כאשר כולם אחראים על AI, לפעמים בפועל אף אחד אינו אחראי.
בארגונים רבים השאלה מי מוביל את ה-AI נשארת ללא תשובה ברורה. מערכות מידע בוחנים אבטחה ורישיונות, משאבי אנוש מארגנים הדרכות, יחידות מקצועיות מתחילות להתנסות וההנהלה מבקשת לראות תוצאות. כל גורם עושה חלק חשוב, אבל ללא מבנה משותף נוצר פער בין המדיניות לבין מה שקורה בשטח.
AI אינו עוד מערכת מחשוב בלבד. הוא משפיע על תפקידים, תהליכי עבודה, החלטות, מידע, שירות, תרבות ומיומנויות. לכן אין יחידה אחת שמחזיקה לבדה בכל הידע והסמכות הדרושים.
לכל גורם יש אחריות אחרת
הנהלה בכירה: כיוון, סדרי עדיפויות ואחריות
ההנהלה צריכה להגדיר למה הארגון נכנס לתחום, אילו מטרות הוא רוצה לקדם, איזה סיכון הוא מוכן לקחת ומה חשוב לשמור. בלי חסות ניהולית, AI נשאר ניסוי מקומי של עובדים נלהבים.
מערכות מידע ואבטחת מידע: תשתית וגבולות
הם בוחנים כלים, הרשאות, אינטגרציות, שמירת נתונים, סיכוני סייבר ותאימות למדיניות הארגונית. תפקידם אינו רק לומר מה אסור, אלא לסייע למצוא פתרונות בטוחים לשימושים בעלי ערך.
משאבי אנוש והדרכה: אנשים, מיומנויות ושינוי
משאבי אנוש ממפים תפקידים שמשתנים, בונים מסלולי למידה, תומכים במנהלים, מטפלים בחששות ומוודאים שההטמעה אינה מעמיקה פערים. הם גם צריכים להיות שותפים למדיניות כאשר AI משפיע על עובדים או החלטות תעסוקתיות.
היחידות המקצועיות: המציאות בשטח
הן יודעות אילו תהליכים באמת מכבידים, איזה מידע נדרש ואילו חריגים קיימים. בלי מעורבות שלהן, הארגון עלול לרכוש כלי מרשים שאינו מתאים לעבודה.
ייעוץ משפטי ופרטיות: זכויות וחובות
כאשר יש שימוש במידע אישי, קבלת החלטות, זכויות עובדים או שירות לציבור, נדרש ליווי משפטי ופרטיות. המעורבות צריכה להתחיל בשלב האפיון ולא רק לאחר בחירת הכלי.
הפתרון: הובלה משותפת עם בעל תפקיד מרכז
אחריות משותפת אינה אומרת שאין מוביל. כדאי למנות גורם שמרכז את התהליך, מחבר בין היחידות ומוודא שהחלטות מתקבלות. הוא אינו חייב להיות מומחה טכנולוגי, אך הוא צריך להבין את הארגון, לדעת להניע שותפים ולשמור על רצף בין אסטרטגיה ליישום.
לצדו מומלץ להקים צוות מצומצם ורב תחומי. לא ועדה גדולה שנפגשת פעם ברבעון, אלא צוות עבודה שמסוגל לאשר ניסויים, להגדיר גבולות, לפתור חסמים ולעקוב אחרי תוצאות.
ארבע החלטות שחייבות להיות ברורות
- מי מאשר כלי או שימוש חדש?
- מי אחראי על הערכת הסיכון והפרטיות?
- מי מוביל את ההדרכה והשינוי?
- מי מודד תוצאות ומחליט אם להרחיב או לעצור?
מסגרת NIST מציעה לחשוב על ארבע פעולות מתמשכות: ממשל, מיפוי, מדידה וניהול. בארגון, הפעולות האלה מתחלקות בין כמה בעלי תפקידים. התיאום ביניהם הוא זה שהופך AI מפרויקט מקומי ליכולת ארגונית.
מה קורה כשאין חלוקת אחריות?
מערכות מידע עלולים לחסום שימושים כי אין להם הקשר עסקי. משאבי אנוש עלולים להעביר הדרכה בלי כללים ברורים. עובדים משתמשים בכלים פרטיים. מנהלים מקבלים תוצרים בלי לדעת כיצד נבדקו. ובסוף, הארגון מגיב לאירועים במקום לנהל את התחום.
מתחילים קטן, אבל לא באופן מקרי
אין צורך להקים מנגנון כבד לפני ההתנסות הראשונה. אפשר להתחיל בצוות מוביל קטן, מדיניות בסיסית, שני שימושים מאושרים ותהליך החלטה קצר. ככל שהשימוש מתרחב, מוסיפים בקרה ומומחיות. העיקר הוא שגם בפיילוט קטן יהיה ברור מי אחראי על מה.
הובלה נכונה של AI אינה תחרות בין יחידות. זו יכולת לחבר בין מומחיות טכנולוגית, הבנת אנשים, צורך מקצועי ואחריות ניהולית. כאשר החיבור הזה קיים, הארגון יכול להתקדם מהר יותר וגם בביטחון רב יותר.
AI הוא נושא טכנולוגי, אנושי ועסקי בו זמנית. כך גם צריכה להיראות ההובלה שלו.
קריאה לפעולה
רוצים לבנות מבנה אחריות ברור להטמעת AI בארגון? הכירו את תהליכי האפיון, הייעוץ והליווי של בינה ארגונית.
קישורים ומקורות מקצועיים
NIST AI Risk Management Framework