בשנים האחרונות אני אמנם מובילה את BO-Business Online, חברת ייעוץ המוכוונת השגת מטרות עסקיות בערוצים הדיגיטליים, ומרוכזת בעיקר בצרכים של הלקוחות והארגון, אך הנחיית המסלול הטכנולוגי מרגשת אותי במיוחד ומהווה סוג של סגירת מעגל מבחינתי.
כמי שבתור ילדה חלמה להיות רופאה, כי בתמימותי חשבתי שכך אבין איך המכונה המדהימה הזאת עובדת, ולאחר מכן התגלגלה ללימודי מדעי המחשב לקורסים בחישוביות ובסיבוכיות (קורסים העוסקים ביכולות של מחשבים וברמת המורכבות של בעיות), העולם העוסק בדאטה ובבינה מלאכותית מסקרן אותי וגורם לי להאמין שהטכנולוגיה פותחת בפנינו אפשרויות בלתי מוגבלות.
ובכל זאת, ואולי אף בזכות שהאמונה הזאת כבר טבועה בתוכי, בחרתי לעבוד עם "אנשי הביזנס" ולעסוק יומיום בחיבור בין הצרכים לבין האפשרויות הבלתי מוגבלות.בעולם שבו הלקוחות שלנו הולכים ונעשים חכמים יותר מיום ליום, והמידע נמצא בכף ידם בכל זמן ובכל מקום, רמת הסיבוכיות של מציאת הדרך לשווק מוצר או להציע שירות יוצא דופן ומבדל (ובעיות עסקיות נוספות) הולכת וגדלה.
וכאן נכנסות המערכות הטכנולוגיות. ואני כבר לא מדברת על העובדה שהיום הרבה יותר קל לאסוף דאטה, אלא על כך שפעמים רבות אנו עסוקים בלזכור מה הם הנתונים, אך מתקשים להגיע לתובנות עסקיות יעילות ומדויקות.
בנקודה זו, היתרון הגדול של המכונות, היכולת להתמודד עם כמויות אדירות של נתונים וכוח העיבוד המהיר, עומד לצדינו.
ענקים דיגיטליים מובילים את הדרך בפיתוח Machine Learning:

ויחד עם זאת מחקרים מראים שאימוץ פתרונות כאלה בחברות עדיין אינו נפוץ.
השימושים הפוטנציאליים הם לכאורה אינסופיים: החל בשרשרת האספקה וזיהוי סיכונים ועד לוגיסטיקה ותמיכה טכנית לניתוח התנהגותי ולתמיכת לקוחות.יחד עם זאת חשוב לזכור שאנחנו מדברים היום על Augmented Intelligence – תפקיד המערכות הינו העשרה ושיפור של האינטליגנציה האנושית ולא החלפתה, כפי שמשתמע מהמונח Artificial Intelligence.
Machine Learning אפקטיבית תלויה בנתונים רלוונטיים ואמינים והרבה מהם. בעוד מכונה אפקטיבית מסוגלת לקבל החלטות, לאחר ניתוח דפוסי נתונים גדולים, ההחלטה היא טובה לכל היותר במידת טיב המידע שהאדם סיפק למכונה.
למרות שמוזר לחשוב על "הטיות" של מכונה, מחקר שנערך לאחרונה באוניברסיטת פרינסטון, מצא כי אלגוריתם, המאומן ב -840 מיליארדי מילים מהאינטרנט, סופג סטריאוטיפים הטבועים בשפה ובדעות קדומות המבוססות על גזע ומין כאחד.
אימוץ הטכנולוגיה נקבע בסופו של דבר ע"י כוחות ארגוניים ותרבותיים. פחד, חוסר וודאות וספק לגבי האופן שבו המערכות ישפיעו על תפקידינו ועל פרנסתנו חייבים להיות מטופלים, ויש לבצע השקעה משמעותית בניהול השינוי, כאשר תהליכים עסקיים ומודלים נבנים מחדש כדי לשלב את המערכות.בעולם שבו האבולוציה של הטכנולוגיה עולה באופן אקספוננציאלי על זה של אנשים, המכונות החכמות יהפכו לחלק בלתי נפרד מהעסק, ויסיעו ביצירת תובנות ממידע בדרכים שבני אדם, לבדם, לא יוכלו לעולם. שינויים אלו יובילו לרמות חדשות של אוטומציה, חיסכון בעלויות, ושינוי תהליכים. גרטנר צופה כי ב -2018, ב-45% מהחברות בעלות הצמיחה המהירה יהיו פחות עובדים מאשר יחידות של מכונות חכמות. אלגוריתמים של למידה עצמית יכניסו רמות חסרות תקדים של יעילות במערכות עסקיות, הנוטלות על עצמן עבודה חוזרת על עצמה.
בנקודת הזמן הנוכחית, תמונה זו של העתיד שלנו עשויה להיראות כאיום אנושי. עם זאת, אותו פחד אירע בעבר כאשר אנשים החלו ללמוד לקרוא.
המשמעות של Augmented Intelligence אינה להחליף בני אדם, אלא לנצל את השילוב של אלגוריתמים, Machine Learning וBI כדי לשפר את יכולת קבלת ההחלטות האנושית.התפקיד שלנו הוא ליצור את הגשר בין היכולות הטכנולוגיות יוצאות הדופן למטרות העסקיות של הארגון.