האם הארגון שלכם מוכן ל-AIaaS?

מאת: ד"ר אילן ששון, מנכ"ל Data Science Group, מומחה לבינה מלאכותית ומרצה לתארים מתקדמים בפקולטה להנדסה באוניברסיטת תל אביב.

המהפכה הטכנולוגית הרביעית המיוחסת בין היתר לעידן יישומי הבינה המלאכותית מייצרת לארגונים באשר הם מגוון הזדמנויות ביצירת טרנספורמצית AI אשר תאפשר להם השאת ערך בסביבה עסקית תחרותית תוך שימוש במודלים מתקדמים של למידת מכונה, זאת תוך שילובם והטמעתם במגוון תהליכים עסקיים עתירי נתונים. בינה מלאכותית הפכה לאחרונה לגורם משמעותי בצמיחתם של עסקים וכולם רוצים בה חלק. היא מאפשרת לעסקים למנף את המידע שהם צוברים כדי להבין טוב יותר את הלקוחות שלהם, להציע לשוק שירותים ומוצרים מדויקים יותר, לייעל ולמטב תהליכי ייצור ושינוע ולחזות טרנדים עתידיים בתעשייה בה הם פועלים. יכולות אלו מבדלות, ללא ספק, את העסק והופכות אותו לתחרותי יותר. הרצון של ארגונים למנף יכולות AI הביא להולדתו של ענף יחסית חדש – AI "כשרות" (AIaaS), המציע גישה לפתרונות "מדף" AI ענניים, זאת בדומה לשימוש בשירותי תוכנה כשרות – SaaS.

יחד עם זאת, ההבטחה הקיימת ב-AIaaS נושאת אתגרים חדשים משלה ובפועל היא מחייבת גישה היברדית הכוללת שילוב של הקמת מרכז מצוינות פנים ארגוני – AI CoE  – זאת, לפני שארגונים יוכלו לצרוך מגוון שירותי AI אלסטיים על פי דרישה ועל פי הצורך.

מהו AIaaS ולמה מתלהבים ממנו?

בדומה לצריכת שירותי מחשוב ותשתיות ענן, AIaaS מאפשר לחברות המעוניינות בפיתוח מוצרים ושירותים מבוססי ניתוח נתונים, שילוב ושימוש מבוקר ובעלות נמוכה יחסית של תוכנות AI מדף ענניות מוכנות כדוגמת צ'אט בוטים לשירות לקוחות ומכירות, ממשקי API קוגניטיביים המאפשרים יכולות עיבוד שפה, תרגום, חיפוש, מיפוי מידע, ניתוח  סמנטי של תמונות, וכן פתרונות למידת מכונה המאפשרים שימוש מידי ומהיר.  

על פניו, ניתן לעשות שימוש, הן ברכיבים מוכנים וארוזים המחייבים שינויים והתאמות מינוריות לצרכי הארגון הספציפיים, והן בפיתוח מהיר של פתרונות  AI ברמת מורכבות סבירה. השימוש המידי והזמין בשירותי AIaaS אמור לסייע לרוב בבחינה מהירה של בדיקות היתכנות ראשוניות (POC). בפועל, מן הראוי לציין כי  פרויקטי AI בעלי מורכבות אלגורתימית גבוהה מחייבים מן הסתם שימוש במגוון כלים מתקדמים אשר הפעלתם מחייבת ידע והבנה מתמטיים וסטטיסטיים עמוקים.

אולם ככלל, השימוש בשירותים אילו אפקטיבי במיוחד לארגונים אשר הנתונים התפעוליים שלהם מאוחסנים אצל ספקי ענן שונים, ולעיתים הקושי בפיתוח המודל הוא משני ביחס לקושי הכרוך בהטמעה בסביבת ייצור תפעולית המחייבת שימוש בשירותים מובנים שלMLops , זאת בדומה ל- DevOps. סט שירותים אילו מאפשר אוטומציה של תהליכי אספקת התוכנה (delivery) ושל שינויי תשתית הנדרשים מעת לעת כתוצאה של מאמצי פיתוח מתמשכים (continuous development), בדיקות אינטגרציה מתמשכות, פריסה רציפה וניטור רציף של התשתית הטכנולוגית לאורך כל מחזור חיי הפיתוח (CI/CD) והצינור הטכנולוגי על כל שלביו.

ההבטחה הגלומה מאחורי AIaaS גרמה לשוק זה להמריא. חברות מחקר מעריכות כי שוק ה- AIaaS יגדל בכ-14.7 מיליארד דולר עד שנת 2025. אנליסטים מייחסים את הגידול להתפשטות מגפת הקורונה בעולם, שהניעה יותר ויותר ארגונים להאצת תהליכי דיגיטיזציה וניסיון למנף טכנולוגיות AI שיסייעו למטב תהליכים ולבנות שרידות עסקית לצד גמישות תפעולית.

חסרונות  ארכיטקטורת מוכוונות – שירותים מבוססי AIaaS

אימוץ גורף של שירותיAIaaS  אינו בהכרח אלטרנטיבה אפשרית וזמינה לכל ארגון ומן הסתם גם לא לכל סוג  אפליקציה מבוססת AI. ארגונים רבים לא יכולים לנייד את הנתונים שלהם אל סביבות ענן ציבוריות מטעמי אבטחת מידע ובמקרים רבים ניוד של מסדי נתונים גדולים על גבי רשת האינטרנט הוא בבחינת חלופה שאינה מעשית. כמו כן, הפתרונות המוצעים במסגרת זו עדיין אינם בשלים דיים על מנת לאפשר פיתוח של מודלים בעלי רמת מורכבות גבוהה.

יתרה מכך, הארגון פעמים רבות אינו בשל על מנת להטמיע בתוכו פתרונות AIaaS. ארגון המאמץ כלי AI מהמדף ללא תשתית הולמת עלול למצוא את עצמו עם בליל של פתרונות AI מספקים שונים, שאינם מנוהלים ואינם מנוטרים. בנוסף, שינויים בנתונים המוזנים  למודלי ה-AI יכולים לגרום לטעויות קריטיות ללא פיקוח מקצועי. סחף בהתפלגות נתונים, שהנם קריטיים למודל, יכול לגרום להידרדרות משמעותית בביצועי המודל. שילוב של פתרונות AI שאינם מנוהלים כהלכה לצד דאטה שאינו מנוטר יכול לגרום לטעויות בקבלת החלטות עסקיות  ויתירה מכך לקבלת החלטות מסוכנות בסביבה של דיאגנוסטיקה רפואית מבוססת AI.

אתגרים נוספים לשימוש ואימוץ גורף בשירותי AIaaS כוללים סוגיות של זמינות תשתית תקשורת לשירותים בעלי רמת קריטיות גבוהה; סוגיות של העלאת נתונים חסויים לשרתי צד שלישי באשר הם; עלויות גבוהות הכרוכות בשימוש במשאבי מחשוב באימון מודלים עתירי נתונים; אי התאמה לבעיות ספציפיות של הארגון עקב שימוש ברכיב "מדף" גנרי; נעילה אפשרית לספק ספציפי (vendor lock-in) של פתרונות AIaaS; אתגרי אינטגרציה למערכות פנים ארגוניות קיימות או חדשות; סוגיות שימוש ורישוי הפצה ללקוחות הארגון של מערכות AI מבוססות שירותים אילו; שימוש בפתרון מבוסס קופסא שחורה מבלי היכולת להבין את המנגנונים הפנימיים של מודלי למידת המכונה, בהם נעשה שימוש "עיוור" ללא שקיפות אלגוריתמית; שימוש בשירותים אילו עדיין מחייב צוות מדעני נתונים מיומן ואנשי תשתיות ענן ועוד.

מה דרוש על מנת שפתרונות AI  יספקו ROI אמתי לארגון?

שימוש בפתרונות AI דורש ראשית את ההבנה כי קיימת אי-וודאות באופן פעולתם של אלגוריתמים. היכולת להפיק תועלת עסקית מבינה מלאכותית כרוכה בניסיון, תשתיות, כלים, זמן וכוח אדם ייחודי. ארגון המאמץ מודלי AI חייב בהבנת הטרמינולוגיה, בחירת מודלים, פלטפורמות וסוגי פתרונות שונים ובניית התשתית הטכנולוגית לתמיכה בבעיות שונות. יתרה מכך, נדרשת מתודולוגיה המגדירה נהלי פיתוח, הקמה והצבה של מערכות AI בסביבת ייצור תפעולית, ניטור המערכות, אסדרה ואימוץ רגולציות AI ועוד.

כמו כן הניסיון לשעבד מודלים תשתיתיים וכלכליים השאובים  מעולמות ה-SaaS הקלאסיים בהקשר של AI ו-AIaaS בפרט יהיה נדון לכישלון או להצלחה חלקית. סקירת שוק מקיפה של תחום ה-AI אשר פורסמה על ידי קרן ההון הסיכון האמריקאית Andreessen Horowitz , המנהלת נכסים בשווי של 16 מיליארד דולר עם פורטפוליו של 404 סטארט אפים ועם 217 אקזיטים, מציינת כי שוק ה-AI המתהווה מייצר מודל כלכלי חדש הכולל שילוב של תוכנות ושירותים ואשר במהותו שונה מכלכלת השוק המוכרת של עולם אפליקציות התוכנה.

הפתרון האפקטיבי ביותר לקידום בינה מלאכותית בארגון הוא הקמת מרכז מצוינות  (AI CoE)שמטרתו לסייע למנף יכולות AI להפקת ערך עסקי. מרכז המצוינות יאפשר בחינה של טכנולוגיות רלבנטיות, אימוץ מתודולוגיות פיתוח, גיוס, טיפוח ושימור מדעני נתונים ועוד. מרכז שכזה ממלא תפקיד חיוני בפיתוח חזון, אסטרטגיה ומפת דרכים של הארגון, מפקח על השקעות AI שמבצע הארגון ומשמש כזרז לפיתוח יכולות פנימיות של חינוך והכשרת עובדים.

היכולת להקים מרכזי מצוינות כאלו נשענת על מודל היברדי, הכולל שילוב חדשני של טכנולוגיות, מתודולוגיות עבודה וכוח אדם מתאים, העוסק בליבת העסקים של אותם ארגונים אשר עבורם נבנה שירות חדשני. שירות זה מסופק על ידי שחקנים מובילים בתחום ה-AI  בעלי ניסיון מוכח בהקמת מרכזי מצויינות לארגונים. מרכזים אלו כוללים את שלל הרכיבים הדרושים להפעלה מהירה של מודלי AI בעלי הלימה ישירה למטרות עסקיות ספציפיות של כל ארגון.