ראיונות
ד"ר סם ג'נג, מנכ"ל ומייסד שותף של DeepHow - סדרת ראיונות
סם ג'נג, מנכ"ל ומייסד שותף של DeepHow, חוד החנית של סטארטאפ המתפתח במהירות, מגובה על ידי משקיעים מוערכים. DeepHow מחולל מהפכה בהכשרת כוח אדם מיומן עם פלטפורמה חדשנית, מונעת בינה מלאכותית, ממוקדת בווידאו ללכידה והעברה של ידע.
לפני DeepHow, סאם הקדיש למעלה מעשור לסימנס, והניע חדשנות דיגיטלית בתעשיות שונות. הפרויקטים הראויים לציון שלו, כמו ה-Cloud Digital Inspection Jacket, שיפרו משמעותית את שיתוף הידע הטכני, היעילות וחווית המשתמש, והעניקו לצוות שלו את פרס החדשנות היוקרתי של סימנס.
במקביל, סם משמש כפרופסור נלווה לפסיכולוגיה באוניברסיטת טסינגואה ובעל תואר Ph.D. בפסיכולוגיה הנדסית ותואר שני בסטטיסטיקה מאוניברסיטת אילינוי באורבנה-שמפיין.
יש לך רקע לימודי בפסיכולוגיה וסטטיסטיקה, איך עברת להתמקד בסרטונים ולמידת מכונה?
הרקע שלי בפסיכולוגיה וסטטיסטיקה שימש למעשה כסימן טבעי לתחום של למידת מכונה ופלטפורמות ממוקדות בווידאו. לימודי הפסיכולוגיה הציתו את הקסם שלי מהמוח והאינטליגנציה האנושית, במיוחד בתהליך של למידת מיומנויות ופיתוח מומחיות. בינתיים, הסטטיסטיקה סיפקה את הבסיס המתמטי לחקור רשתות עצביות מלאכותיות, בהשראת המוח הביולוגי שלנו.
בעידן הדיגיטלי של היום, סרטונים הופיעו כמדיום למידה מרתק, אינטראקטיבי ויעיל יותר. השינוי הזה ניכר בפלטפורמות כמו YouTube ו-TikTok, בהן משתמשים, במיוחד הדור הצעיר, משקיעים שעות בצריכת ולמידה מתכני וידאו.
עם זאת, התהליך המסורתי של יצירת סרטוני הדרכה או הדרכה, במיוחד חלק העריכה, גוזל זמן ועבודה. סרטון קצר בן כמה דקות עשוי לדרוש שעות של עבודה קפדנית. מתוך הכרה בחוסר היעילות הזה ובפוטנציאל לשפר את חווית הלמידה, החלטנו המייסדים שלי ואני לרתום את הכוח של בינה מלאכותית (AI) ולמידת מכונה כדי לזרז את תהליך יצירת הווידיאו.
פלטפורמת הווידאו המופעלת על ידי AI שלנו יכולה להפוך שעות של עבודה מפרכת לדקות בלבד, ולשפר באופן דרסטי את היעילות מבלי לפגוע ביעילות. למעשה, הבסיס האקדמי שלי בהבנת הקוגניציה האנושית והמודלים הסטטיסטיים המחקים אותה סייעו לסלול את הדרך למיזם חדשני זה.
יש לך מספר פטנטים תחת השם שלך, מה הדבר הכי חשוב שעבדת עליו?
כל הפטנטים שלי מתמקדים בריתום טכנולוגיה לשיפור הביצועים האנושיים. במהלך כהונתי בסימנס, פרויקט בולט אחד כלל עבודה על פתרון עבור פרופסור סטיבן הוקינג. פיתחנו שיטת קלט עין אינטואיטיבית כדי לסייע לאנשים עם ALS, בדומה למצבו של פרופסור הוקינג. עבודה חדשנית זו היא כעת חלק מפטנט תלוי ועומד.
עם זאת, הפטנט המשמעותי ביותר שתרמתי לו הוא פטנט לאחרונה: פלטפורמת ניהול הידע המבוסס על בינה מלאכותית עבור ארגוני תעשייה וייצור.
להלן סקירה קצרה:
ההמצאה שלנו מציגה פתרון AI יצירתי חדשני המותאם במיוחד עבור ארגוני תעשייה וייצור. הוא לוכד, מארגן ומפיץ ביעילות ידע מוסדי ושבטי, מצטלבים תחומים כמו בינה מלאכותית, למידת מכונה, הדרכה ופיתוח ומערכות ניהול ידע.
מגזרי התעשייה והייצור מתמודדים לעתים קרובות עם אתגרים עצומים בלכידת, ארגון ושיתוף ידע קריטי. שיעורי תחלופת עובדים גבוהים, תהליכים מורכבים והצורך התמידי בשיפור מיומנויות מעצימים את הקשיים הללו. שיטות ניהול ידע מסורתיות הן לרוב מסורבלות, זמן רב וחסרות גמישות, מה שמחייב פתרון מתקדם יותר.
פתרון הבינה המלאכותית הגנרטיבית שלנו משתמש באלגוריתמים קנייניים וטכניקות למידת מכונה כדי לייעל את היצירה של נהלי הפעלה סטנדרטיים מבוססי וידאו (SOPs), לייעל את זרימות העבודה ולהקל על גישה מהירה ויעילה למידע באמצעות תכונות צ'אט מונעות בינה מלאכותית. בשל יכולת ההסתגלות וההרחבה שלו, הפתרון שלנו מתאים למגוון רחב של הקשרי ייצור.
האם תוכל לשתף את סיפור ההתחלה מאחורי DeepHow?
לפני שהשקנו את DeepHow, עבדתי לצד המייסדים האחרים שלנו, Patrik Matos da Silva ו-Wei-Liang Kao, ב-Simens, והנעתי מגוון פרויקטים של חדשנות דיגיטלית במגזרי תעשייה וייצור. המסע שלנו לקח קפיצה גדולה כשהצטרפנו ל-Techstars Mobility Accelerator בדטרויט ב-2018. החוויה הייתה בעצם מחנה אתחול, שעזרה לנו לאמת את הרעיון שלנו, לזהות פערים ולהתחבר למשקיעים, שותפים ומנטורים פוטנציאליים.
ראינו את הערך במיומנויות ובחוויות שאנשים טיפחו במהלך השנים, אבל הייתה בעיה אחת - לא הייתה דרך יעילה באמת ללכוד ולחלוק את המומחיות הזו. ראינו באיזו מהירות הטכנולוגיה מתקדמת, ועלה בדעתנו שהשיטות בהן השתמשנו להכשרת עובדים לא עמדו בקצב. עדיין הסתמכנו על שיטות מיושנות, גוזלות זמן, שלא היו יעילות ולמען האמת, לא היו מספיק מושכות.
הבנתי שיש הזדמנות ייחודית לשלב התקדמות בטכנולוגיית בינה מלאכותית ווידאו כדי לשנות לחלוטין את האופן שבו אנו לוכדים, בונים ומשתפים מידע. אז יצאנו לבנות את DeepHow, פלטפורמה שבה חברות יכולות ליצור סרטוני הדרכה מדהימים בתוך הבית ולהישאר בשליטה. כדי לממש את הרעיון הזה, יצרנו מערכת בינה מלאכותית בשם "סטפני". סטפני היא עמוד השדרה של הפתרון שלנו, לוכדת את הידע של המומחים ויוצרת מאגר ידע. הוא מייצר סרטוני הדרכה אינטראקטיביים שלב אחר שלב כדי להאיץ את תהליך הלמידה עבור עובדים חדשים ופחות מנוסים.
באמצעות שימוש באינדקס ובפילוח של זרימת עבודה בינה מלאכותית, הצלחנו ליצור תוכן וידאו מהיר פי עשרה ולשפר את ביצועי כוח העבודה ב-25%.
עשינו כברת דרך מאז הימים הראשונים, אבל המשימה שלנו עדיין זהה. אנו מחויבים לעזור לחברות למנף את הידע והמומחיות המוסדיים שלהן ולאפשר לעובדיהן ללמוד ולצמוח ללא הרף. זה מסע מרגש.
מהם כמה מהאתגרים במקום העבודה ש-DeepHow פותרת?
העברת ידע: בכל מקום עבודה, העברת מיומנויות וידע, במיוחד מעובדים ותיקים לעובדים חדשים או עובדים פחות מנוסים, יכולה להיות אתגר לא קטן. אפשרנו ללכוד ולבנות את הידע הזה בצורה פשוטה לשיתוף, מחולקת למקטעים וקל יותר לתפיסה.
יעילות אימונים: אימון מסורתי יכול להיות מייגע, נכון? שעות ארוכות, קשה לשמור מידע - זה לא תמיד התהליך היעיל ביותר. עם DeepHow, העובדים יכולים ללמוד במהירות שלהם ובאופן שמותאם יותר לסגנון הלמידה הייחודי שלהם. המטרה שלנו היא להפוך את האימון ללא כאב ומהנה.
פער מיומנויות: לפעמים, להבין היכן נמצאים פערי הכישורים של הצוותים שלך יכול להרגיש כמו לנסות למצוא מחט בערימת שחת. זה עוד דבר שאנחנו יכולים לעזור בו. הפלטפורמה שלנו משתמשת בניתוח כדי להראות לך היכן יש פער בהדרכה ומאפשרת לצוותי הדרכה לגשר על כך על ידי יצירת התוכן הספציפי שהם צריכים.
חומרי הדרכה מיושנים: דברים משתנים מהר, לא? סטנדרטים ונהלים, כולם מתפתחים כל הזמן. ובכן, אנו מוודאים שחומרי ההדרכה שלך לעולם לא יישארו מאחור. העריכה והעדכון הם מהירים וללא כאבים, והיכולת לחלוק את העדכונים הללו על פני מיקומים וחולצות שונות עם הקצאת מיומנויות פשוטה מוודאת שאף אחד לא נשאר ללא המידע העדכני ביותר.
למידה לפי דרישה: הנוחות היא המלך! כל אחד רוצה לקבל גישה למה שהוא צריך, מתי שהוא צריך. זו הפילוסופיה מאחורי DeepHow. אנו מאמינים שההדרכה לא צריכה להיות אירוע מתוזמן שמשבש את כל היום, אלא משאב גמיש שנמצא שם כשאתה צריך אותו. להיות מוגבל למקום וזמן זה לא אידיאלי. צריך ללמוד משהו ספציפי עכשיו? חפש וצפה. זה לא יכול להיות קל יותר.
הגברת מעורבות העובדים: כולנו יודעים שאימון יכול לפעמים להיות, ובכן, לא הדבר הכי מרגש. אבל זה ממש לא חייב להיות ככה. DeepHow מאפשר ליוצרים מקום להיות יצירתיים. הלמידה צריכה להיות חוויה מהנה, מרתקת ומהנה.
טיפוח תקשורת: תקשורת יכולה להיות מסובכת, במיוחד כאשר מתמודדים עם תהליך או הליך מורכבים. הפלטפורמה שלנו הופכת את התקשורת לפשוטה יותר על ידי הפעלת מדריכים שלב אחר שלב המאפשרים לעובדים לעכל ולהבין בקלות את המשימה העומדת על הפרק, תוך קידום מסרים ברורים ועקביים בכל רחבי הלוח. הפלטפורמה שלנו גם מבינה, מתרגמת ומתמללת כמעט 50 שפות ומספרת. תכונה זו לבדה הוכיחה את עצמה כאחד הכלים היקרים ביותר שיש לחברות רבות. מתן אפשרות למישהו ללמוד בשפת האם שלו מבטיח הבנה טובה יותר ומגביר את המורל.
כיצד מאפשרת DeepHow לארגונים ליצור תוכנית הכשרה מותאמת?
בואו ניקח בחשבון את סביבת האימון המסורתית. יש לך חומר סטטי, לוחות זמנים נוקשים וגישה מתאימה לכולם. כעת, השיטות הללו לא לוקחות בחשבון שכל אחד לומד אחרת ובקצב שונה. הם אינם ניתנים להרחבה או גמישים כדי להתאים לנוף המשתנה במהירות או להתקדמות של עובד בודד. אלו נקודות כאב משמעותיות עבור כל מפעל, נכון?
זה בדיוק המקום שבו DeepHow נכנסת. אנחנו עוזרים לך להפוך את התסריט בנושאים אלה. אנו מאפשרים לעסקים לפתח תוכניות הכשרה אג'יליות שהן דינמיות, מותאמות אישית ומתאימות מאוד לצרכים העסקיים ולדפוסי הלמידה של העובדים.
הפלטפורמה שלנו לוכדת ידע מומחה במודולי למידה מבוססי וידאו קלים למעקב. אבל אנחנו לא עוצרים שם. אנו רותמים את הכוח של AI כדי לנתח את האינטראקציות של העובדים עם המודלים הללו, ומאפשרים תובנה מעמיקה יותר היכן נותרים פערי הכישורים שלך. מדובר בהפיכת חולשות לחוזקות וניצול תחומי מומחיות בודדים כדי לטפח תרבות למידה מתמשכת.
איזה תפקיד ממלא DeepHow בהגברת הבטיחות במקום העבודה?
בטיחות היא היבט כה קריטי בכל מקום עבודה, אך לעתים קרובות קשה לעשות זאת נכון, מה שמוביל לתאונות מצערות והפרות תקנות. זה נכון למרבה הצער בתעשיות כמו ייצור, בנייה או שירותי בריאות, שבהן אפילו פגרה קטנה יכולה להיות בעלת השלכות משמעותיות.
אז איפה DeepHow משתלב בתמונה הזו? ובכן, אנו נלהבים להבטיח שנוהלי הבטיחות מובנים בבירור ומיושמים באופן עקבי בכל הלוח.
אנו עושים זאת על ידי מתן פלטפורמה שבה חברות יכולות ללכוד ולשתף בקלות ידע מומחה על פרוטוקולי בטיחות. במקום המדריכים העתיקים, שקשה לעקוב אחריהם, אנו מציעים מדריכי וידאו אינטראקטיביים שלב אחר שלב. הם פשוטים, קלים להבנה, והכי חשוב, נגישים בכל זמן ובכל מקום. המשמעות היא שלעובדים לעולם אין תירוץ לא להישאר מעודכן בפרוטוקולי הבטיחות העדכניים ביותר. בטיחות תמיד צריכה להיות בראש סדר העדיפויות ולכולם מגיע להרגיש בטוח בעבודה.
כיצד משתמשים בבינה מלאכותית גנרטיבית כדי לאפשר לזה לקרות?
בליבה של פלטפורמת ניהול הידע המופעלת בינה מלאכותית שלנו, "Maven", נמצאת חבילה של יכולות חדשניות שמטרתן לחולל מהפכה בדרך שבה ארגוני תעשייה וייצור לוכדים, מנהלים ומשתפים את הידע המוסדי והשבטי שלהם. מייבן משתמשת באלגוריתמים קנייניים וטכניקות למידת מכונה מתקדמות כדי לפשט ולשפר מגוון תהליכים:
- יצירת וידאו SOP יעילה: באמצעות האלגוריתמים הייחודיים שלנו בינה מלאכותית, Maven מסייעת ביצירה אוטומטית של מדריכי צילום וידאו ותסריטי קריינות. זה מקל על יצירת SOPs וידאו באיכות גבוהה עם עקביות, וקובע סטנדרט חדש בתעשייה.
- אופטימיזציה יעילה של זרימת עבודה: על ידי מינוף טכניקות למידת מכונה מתקדמות, כלי ההדמיה של זרימת העבודה של Maven מאפשרים למשתמשים לפשט משימות מורכבות, ובכך לקדם את הפרודוקטיביות באמצעות ממשקים ידידותיים למשתמש ויישומים חכמים של AI.
- מיפוי ידע אסטרטגי: אלגוריתמי ה-AI של Maven עוזרים לארגונים למפות ידע חיוני, לזהות פערי ידע ולחשוף הזדמנויות תוכן חיוניות. הדבר מביא לפיתוח חומרי הדרכה ממוקדים המותאמים באופן ייחודי לצרכיו של כוח עבודה מיומן.
- תכונת צ'אט משופרת בינה מלאכותית: מופעל על ידי אלגוריתמים מובילים לעיבוד שפה טבעית, AI Chat של Maven מאפשר למשתמשים לגשת למידע הכרחי במהירות וביעילות באמצעות שאילתות שפה טבעית.
- יצירת תוכן רב-מודאלי: במצבים שבהם SOP כתוב אינו זמין, Maven יכולה לנתח תוכן וידאו וליצור תוכן רב-מודאלי כמו SOPs וידאו שלב אחר שלב, SOPs טקסט ודיאגרמות זרימת עבודה, ובכך לייעל את תהליך יצירת התוכן.
על ידי שילוב מתקדם של AI Generative עם אסטרטגיות ניהול הידע העדכניות ביותר, Maven מציעה לארגונים כלי ייחודי לרתום את הפוטנציאל של כוח העבודה המיומן שלהם, להניע שיפור מתמיד וחדשנות.
האם יש סוגים אחרים של אלגוריתמים של למידת מכונה המשמשים?
ואכן, DeepHow ממנפת מגוון אלגוריתמים מתוחכמים של למידת מכונה וטכניקות בינה מלאכותית בתחומי עיבוד השפה הטבעית (NLP) וראיית המחשב. טכניקות אלו, הן בפיקוח והן ללא פיקוח, עומדות בבסיס טכנולוגיית הבינה המלאכותית הקניינית שלנו, הספציפית לתחום, אשר הוכשרה והוטבה עבור מגזר התעשייה והייצור. תחומי היישום העיקריים כוללים:
1) פילוח זרימת עבודה: אנו משתמשים באלגוריתמים של למידת מכונה כדי לחלץ מידע ושלבים קריטיים מהדגמות משימות מורכבות ובלתי מובנות שנקלטו בסרטונים. זה מאפשר לנו לפרק נהלים מורכבים לשלבים ניתנים לניהול וניתנים ללמד.
2) הטמעת שלב רב-מודאלית: על ידי יצירת מודל של 'גנום פעילות', אנו מסוגלים להגדיר מחדש הוראות והנחיות זרימת עבודה כך שיתאימו טוב יותר להקשרים תפעוליים ספציפיים.
3) אחזור בין-מודאליות: אנו משתמשים בטכניקות חיפוש מתקדמות בווידאו כדי להקל על אחזור תוכן רב שפות, מבוסס מיומנויות. זה מאפשר למשתמשים לגשת למידע רלוונטי ביעילות ובדיוק גבוהים יותר.
4) מיפוי ידע: אנו בונים גרף ידע המייצג חזותית את יכולות הליבה של הארגון. מיפוי זה מאפשר לחברות לזהות בבירור את נכסי הידע שלהן, מה שמאפשר אסטרטגיות שיפור מיומנות והדרכה יעילות יותר.
טכניקות למידת מכונה מתקדמות אלו, בשילוב עם ההתמקדות שלנו בשירותי תעשייה וייצור, מאפשרים לנו להציע פתרון מקיף לאתגרים הייחודיים העומדים בפני ארגונים במגזרים אלו.
עבור חברות שרוצות להתחיל, מה התהליך?
עיצבנו את הפלטפורמה שלנו מתוך מחשבה על פשטות, כך שהכניסה לחברה שלך לא חייבת להיות מורכבת. למעשה, יותר מ-80 לקוחות ארגוניים ו-SMB הצליחו לפרוס את הפתרונות שלנו בלמעלה מ-400 אתרים ב-24 מדינות ב-6 יבשות.
ראשית, הצוותים שלנו ייפגשו וישוחחו על הצרכים הספציפיים ונקודות הכאב של החברה שלך. אנחנו רוצים להבין את המטרות שלך, את אתגרי ההכשרה שאתה מתמודד איתם, את סוג המיומנויות שכוח העבודה שלך צריך - התמונה כולה.
לאחר מכן, אנו מנחים אותך בתהליך של לכידת הידע של המומחים שלך. זה יכול להיות על כל תהליך או מיומנות שחשובים לחברה שלך. הצוות שלנו יסייע לך ביצירת מדריכי הווידאו המפורטים הללו באמצעות הכלים האינטואיטיביים של DeepHow.
הצוות שלנו שם כדי לתמוך בך בכל שלב של הדרך, מההגדרה הראשונית ועד לאופטימיזציה המתמשכת של תוכנית האימונים שלך. אנחנו כאן כדי ליצור איתך שותפות ולשפר את הכישורים והיעילות של כוח העבודה שלך. פשוט לבקר DeepHow.com כדי להתחיל בעבודה.
האם יש משהו נוסף שתרצה לחלוק על DeepHow?
בליבה של DeepHow עומדת משימה ברורה ומשכנעת: אנו שואפים להעצים כל עובד מיומן להפוך למומחה. אנו שואפים להפוך את העברת הידע וההכשרה לחלקה, מרתקת וחסכונית, תוך ניצול כוח הטרנספורמציה של AI. אנו מאמינים בתוקף שטכנולוגיה צריכה להגביר את היכולות האנושיות, לא להחליף אותן. העיקרון הזה מנחה את כל מה שאנחנו עושים.
בנוף הטכנולוגי המתפתח במהירות שלנו, משימה זו רלוונטית מתמיד. המעבר לעבר טרנספורמציה דיגיטלית ו-Industry 4.0 ביצע מודרניזציה של הייצור, תוך הצגת מערך של טכנולוגיות מתקדמות. חידושים אלה שינו באופן משמעותי את דרישות התפקיד, ודרשו מהעובדים לרכוש מיומנויות טכניות חדשות לתפעול, תחזוקה ואופטימיזציה של המכונות המתוחכמות הללו. קצב השינוי הוא כה מהיר שגישות האימון המסורתיות מתקשות לעמוד בקצב, מה שמוביל לפער מיומנויות הולך ומתרחב.
המטרה שלנו היא להתמודד עם האתגר הזה חזיתית, להעצים את העובדים "להתחזק בצורה טובה יותר" על ידי מיומנות מחדש למפעלי המחר. רמות גבוהות של אוטומציה אומרות שיש פחות צורך בעבודת כפיים; במקום זאת, ההתמקדות עוברת למינוף המומחיות והאינטואיציה של העובדים בהפעלת מערכות טכנולוגיות מתקדמות.
המפעלים התפתחו באופן מהותי במהלך העשור האחרון, עם שילוב של רובוטיקה, קובוטיקה וטכנולוגיות אנליטיות המייעלות ללא הרף את התפוקה וממזערות בזבוז. כדי לנהל את הטכנולוגיות הללו, כוח עבודה מיומן הוא קריטי.
DeepHow מספקת מתודולוגיית הכשרה מודרנית, המאפשרת ליצרנים למשוך כישרונות, למלא עמדות התחלתיות ולשפר מיומנויות הדרגתית של עובדים לתפקידים מתקדמים בתחומי ייצור, לוגיסטיקה ותכנון. עם דגש על הכשרה עכשווית ומרתקת, אנו עוזרים לשנות את התפיסה של ייצור מקריירה ללא מוצא לתחום דינמי, מונע טכנולוגיה עם אפשרויות בלתי מוגבלות.
תודה על הראיון הנהדר, קוראים שרוצים ללמוד עוד צריכים לבקר DeepHow.
