בניית אוריינות בינה מלאכותית בקרב הצוות
רשת קמעונאות אזורית השיקה כלי בינה מלאכותית לתחזית מלאי בשישה סניפים, ותוך חודשיים מנהל סניף אחד חזר בשקט להכין הזמנות ביד בגיליון אלקטרוני, לא כי הכלי טעה, אלא כי הוא לא הבין איך הוא מגיע למספרים שלו ולא בטח במשהו שהוא לא יכול להסביר לצוות שלו. במקביל, סניף אחר קיבל בעיניים עצומות כל המלצה שהכלי הציע בלי לבדוק כלום מול שום דבר, מה שהתגלה כמסוכן באותה מידה, רק בכיוון ההפוך.
למה כלי טוב עדיין נכשל בלי אוריינות מאחוריו
רוב ההשקות הכושלות של בינה מלאכותית הן לא כישלון של הטכנולוגיה, אלא כישלון של הבנה. עובד שלא תופס מה הכלי בעצם עושה מתחת למכסה נוטה לנחות באחת משתי עמדות לא מועילות: או שהוא דוחה את התוצר לגמרי ועובד בעקיפין, מה שמבזבז את ההשקעה, או שהוא מקבל כל המלצה בלי שאלות, וזה סוג סיכון משלו כשהכלי טועה במקרה קצה ספציפי שהוא לא נבנה לטפל בו.
אף אחת מהתגובות האלה באמת לא קשורה לפחד מהחלפה, למרות שזה מה שמאשימים הכי הרבה. בדרך כלל זה פשוט יותר: אף אחד לא הסביר בבירור במה הכלי טוב, איפה הוא נוטה לטעות, ואיך נראית בדיקת שפיות סבירה לפני שפועלים לפי התוצר שלו.
מה אוריינות בינה מלאכותית באמת אומרת לצוות של עסק קטן
זה לא אומר להפוך עובדי חזית למדעני נתונים, וההצגה הזו היא חלק מהסיבה שתוכניות אוריינות נתקעות עוד לפני שהן מתחילות. אוריינות בינה מלאכותית מעשית לרוב העובדים אומרת שלושה דברים ספציפיים: הבנה כללית למה הכלי מאומן ולמה לא, ידיעה אילו תוצרים כדאי לבדוק ידנית ובמהירות לפני שפועלים לפיהם, ותחושת נוחות לשאול למה הוא הציע את זה בלי שהשאלה הזו תיחשב כסימן שהם לא מבינים.
לעסק שמשתמש בבינה מלאכותית בכלים מול לקוחות, כמו צ'אטבוט או סוכן קולי, אוריינות אומרת גם הבנה של מה המערכת מעבירה לבן אדם ולמה, כך שהצוות לא נתפס לא מוכן כששיחה נוחתת בתור שלו בלי הקשר על מה שכבר קרה.
לבנות את זה בלי תקציב הדרכה או תוכנית רשמית
הגרסה היעילה ביותר של זה לעיתים רחוקות נראית כמו שיעור בכיתה. היא נראית כמו סקירה של רבע שעה כל שבועיים שבה מישהו מראה דוגמה אמיתית: הנה מקרה שהבינה המלאכותית צדקה בו, הנה מקרה שהיא טעתה בו קצת ולמה, הנה מה שעשינו עם זה. דוגמאות אמיתיות מהעסק שלכם נדבקות הרבה יותר טוב מקורס אונליין כללי, כי הצוות מזהה את הלקוח הספציפי, את המוצר הספציפי, את המצב הספציפי.
תיעוד דפוסי טעויות ככל שהן קורות חשוב יותר ממה שרוב העסקים מבינים. אם כלי התחזית באופן עקבי מעריך בחסר את הביקוש סביב חג מסוים, לכתוב את זה ולשתף הופך שיעור שאדם אחד למד בדרך הקשה לידע בסיסי של כולם, במקום שכל מנהל סניף יגלה מחדש את אותו פער באופן עצמאי במהלך ששת החודשים הבאים.
תפקידים שונים צריכים עומק שונה, לא אותה הדרכה לכולם
עובדי חזית שמשתמשים בכלי יומיומית צריכים היכרות מעשית ופרקטית: מה לבדוק, מתי לסמן בעיה, איך לעקוף המלצה כששיקול הדעת שלהם אומר אחרת. מנהלים ובעלים שמחליטים אילו כלי בינה מלאכותית לאמץ מלכתחילה צריכים סוג אחר של אוריינות, הבנה מספקת כדי לשאול ספק שאלות ממוקדות ולזהות הבטחה מנופחת, במקום לקחת שיחת מכירה כפשוטה רק כי הפרטים הטכניים נשמעים משכנעים.
להתייחס לשתי הקבוצות באותה צורה, או להעמיס על עובדי החזית פרטים טכניים שהם לא צריכים, או להשאיר את המנהלים רק עם הגרסה השיווקית של איך הכלי עובד, נוטה לייצר בדיוק את אי-ההתאמה באמון שהופיעה בשישה הסניפים של הרשת הקמעונאית.
הטעויות שמבטלות את המאמץ הזה בשקט
דפוס נפוץ הוא לתת לאדם אחד נלהב שאימץ את הכלי מוקדם להגדיר הכל ולהפוך למומחה הבלתי רשמי, מה שעובד יפה עד שהאדם הזה יוצא לחופשה או עוזב את החברה, ואז אף אחד אחר לא מבין את המערכת מספיק טוב כדי להסביר אותה, שלא לדבר על לתקן בעיה קטנה. גם מפגש היכרות אחד בהשקת כלי לא מספיק, כי גם הכלי וגם האופן שבו אנשים משתמשים בו ממשיכים להשתנות, ואוריינות שנבנתה פעם אחת נוטה להתיישן תוך כמה חודשים בלי חיזוק. עסקים שמצליחים בזה מתייחסים לאוריינות בינה מלאכותית כהרגל מתמשך שארוג בתוך שיחות הצוות הרגילות, לא כאירוע חד-פעמי שמסמנים וי לצידו וממשיכים הלאה.