גישה לבינה מלאכותית: למה לא לשמור אותה רק לעובדים מצטיינים

הגבלת גישה לבינה מלאכותית לעובדים מצטיינים בלבד היא תשובה לא נכונה לבעיה אמיתית. AI אכן יכול להאיץ עבודה רשלנית ולהעניק ביטחון מופרז למי שחסר לו ידע מקצועי. אבל הפתרון הוא לא להפוך את הטכנולוגיה לפרס, אלא לתת גישה מבוקרת לפי תפקיד וסיכון, לפתח כשירות ולהציב יעדים עסקיים מדידים.

מצוינות אינה מדיניות הרשאות, ורישיון אינו תוכנית התייעלות. ארגון ישראלי שרוצה להפיק ערך מההשקעה צריך להפריד בין הזכות ללמוד ולהשתמש בכלים לבין הסמכות להפעיל אותם על מידע רגיש או לבצע באמצעותם פעולות מחייבות.

הטעות היא לא בפיילוט מצומצם, אלא בתנאי הכניסה

בחברת התשלומים Paysend בחרו בגישה סלקטיבית להקצאת כלי AI. החברה מדווחת על תוספת של כ־25% בתפוקת הפיתוח ללא הגדלת מספר העובדים. זהו דיווח מעניין, אבל הוא אינו מוכיח שהגבלת הגישה היא שיצרה את השיפור. כדי לבסס זאת צריך לבחון גם את סוג המשימות, איכות התוצרים, היקף התיקונים ושינויים נוספים בתהליך העבודה.

יש היגיון להתחיל עם עובדים בעלי ידע מקצועי, יכולת ביקורת ורצון להתנסות. הם יכולים לזהות טעויות, לבנות שיטות עבודה ולסייע לאחרים. הבעיה מתחילה כשהפיילוט הופך למועדון קבוע, והערכת הביצועים הקודמת של העובד הופכת לכרטיס הכניסה היחיד.

עובד מצטיין אינו בהכרח משתמש אחראי ב־AI. עובד שטרם בלט עשוי להכיר היטב צוואר בקבוק תפעולי ולזהות הזדמנות שאחרים פספסו. את הכשירות צריך לבדוק ביחס למשימה, לא להסיק אוטומטית מהדירוג השנתי.

ההבחנה הזו מאפשרת לפתוח את הדלת בלי לוותר על שליטה. למשל, עובד יכול להתנסות בניסוח מסמך על מידע שאינו רגיש, בעוד ששליחת הודעה ללקוח או עדכון מערכת כספית יישארו כפופים להרשאות ולאישור מתאים.

מה עדיף: לחלק לכולם או לבחור מצטיינים?

זו בחירה מדומה. חלוקה גורפת של רישיונות ללא הכשרה אינה אסטרטגיה, אבל גם מניעת גישה אינה מנגנון ניהולי מספק. החלופה היא נגישות רחבה ללמידה, שימוש מדורג ואחריות ברורה לתוצאות.

הטבלה אינה מציעה לתת לכל עובד את כל הכלים ואת כל ההרשאות. היא מציעה לקבוע תנאים ענייניים: מה מותר להזין, אילו תוצרים מחייבים בדיקה, מי רשאי לחבר מערכות ובאילו נסיבות אפשר להרחיב שימוש.

כאשר המסלול המאושר חסום או איטי מדי, עובדים עלולים לפנות לחשבונות פרטיים ולכלים שלא נבדקו. זהו שימוש לא מאושר ב־AI, המכונה Shadow AI. אין פירוש הדבר שצריך לאשר כל מוצר מבוקש, אלא שצריך לספק חלופה מועילה, זמינה וברורה.

למדוד תהליך שהושלם, לא תחושת מהירות

הדיון בהרשאות מסתיר לעיתים שאלה חשובה יותר: מה הארגון רוצה לשפר?

עובד שמפיק מסמך מהר יותר לא בהכרח מקצר את התהליך. ייתכן שהמנהל מקדיש יותר זמן לבדיקתו, שהמחלקה המשפטית מתקנת ניסוחים, או שהלקוח חוזר עם שאלות. גם קוד שנכתב במהירות אינו הישג אם עלות התחזוקה שלו עולה.

לכן, לפני הרחבת השימוש יש להגדיר קו בסיס ולבחון:

• זמן מקצה לקצה: מתחילת הבקשה ועד לתוצאה שהתקבלה ואושרה.
• איכות: טעויות, תיקונים, החזרות ועמידה בדרישות מקצועיות.
• עלות כוללת: רישיונות, פיתוח, אינטגרציה, בדיקה אנושית ותחזוקה.
• תוצאה עסקית: קיצור זמני שירות, הגדלת קיבולת, צמצום פיגורים או שיפור רווחיות.

חיסכון בזמן הוא יכולת שהתפנתה, לא בהכרח חיסכון כספי. כדי לממש אותו צריך להחליט מה עושים בקיבולת החדשה: מטפלים ביותר לקוחות, סוגרים צבר, משפרים שירות או נמנעים מהוצאה עתידית. ללא החלטה כזו, התועלת עלולה להישאר בדוח השימוש.

היעד אינו שעובדים ישתמשו יותר ב־AI. היעד הוא שהארגון ישלים יותר עבודה נכונה, בעלות ובסיכון שהוא יודע לנהל.

שני מסלולים שצריכים להתקדם במקביל

הראשון הוא אוריינות AI לעובדים: ניסוח בקשות, מתן הקשר, בדיקת תשובות, זיהוי מגבלות ושמירה על מידע. תקשורת יעילה עם מודלים היא מיומנות עבודה, אבל היא אינה מחליפה ידע בתחום המקצועי.

השני הוא פיתוח סוכנים ותהליכים ארגוניים. כאן הארגון אינו מסתפק בכך שכל עובד ימציא לעצמו שיטת עבודה. הוא בונה תהליך משותף עם מקורות מידע מאושרים, הרשאות, בדיקות, ניטור ובעל תפקיד אחראי.

במקרה שתואר ב־Paysend, עובד בתחום קידום האתרים הציע לעבור מכלי כללי לסוכן ייעודי להכנת בריפים. זו הבחנה חשובה: לפעמים הערך הגדול אינו בשיחה פתוחה עם מודל, אלא בתהליך ממוקד שמייצר תוצר מוגדר בתוך סביבת העבודה הקיימת.

כלי אישי דורש מהעובד לזכור מתי להשתמש בו ולשנות הרגלים. סוכן שמשולב היטב בתהליך עשוי לצמצם את הצורך הזה. עם זאת, מאחורי הנוחות נדרשת תשתית: חיבורים למערכות, בקרת גישה, תיעוד, בדיקות ויכולת לעצור פעילות שגויה.

1. 01

   בוחרים תהליך ותוצאה

   מגדירים בעיה עסקית, בעל אחריות ומדדי זמן, איכות ועלות.

2. 02

   קובעים גבולות שימוש

   ממפים מידע, הרשאות ופעולות שמחייבות אישור אנושי.

3. 03

   מכשירים ובודקים כשירות

   מתרגלים משימות אמיתיות ובוחנים את יכולת העובדים לזהות כשלים.

4. 04

   מריצים פיילוט מדיד

   משווים את התהליך החדש לקו הבסיס, כולל תיקונים ועבודת בקרה.

5. 05

   מרחיבים לפי ראיות

   מרחיבים גישה ואוטומציה כאשר התוצאות מצדיקות זאת והסיכונים נשלטים.

המסלול הזה מחליף מבחן עמום של מצוינות בתנאים שאפשר להסביר ולבדוק. הוא גם יוצר דרך התקדמות לעובדים: ללמוד, להוכיח כשירות ולקבל אחריות נוספת.

אדם בלולאה אינו אדם שמאשר הכול

AI מאפשר לבצע משימות שכוללות פרשנות ושיקול דעת, ולכן גם התוצאות אינן דטרמיניסטיות. אחריות אנושית נותרת חיונית. אבל אם כל תוצר מחייב קריאה מלאה מחדש, חלק גדול מהיתרון התפעולי עלול להיעלם.

הפתרון הוא בקרה בהתאם לסיכון: בדיקות אוטומטיות במקומות המתאימים, דגימה במשימות שגרתיות, והעברת מקרים חריגים או בעלי השלכות משמעותיות לאיש מקצוע. סוג הבקרה צריך להתאים לתהליך ולהוראות הדין הרלוונטיות.

המטרה היא לא להסיר אחריות, אלא לאפשר לאיש מקצוע לפקח על היקף פעילות גדול יותר בלי להפוך לחותמת גומי. לשם כך הוא צריך לראות חריגים, להבין החלטות ולקבל סמכות להתערב.

ההחלטה שהנהלה צריכה לקבל

אל תהפכו AI להטבה למצטיינים. הגדירו אותו כיכולת ארגונית שדורשת הכשרה, הרשאות ואחריות.

לצד זאת, בנו יכולת פנימית להקמה ולניהול של סוכנים, ובחרו מובילים שמשלבים ידע עמוק ב־AI, השכלה רלוונטית וניסיון עסקי ויישומי. היכרות עם כלי חדש או הדגמה מרשימה אינן תחליף להבנת תהליך, סיכון וכלכלה.

המדיניות הנכונה פותחת גישה ללמידה, מדרגת סמכויות לפי כשירות וסיכון, ומרחיבה שימוש לפי תוצאות. כך AI מפסיק להיות פרס אישי והופך למערכת עבודה שהארגון יודע לנהל.