שני בעלי עסקים יכולים לקבל גישה לאותו כלי, אבל לא לקבל את אותה הזדמנות
שניהם פותחים חשבון באותו כלי בינה מלאכותית. אחד מתחיל להתנסות. הוא לומד לנסח שאלות, בודק את התשובות, משפר תהליכים ובונה בהדרגה דרך עבודה חדשה. השני נכנס פעם אחת, מקבל תשובה כללית, לא מבין מה ההתלהבות וחוזר לעבוד בדיוק כפי שעבד קודם.
לכאורה לשניהם הייתה גישה שווה. בפועל, אחרי שנה הפער ביניהם עלול להיות משמעותי. הראשון לא רק מכיר כלי נוסף. הוא צבר ניסיון, ביטחון, שיטות עבודה ויכולת לזהות הזדמנויות. השני נשאר מחוץ לשינוי שהולך ונבנה סביבו.
זה אחד הפרדוקסים הגדולים של הבינה המלאכותית. היא יכולה לפתוח בפני עסק קטן יכולות שבעבר דרשו כסף, קשרים, ידע וצוות שלם. במקביל, היא עלולה ליצור מוקדי כוח חדשים ולהרחיב את הפער בין מי שמכיר, מתנסה ומפעיל חשיבה ביקורתית לבין מי שאינו יודע כיצד להתחיל.
הבינה המלאכותית באמת יכולה לצמצם פערים
בעלת עסק יכולה היום לבנות טיוטה לתוכנית שיווקית, לנסח הצעת מחיר, ליצור תמונה, לארגן נתונים, להכין מצגת ולפתח רעיונות למוצר חדש. פעולות שבעבר דרשו לעיתים כמה אנשי מקצוע זמינות כיום דרך כלים כמו ChatGPT, Gemini ו-Canva.
הכלים אינם מחליפים בהכרח יועץ, מעצב או איש מקצוע מנוסה. הם כן מאפשרים לעסק קטן להתחיל, לבדוק רעיון, להכין חומר ראשוני ולגשת לאיש מקצוע ממקום ממוקד ובשל יותר. זו הזדמנות אמיתית להפוך ידע ויכולות לנגישים יותר.
אבל עצם העובדה שהכלי פתוח לכולם אינה אומרת שהכוח שהוא נותן מתחלק באופן שווה.
הפער החדש הוא פער של מסוגלות
בעבר דיברנו בעיקר על פער בין מי שיכול להרשות לעצמו שירות מקצועי לבין מי שלא. היום מתווסף פער אחר:
- בין מי שיודע להגדיר צורך לבין מי שמבקש מהכלי "תעשה לי שיווק".
- בין מי שבודק מידע לבין מי שמעתיק את התשובה הראשונה.
- בין מי שמבין שהכלי מייצר חומר גלם לבין מי שמתייחס אליו כסמכות.
- בין מי שמשלב את הכלי בתהליך עסקי לבין מי שצובר חשבונות באפליקציות שאינן משרתות אותו.
- בין מי שמתנסה באופן עקבי לבין מי שממתין עד שהטכנולוגיה תהיה ברורה ופשוטה לחלוטין.
הידע הזה מצטבר. כל ניסיון מלמד את בעל העסק כיצד לנסח טוב יותר, איזה מידע לספק, מה לבדוק ומה לא לקבל. מי שמתחיל בצעד קטן היום אינו רק חוסך כמה דקות. הוא מפתח יכולת שתשפיע על הדרך שבה העסק שלו יעבוד בעתיד.
לא כולם מתחילים מאותה נקודה
גם כאשר הכלי חינמי, השימוש בו דורש משאבים: זמן ללמוד, ביטחון לנסות, אוריינות דיגיטלית, לעיתים שליטה באנגלית, מחשב וחיבור יציב, ידע שמאפשר לזהות טעות ולעיתים גם כסף לגרסה מתקדמת או להדרכה מקצועית.
יש בעלי עסקים שהטכנולוגיה מרגישה להם טבעית. אחרים מגיעים אחרי שנים שבהן כל מערכת חדשה גרמה להם להרגיש שהם אינם טובים מספיק. לכן המשפט "הכול נמצא באינטרנט" אינו אומר שהכול באמת נגיש.
מידע אינו שווה למסוגלות. מסוגלות נבנית כאשר אדם מבין את הכלי, מתרגל בקצב שמתאים לו ורואה כיצד הוא מתחבר לעסק הספציפי שלו.
המודל אינו ניטרלי: הוא לומד מהעולם כפי שהוא
כדי להשתמש בבינה מלאכותית בצורה אחראית, חשוב להבין עיקרון בסיסי. מודל שפה אינו מאגר של אמת מוחלטת וגם אינו אדם שמחזיק בניסיון חיים ובדעה עצמאית. בבסיסו הוא מודל סטטיסטי שלומד דפוסים מתוך כמויות גדולות של טקסט ומחשב אילו מילים או חלקי מילים צפויים להופיע בהמשך.
לכן הוא יכול לייצר תשובה ברורה ומשכנעת גם כאשר היא חלקית, מוטה או שגויה. הוא אינו עוצר מעצמו ושואל האם מה שנפוץ במידע שעליו למד הוא גם נכון, הוגן או מתאים לקהל שלכם.
והמידע שעליו מערכות כאלה לומדות נוצר בתוך עולם אנושי שאינו ניטרלי. הוא כולל פערים חברתיים, סטריאוטיפים, תפיסות תרבותיות, אינטרסים, מידע שגוי, קולות שקיבלו חשיפה רחבה וקולות שנשמעו פחות.
איך הטיות תרבותיות וחברתיות נכנסות לעסק?
נניח שבעלת עסק מבקשת מהכלי ליצור דמות של מנכ"ל מצליח. האם הוא ייצור גבר או אישה? באיזה גיל? באיזה צבע עור? כיצד הוא יהיה לבוש?
כעת היא מבקשת לתאר את הלקוח האידיאלי לשירות פיננסי יוקרתי. אילו אוכלוסיות המודל יניח שהן בעלות יכולת כלכלית? באיזה סגנון חיים הוא יתאר אותן?
או שהיא מבקשת לכתוב פוסט מקצועי לקהל ישראלי. האם הטקסט באמת יישמע ישראלי, או יהיה גרסה מתורגמת של שפה עסקית אמריקאית? האם הוא יתאים לקהל דתי, חרדי, מסורתי, ערבי או לקהילה מקומית מסוימת?
מחקרים של UNESCO מצאו שמודלי שפה עלולים לשחזר סטריאוטיפים מגדריים ותרבותיים, למשל חיבור נשים לבית ולמשפחה וגברים לעסקים, שכר וקריירה. NIST מדגיש שהטיות במערכות AI אינן נובעות רק מהנתונים, אלא גם מהטיות אנושיות ומהמערכות החברתיות והארגוניות שבתוכן הטכנולוגיה נבנית ומופעלת.
הבעיה אינה רק שהכלי עלול לכתוב משהו בוטה או פוגעני. לעיתים ההטיה שקטה יותר. הוא מציע שוב ושוב את מה שכבר נפוץ ודומיננטי, וכך תפיסות קיימות מקבלות חיזוק ונראות כמו ברירת המחדל.
האם לבינה המלאכותית יש אג׳נדה?
למודל אין בהכרח אג׳נדה עצמאית כפי שיש לאדם. אבל התוצאה שלו מושפעת ממערכת של בחירות אנושיות: איזה מידע נכלל באימון, כיצד מסננים תכנים, אילו תשובות מקבלות חיזוק, אילו נושאים מוגבלים, איזה משוב ניתן למערכת ואילו ערכים מנחים את החברה שפיתחה אותה.
בנוסף, מודל סטטיסטי נוטה לתת משקל לדפוסים שחוזרים במידע. תפיסה שמופיעה שוב ושוב יכולה להישמע בתשובה טבעית ומובנת מאליה, גם כאשר היא משקפת נקודת מבט מסוימת ולא אמת מוסכמת.
עבור בעל עסק המשמעות פשוטה: אי אפשר להעביר למערכת את האחריות לחשוב במקומנו. כאשר משתמשים בה ליצירת מסרים, ניתוח קהלים, מחקר שוק, סינון מועמדים או קבלת החלטות, הבחירה הסופית והאחריות נשארות שלנו.
חמש שאלות שכדאי לשאול לפני שמשתמשים בתוצאה
1. אילו הנחות מסתתרות כאן?
האם הכלי הניח משהו לגבי גיל, מגדר, מצב כלכלי, תרבות או סגנון החיים של הלקוח?
2. מי אינו מיוצג?
האם התוצאה מתאימה רק לקבוצה מסוימת? האם קהלים אחרים אינם נראים או נשמעים בה?
3. האם זה מתאים לעסק שלי?
תשובה יכולה להיות כתובה היטב ועדיין לא להתאים לערכים, לקהל, לשפה או לשוק המקומי של העסק.
4. על מה המידע מבוסס?
כאשר מדובר בנתונים, במחקר שוק, במגמות או בהחלטה עסקית, צריך לבקש מקורות ולבדוק אותם. ניסוח בטוח אינו הוכחה לאמינות.
5. האם הכלי הרחיב את החשיבה או החליף אותה?
המטרה היא לקבל עוד אפשרויות ונקודות מבט. היא אינה לוותר על שיקול הדעת.
טיפ מעשי: אל תבקשו רק תשובה. בקשו גם ביקורת
אחרי שהכלי מציע תוכן, קהל יעד או רעיון, אפשר לבקש ממנו לבחון את עצמו:
| בחן את התשובה שנתת וזהה אילו הנחות תרבותיות, חברתיות, מגדריות או כלכליות עשויות להופיע בה. ציין אילו קבוצות או נקודות מבט אינן מקבלות מספיק ייצוג. לאחר מכן הצע שתי חלופות המבוססות על נקודות מבט שונות והסבר את היתרונות והמגבלות של כל אחת. |
גם הביקורת שהכלי ייתן אינה אמת מוחלטת, אבל היא עוזרת לנו לעצור, להרחיב את המבט ולא לקבל את הגרסה הראשונה כאילו היא האפשרות היחידה.
העתיד לא יהיה שייך רק למי שיש לו גישה
הוא יהיה שייך למי שמפתח יכולת: למי שמתנסה, שואל, בודק, משווה, מזהה הטיות ומבין מתי הכלי עוזר ומתי צריך לעצור.
בינה מלאכותית יכולה לתת לעסק קטן כוח שבעבר היה שמור לארגונים גדולים. אבל כוח בלי ידע וחשיבה ביקורתית עלול לייצר טעויות, תלות ותוכן שמעתיק את העולם הקיים במקום ליצור בו משהו טוב יותר.
המטרה אינה לפחד מהטכנולוגיה וגם לא לסמוך עליה בעיניים עצומות. המטרה היא ללמוד להשתמש בה בלי לוותר על החשיבה, הערכים והאחריות שלנו.
רוצים להפוך את הרעיון לתהליך מעשי?
רוצים להפוך את כלי ה-AI ליכולת עסקית אמיתית, בלי ללכת לאיבוד בין כלים ותשובות? הכירו את הליווי וההדרכה האישית של בינה עסקית.
מקורות מקצועיים להעמקה
Google Machine Learning: הסבר על מודלי שפה גדולים