מהן אוטומציות AI?

מה הייתה המגבלה של אוטומציות במשך שנים?

אוטומציות מסורתיות עובדות היטב כשיש כללים ברורים: אם קרה דבר מסוים, בצעו פעולה מסוימת. אם לקוח בחר בטופס „מחלקת מכירות”, הפנייה עוברת למכירות. אם בחר „תמיכה”, היא עוברת לתמיכה. אבל מה קורה כשהלקוח שולח הודעה חופשית?

„קניתי אצלכם מכונה לפני חודש, היא שוב נעצרת באמצע העבודה ואני צריך שמישהו יחזור אליי היום.”

כדי לטפל בהודעה הזו צריך לזהות שמדובר בתקלה, להבין שזו כנראה בעיה חוזרת ולהבחין בבקשה לטיפול דחוף. במערכת המבוססת על כללים בלבד אפשר לחפש מילים כמו „תקלה” או „דחוף”. אלא שבדוגמה שלנו אף אחת מהמילים האלה אינה מופיעה. ככל שמוסיפים ניסוחים ומקרים אפשריים, הכללים נעשים מורכבים יותר, ועדיין נשארים מקרים שלא חשבנו עליהם.

גם לפני הגל הנוכחי של AI היו מערכות שסיווגו טקסטים וזיהו דפוסים. אבל עבור עסקים רבים, טיפול גמיש בשפה חופשית ובמידע משתנה דרש פתרונות ייעודיים ומאמץ משמעותי.

מה AI משנה באוטומציות?

AI מאפשר להוסיף לתהליך שלב שמפרש מידע שאינו מגיע בפורמט קבוע: הודעה, מסמך, תמלול שיחה או בקשה שמנוסחת בדרך חדשה.

במקום להסתמך רק על הבחירה של הלקוח בטופס או על מילות מפתח, אפשר לבקש מהמערכת לזהות את מטרת הפנייה, לחלץ פרטים חשובים ולהציע את הצעד הבא.

בדוגמת המכונה, תהליך מתוכנן יכול:

הגישה למידע וביצוע הפעולות מחייבים חיבור מתאים למערכות העסק והרשאות שהוגדרו מראש. AI אינו מקבל את הגישה הזו מעצם השימוש בו.

אוטומציית AI היא, אם כך, תהליך אוטומטי שמשלב יכולות AI באחד או יותר מהשלבים שלו. חלק מהפעולות יכולות להיות רגילות לחלוטין, כמו שמירת פרטים במערכת, ואחרות מצריכות פירוש של מידע או יצירת תוכן.

כך נפתחות אפשרויות לאוטומציה של משימות שבעבר היה קשה יותר לבצע באופן אוטומטי: מיון פניות לפי תוכנן, השוואת מסמכים שנכתבו אחרת, הכנת טיוטות מותאמות ללקוח או הפיכת סיכום פגישה לרשימת משימות.

האם אפשר לסמוך על אוטומציות AI?

אפשר להשתמש בהן באופן מועיל, בתנאי שמתכננים את הבדיקות ואת מידת העצמאות בהתאם למשימה.

טעות בתיוג מסמך פנימי אינה דומה לטעות בהצעת מחיר שנשלחה ללקוח או בהחלטה שמשפיעה על בטיחות. ככל שההשלכות של טעות משמעותיות יותר, כך נדרשות בדיקות מקיפות יותר ובקרה הדוקה יותר.

לפני שמפעילים תהליך, צריך לבדוק אותו על דוגמאות אמיתיות, כולל מקרים חריגים: מידע חסר, בקשות לא ברורות, מסמכים סותרים ומצבים שבהם אין למערכת תשובה מספקת. צריך גם להגדיר מתי היא עוצרת ומעבירה את הטיפול לאדם.

בתהליכים עסקיים שבהם טעות עלולה לסכן חיים, הגישה שאני ממליץ עליה היא בדיקה אנושית מקצועית של כל תוצאה לפני שמשתמשים בה לקבלת החלטה או לביצוע פעולה. גם בדיקה כזו אינה מבטיחה אפס טעויות ואינה מחליפה בחינה מקצועית של התאמת המערכת למשימה.

גם עם בדיקה אנושית אפשר לחסוך זמן רב

נניח שעובד צריך לקרוא כמה מסמכים, לאתר פרטים ולהכין טיוטת דוח. האוטומציה יכולה להכין עבורו את הטיוטה ולציין מה המקור לכל פרט, והעובד בודק ומתקן אותה.

הבדיקה עדיין דורשת עבודה, אבל העובד מקבל חומר מאורגן שאפשר לבחון. את החיסכון צריך למדוד בפועל, כולל הזמן שנדרש לבדיקות ולתיקונים.

אפשר גם להוסיף בדיקות אוטומטיות בין השלבים: לוודא שלא חסרים שדות, להשוות סכומים למערכת המקור או להפעיל בדיקת AI נוספת שמחפשת פערים בין המסמך המקורי לסיכום.

בדיקות כאלה יכולות לשפר את האיכות, אך בדיקת AI נוספת עלולה לפספס את אותה טעות. לכן כדאי לשלב בדיקות מול מקורות וכללים ברורים, ולבחון אם הן אכן תופסות טעויות. גם ההנחיות של Anthropic לבניית מערכות כאלה מדגישות בדיקות, משוב ונקודות בקרה אנושיות. להרחבה