פירוש הדבר שמשילות צריכה להיעלם. פירוש הדבר שעליה להתפתח ממודל של "שומר סף" למודל של "מעקות בטיחות".

ניתוחי תעשייה מ דלויט על מסגרת "בינה מלאכותית אמינה" מדגישים את חשיבות הממשל האדפטיבי. זהו מודל שבו מנהיגים מתייחסים לבינה מלאכותית לא כאל יישום פרויקט חד פעמי, אלא כיכולת דינמית הדורשת סקירה, איטרציה ופיקוח מתמשכים. ארגונים המסוגלים לעדכן את מקצבי ההחלטות בזמן אמת עולים בביצועיהם באופן משמעותי על אלו המסתמכים על מבנים נוקשים ואיטיים. מסגרת המבוססת על ניתוח פורנזי איטי אינה יכולה לנהל טכנולוגיה שממציאה את עצמה מחדש בכל רבעון.

עלייתה של "בינה מלאכותית בצל"

אחת התוצאות המסוכנות ביותר של מנהיגות איטית היא ההתפשטות המהירה של "Shadow AI" (הידועה גם בשם BYOAI—Bring Your Own AI). כאשר עובדים חשים שההנחיות הרשמיות אינן ברורות, מגבילות או מיושנות, הם לא מפסיקים להשתמש בבינה מלאכותית. הם פשוט יורדים למחתרת.

זה לא סיכון תיאורטי. מדד מגמות העבודה של מיקרוסופט ולינקדאין לשנת 2024 מגלה כי 78% ממשתמשי הבינה המלאכותית מביאים את כלי הבינה המלאכותית שלהם לעבודה (BYOAI). באופן מכריע, מגמה זו חוצה את כל הדורות, לא רק את דור ה-Z. עובדים משתמשים בכלים לא מורשים כדי להפוך קידוד לאוטומטי, לסכם דוחות PDF סודיים ולנסח טיוטות של תקשורת עם לקוחות.

אמנם זה מדגים יוזמה חשובה של עובדים, אך זה יוצר סיוט של ניהול:

• דליפת נתונים: נתונים קנייניים מוזנים לעתים קרובות למודלים ציבוריים לא מאובטחים כדי לאמן אותם, ובכך למעשה מוסרים סודות מסחריים לספקי צד שלישי.
• בקרת איכות: התפוקות עשויות להזות עובדות או להתנגש עם הסטנדרטים של החברה וקול המותג.
• סיכון בלתי נראה: האחריות מחולקת ברחבי הארגון ללא מודעות מרכזית או בדיקה משפטית.

בינה מלאכותית של צללים אינה בעיה טכנית שיש לפתור באמצעות חומות אש. זוהי בעיית מנהיגות שיש לפתור באמצעות בהירות. היא ממלאת את החלל שבו חסרה הדרכה. כאשר הממשל נע לאט מדי, העובדים עוקפים אותו לחלוטין.

הגדרה מחדש של סיכון בינה מלאכותית

דפוס חוזר בחדרי ישיבות הוא קיבעון על הסיכונים הלא נכונים. מנהיגים מאבדים שינה בגלל השלכות על תדמית, אי ודאות רגולטורית או הפחד להיראות טיפשים אם פרויקט פיילוט ייכשל.

בעוד שחששות אלה לגיטימיים, הם משניים לסיכון של אינרציה מבנית. חברה יכולה להתאושש מפיילוט בינה מלאכותית לא מושלם. היא לא יכולה להתאושש מפיגור אסטרטגי על ידי מחזור שוק שלם.

דוחות מ גרטנר על אסטרטגיית בינה מלאכותית גנרטיבית צופים שעד שנת 2026, יותר מ-80% מהארגונים ישתמשו בממשקי API ומודלים של בינה מלאכותית גנרטיבית ו/או יפרסו יישומים התומכים ב-GenAI בסביבות ייצור. מתחרים המאמצים בינה מלאכותית מוקדם בונים יתרונות מורכבים: מחזורי קבלת החלטות מהירים יותר, מערכי נתונים נקיים יותר ויעילות תפעולית עמוקה יותר.

ברגע שהפער הזה מתרחב, קשה יותר מבחינה מתמטית לסגור אותו. מנהיגים נוטים לפרש זהירות כבטיחות, אך בעידן הבינה המלאכותית, זהירות מוגזמת היא פגיעות.

כיצד מנהיגות חייבת להסתגל

מנהלים לא צריכים להפוך למהנדסי למידת מכונה. עם זאת, עליהם לעצב מחדש את "מערכת ההפעלה" של קבלת ההחלטות שלהם. כדי לתקן את חוסר ההתאמה במהירות, חמישה שינויים אסטרטגיים חיוניים:

1. מחזורי החלטות מהירים יותר אסטרטגיות שנתיות חייבות לפנות את מקומן להערכה מתמשכת. יוזמות בינה מלאכותית צריכות להיבחן מדי חודש, ולא מדי שנה. מנהיגים חייבים לתגמל מהירות, איטרציה ולמידה מהירה על פני תכנון מושלם. עידן מפת הדרכים הטכנולוגית בת 18 החודשים הסתיים למעשה; יש להחליפו בספרינטים של ביצוע מתגלגלים בני 90 יום.
2. מעקות בטיחות על פני כללים כללים נוקשים חונקים חדשנות ומעודדים בינה מלאכותית מסוג Shadow AI. במקום זאת, עובדים זקוקים לגבולות מעשיים. ממשל צריך להגדיר את "האזור הבטוח": אילו סיווגי נתונים מותרים? אילו מודלים מאושרים לשימוש ארגוני? אילו זרימות עבודה דורשות סקירה אנושית בלולאה? מעקות בטיחות (Guardrails) מעצימים צוותים לפעול במהירות במסגרת פרמטרים בטוחים, במקום להמתין לאישור לנקוט צעד.
3. סמכות חוצת תפקידים בינה מלאכותית לא יכולה לשבת בסילו של ה-IT. ניהול יעיל דורש שולחן משותף הכולל מוצרים, משפט, תפעול ותאימות. חשוב לציין, שלקבוצה זו חייב להיות סמכות קבלת החלטות ממשית, לא רק כוח ייעוץ.
4. טפחו ניסויים מושכלים לשנות את התרבות מ"להימנע מטעויות" ל"לכשל בקטן, ללמוד מהר". פיילוטים קטנים וארגזי חול בטוחים יוצרים מומנטום מבלי לחשוף את הארגון לסיכון מערכתי. ניתוח של IBM בנושא אתיקה וממשל בתחום הבינה המלאכותית מציע שיצירת "ארגזי חול" אתיים וטכניים מאפשרת מבחני מאמץ הכרחיים של מודלים לפני שהם נוגעים בנתוני לקוחות.
5. אוריינות, לא רק מומחיות מנהיגים צריכים להבין יכולות, מגבלות והשלכות אסטרטגיות - לא ארכיטקטורה טכנית. מנהיגי הבינה המלאכותית הטובים ביותר הם גנרליסטים בעלי שיקול דעת מעולה, לא מומחים בעלי מיקוד צר. עליהם להבין את ההבדל בין בינה מלאכותית ניבויית לבינה מלאכותית גנרטרית, והיכן כל אחת מהן חלה על מודל העסקי שלהם.

המנהל של העתיד

בינה מלאכותית משנה את אופן פעולתן של חברות, אך היא גם משנה באופן מהותי את אופן חשיבתן של מנהיגים. מנהל העתיד אינו האדם עם כל התשובות. זהו האדם שיכול לקבל החלטות איכותיות עם מידע חלקי, ולהנחות צוותים דרך אי ודאות בזריזות ולא בוודאות נוקשה.

מנהיגות כבר אינה עניין של שליטה. מדובר ביכולת לאפשר לארגון להסתגל במהירות כמו הטכנולוגיה עליה הוא תלוי.

הבינה המלאכותית תמשיך להאיץ. השאלה היא האם צוות המנהיגות שלכם יכול להאיץ יחד איתה. אם מודל הממשל שלכם תקוע בקצב של העשור האחרון, הפער יהפוך בקרוב לגדול מכדי לסגור אותו.