אז איך אנחנו צריכים ללמוד לעבוד עם הרובוטים (כדי שלא יחליפו אותנו) חלק 7 - בינה מלאכותית היא לא גוגל, והיא גם לא העבד שלכם/ יניב אלטרס
- יניב אלטרס
- 15 בספט׳
- זמן קריאה 5 דקות
אחרי שעברנו יחד על היבטי הכלכלה, המדיניות הציבורית והפסיכולוגיה של מהפכת ה ,AI בנינו אסטרטגיות אישיות להתמודדות, ודנו בשאלה האם עבודת אדם-מכונה היא פריבילגיה של מעטים - הגיע הזמן לגעת בעוד נושא פרקטי, שכאנשי HR ולמידה בארגונים, שאמונים על שיפור ביצועים והכנת הארגון לכשירות עתידית היא מאוד משמעותית בעיני
איך עובדים עם AI בצורה שבאמת עובדת?
כי הנה האמת הלא נוחה: רוב האנשים משתמשים ב-AI בצורה שמבזבזת את הפוטנציאל שלו, מתסכלת אותם, ובסוף גורמת להם להחליט ש"זה לא עובד" או ש"זה רק הייפ".
עוד אמת לא נוחה- אנשים עדיין לא יודעים לייצר סימביוזה אמיתית ביניהם לבין המכונה. באמת לעבוד עם בינה מלאכותית כ"זרוע ארוכה" שלהם.ושוב, כאנשי למידה- זה לא מעט עלינו.
הבעיה היא לא ב- .AI הבעיה היא באופן שבו אנחנו מתייחסים אליו, ובאופן שבו אנחנו מכשירים את העובדים שלנו לעבוד איתה.דיסקליימר- הכותב אינו מומחה AI ואינו מתיימר להיות. זה הכל הגיגי מחשבות שלי מתוך עבודה אישית והתבוננות במה שקורה אצל לקוחות שלי, שרובם מבולבלים בדיוק כמו רובנו.
הטעות הגדולה ביותר שכולם עושים
הטעות הכי נפוצה שאני רואה זה להתייחס ל- AI כאל מנוע חיפוש מאוד חכם.
אנשים פותחים ChatGPT ושואלים: "מה הגיל של ביל גייטס?" או "תן לי רשימה של עשר מסעדות טובות בתל אביב". ואז הם מתאכזבים כשהתשובות לא מדויקות לחלוטין או לא עדכניות.
בינה מלאכותית זה לא ויקיפדיה חכמה. זה לא בנק נתונים. זה לא מנוע חיפוש. הוא שותף חשיבה. "זרוע ארוכה".
ההבדל עצום. כשאתם שואלים חבר "מה הגיל של ביל גייטס?", אתם לא מצפים שהוא יהיה אנציקלופדיה מהלכת. אבל כשאתם אומרים לו "אני מנסה להבין איך אנשים בגיל של ביל גייטס חושבים על טכנולוגיה", אתם מצפים שיהיה לו מה להגיד. זה מה ש- AI עושה טוב.
לא עובדות - חשיבה.
הטעות השנייה בגדלה זה להתייחס ל AI כאל עוזר אישי שמחכה לקבל הוראות. "כתוב לי מייל". "עשה לי מצגת". "תן לי תכנית עסקית". זה כמו לבקש מעמית חדש בעבודה להכין מצגת חשובה בלי לספר לו כלום על הפרויקט, על הקהל, על המטרות, ואז להתעצבן שהתוצאה לא טובה.
בינה מלאכותית לא קוראת לכם מחשבות. ה-AI לא יודע מה המטרה שלכם, מי הקהל היעד, מה הטון שאתם רוצים, איך אתם עובדים. כשאתם עובדים עם AI כמו עם עבד, אתם מקבלים תוצאות של עבד: מכניות, בלי נשמה, ובסוף אתם מתעצבנים עושים הכל מחדש. או מדלוורים תוצר עקום.
והטעות השלישית היא לצפות לשלמות מהרגע הראשון.
יש אנשים שכותבים פרומפט אחד, מקבלים תוצאה לא מושלמת, ומסיקים "זה לא עובד".
זה כמו ללמוד לנהוג, להיכשל בפעם הראשונה שמנסים לחנות, ולהחליט שנהיגה היא לא בשבילכם. עבודה עם AI זה מיומנות. כמו כל מיומנות, היא דורשת בניית אוריינות.
תרגול, סבלנות, והבנה איך המערכת "חושבת".
איך כן עובדים עם AI
העקרון הראשון הוא לראות ב-AI שותף שיחה, לא מכונת ציטוטים.
במקום לשאול "מה זה מרקטינג דיגיטלי?", נסו: "אני מנהל עסק קטן ומבולבל מכל האפשרויות במרקטינג דיגיטלי. יש לי תקציב מוגבל וקהל יעד צעיר. איך אתה היית מתחיל לחשוב על זה?" ההבדל הוא שבשיחה השנייה אתם נותנים הקשר, מגדירים בעיה, ומזמינים את ה-AI לחשוב איתכם.
העקרון השני הוא להתחיל עם המסגרת, לא עם התוכן.
במקום "כתוב לי מצגת על AI בחינוך", נסו: "אני צריך להציג לצוות הנהלה של בית ספר איך AI יכול לעזור במערכת החינוך. הם מפחדים מטכנולוגיה ודואגים לעלויות. איך הייתם ממסגרים מצגת כזו? איזה מבנה יעבוד הכי טוב?" קודם בונים יחד את השלד, אחר כך ממלאים אותו.
העקרון השלישי הוא להבין שהתהליך הוא המטרה, לא התוצר.
השינוי המהותי הוא להבין ש AI לא כאן כדי לעשות במקומכם - הוא כאן כדי לעזור לכם לחשוב טוב יותר. כשאתם כותבים בקשה לAI תשאלו את עצמכם: מה אני מנסה להבין? איזה זווית אני מפספס? איך אני יכול לבדוק את ההנחות שלי?
הכלים שבאמת עובדים (לי, בינתיים, כרגע...)
הטכניקה הראשונה היא מה שאני קורא "המומחה המתמחה".
במקום לבקש תשובה ישירה, בקשו מה- AI לגשת לבעיה כמו מומחה בתחום: "נגיד שאתה יועץ אסטרטגי מנוסה שעובד עם סטארטאפים. לקוח מגיע אליך עם הבעיה הזו. איך הייתם מתחילים לנתח את המצב?"
הטכניקה השנייה היא "השותף הביקורתי". השתמשו ב- AI כדי לאתגר את הרעיונות שלכם: "הנה התכנית שלי. תוכל לשחק את התפקיד של מישהו שמתנגד לרעיון הזה ולהציג את הנקודות החלשות?"
הטכניקה השלישית היא "האיטרציה המודרכת".
עבדו בסיבובים קצרים: בקשו טיוטה ראשונה, בקשו שיפור על בסיס המשוב שלכם, בקשו וריאציות, בנו יחד את הגרסה הסופית. "הנה הטיוטה שהכנתם. היא טובה, אבל הטון פורמלי מדי לקהל שלי. תוכלו להפוך אותה ליותר שיחתית אבל עדיין מקצועית?"
והטכניקה הרביעית היא "ההקשר המלא" - תמיד תנו הקשר מלא: מי אתם, למי אתם פונים, מה המטרה, מה האילוצים, איך תיראה הצלחה.
מה AI עושה מעולה ומה הוא עושה גרוע
כלי בינה מלאכותית מעולה בארגון רעיונות - לקחת ערימה של מחשבות ולעזור לכם לארגן אותן.
הוא מצוין במציאת זוויות שלא חשבתם עליהן - "איך הייתם מסתכלים על זה מנקודת המבט של לקוח?"
הוא מצוין בשדרוג הכתיבה - לא כתיבה במקומכם, אלא עזרה לכם לכתוב טוב יותר.
הוא מצוין בסיעור מוחות מובנה - כל הטכניקות של חשיבה יצירתית, אבל עם שותף שלא נגמר לו סבלנות.
והוא מצוין בהסבר מורכבות - לקחת משהו מסובך ולעזור לכם להבין אותו או להסביר אותו לאחרים.
אבל AI גרוע בעובדות עדכניות - תמיד בדקו מידע עדכני ממקורות אמינים. חלקנו למדנו את זה בדרך הקשה...
הוא גם גרוע בהחלטות עסקיות קריטיות - הוא יכול לעזור לכם לחשוב, לא להחליט במקומכם.
הוא גרוע ביצירתיות "מהלב" - הוא יכול לעזור בתהליך היצירתי, לא להיות היוצר.
הוא גרוע בהבנת הקשרים רגשיים מורכבים, בעיקר בעבודה עם אנשים. והוא גרוע במיקרו-מנג'מנט של פרטים - הוא טוב בתמונה הגדולה, פחות בפרטים הקטנים.
המלכודות להימנע מהן
יש כמה מלכודות שחשוב להכיר.
מלכודת "הכל או כלום" - אל תצפו שה- AI יפתור את כל הבעיה או לא יעזור בכלל. השתמשו בו לחלקים ספציפיים.
מלכודת "הפרפקציוניסט" - אל תבזבזו שעות על פיין טיונינג של הפרומפט המושלם. לפעמים "טוב מספיק" זה בדיוק מה שצריך.
עוד מלכודת שעליתי עליה היא מלכודת "החליפה" - אל תנסו להחליף חשיבה אנושית בחשיבה של AI. השתמשו בו כדי לשדרג את החשיבה שלכם (כמו שקראתי לזה קודם "הזרוע הארוכה"). ולבסוף, מלכודת "השליטה" - אל תנסו לשלוט בכל מילה שה-AI מייצר.
לפעמים ההפתעות הן החלק הכי טוב. תלוי מתי ותלוי למי...
מבט ארגוני: איך זה קשור לכולנו
כיועץ שמתעסק בלמידה ארגונית, אני רואה שהארגונים שמצליחים עם AI (וזו מילה ענקית לשלב המאוד התחלתי וכאוטי שבו כולנו נמצאים, אבל הכל יחסי...) הם לא אלה שמכשירים את כל העובדים בקורסים טכניים.
הדרגות אוריינות זה נחמד וחשוב, וזה השלב שבו רוב הארגונים נמצאים כרגע. אבל מי שבאמת מצליח ליצור ולעבוד עם בינה מלאכותית הם הארגונים שמבינים שהמעבר לעבודה עם AI הוא בעיקר מעבר תפיסתי- תרבותי.
תרבות שבה נורמלי להתנסות ולהיכשל. תרבות שבה אנשים מרגישים בטוחים לשתף ניסיונות ולא מוכנים. תרבות שבה מנהלים מעודדים עובדים לקחת זמן ללמוד, גם אם זה אומר פרודוקטיביות נמוכה יותר לטווח הקצר.
אני חושב שצריך לשנות דיסקט לגבי ההתייחסות שלנו למהפיכת הבינה המלאכותית הזאת כאל עוד "הטמעת מערכת מידע".
בתור התחלה אפשר לקחת מגוף מערכות המידע הארגוני את הובלת התהליך.
הם חלק חשוב מאוד בזה, אבל לעיתים קרובות הם גרועים מאוד בהובלת מהפכות תפיסתיות.
בלי להעליב אף אחד (הנה אני מסתבך...) אבל המוחות היצירתיים יותר בעולם הטק לא יושבים כנראה במחלקת ה- IT אצלכם.
הארגונים שיצליחו הם אלה שיבינו שהשקעה בלמידת עבודה עם AI היא לא עוד תהנליך שינוי, והכי חשוב, היא לא הוצאה - היא השקעה אסטרטגית שתקבע מי יהיה רלוונטי בהמשך ומי לא.
זו השקעה שלא יכולה להישאר רק ברמה האישית. וזה לא נגמר בהרצאות אוריינות.
בתמונה- דברים שאני אישית אוהב לעשות ושכנראה לא יעלמו בקרוב בגלל ה-AI, וטוב שכך...
תודה יניב, אהבתי את הדיוק שלך לכך שהבינה המלאכותית עוזרת לנו לדייק את עצמנו עוד בשלב השאלה. מה בעצם אני רוצה לקבל ממנה, מה חסר לי בחשיבה שלי, איזו עין ביקורתית הייתי רוצה לקבל. אני רוצה להוסיף שכל אחת מהתוכנות (צ'אט, ג'ימיני, קלוד....) נותנת משהו קצת שונה ולכן אני אוהבת לבדוק בינהן את התשובות לקחת ולהתאים לעצמי בכל פעם מחדש את המודל שעוזר לי בהקשרים השונים.