מדוע 95% ממוצרי AI בארגונים נכשלים? הפתרון מתחיל בדאטה

מדוע פרויקטי AI בארגונים נכשלים – הנתונים המדאיגים וחשיבות תשתיות המידע

מחקר עדכני של Humane AI חושף תמונה עגומה: 95% מפרויקטי הפיילוט של AI בארגונים מסתיימים בכישלון חרוץ. ד"ר לימור זיו, מייסדת-שותפה ומנכ"לית החברה, חושפת כי הפער בין ההשקעה בתוכניות AI לבין התוצאות העסקיות נובע משתי סיבות מרכזיות:

1. בעיות איכות נתונים – נתונים מבולבלים, לא מנוטרים וחסרי סטנדרטיזציה.
2. היעדר תשתיות נתונים מספקות – מערכות מבודדות שאינן מתקשרות ביניהן.

דוגמאות מעשיות: כאשר מערכות מחמירות בעיות קיימות

בהרצאתה במסגרת אירוע של כלכליסט ו-KPMG, הדגימה ד"ר זיו כיצד מערכות AI עלולות להפוך מכלי עזר לכלי נשק:

"במערכת המשפט האמריקאית, כלי AI שפותח כדי לסייע בהערכת מסוכנות אסירים יצר הטיה גזענית מובהקת – שחורים קיבלו דירוג מסוכנות גבוה פי שניים, ללא קשר לעבירות שביצעו בפועל. הטכנולוגיה שיועדה לצמצם אפליה היסטורית, החריפה אותה."

האתגר האמיתי: השליטה ב'חומר הגלם' של ה-AI

בניתוח האדריכלות של מערכות AI מציינת זיו נקודה קריטית:

• מרכיבי ליבה: מערכות AI בנויות משני עמודים עיקריים:
  • מודל AI – מיוצר על ידי חברות כמו OpenAI, Anthropic וגופים טכנולוגיים גלובליים (קוד סגור ולרוב ב"קופסה שחורה").
  • נתונים ארגוניים – השלב היחיד שבו לארגון יש שליטה מלאה.

"86% מהארגונים מדווחים כי הטמיעו מערכות AI," מציינת זיו, "אך רק מיעוט זעיר הצליח לתרגם זאת לתועלת עסקית מובהקת. הסיבה המרכזית: נתונים פגומים או מבוזרים בין מחלקות."

ארבע תובנות מפתח להצלחת הטמעת AI

ד"ר זיו מפרטת את העקרונות החיוניים למעבר מפרויקט פיילוט לכושר ייצור:

1. איכות לפני כמות – ה-AI יהיה טוב רק כמו הנתונים שמוזנים לתוכו.
2. השקעה בתשתיות – מערכת אחידה לאיסוף, ניקוי ואינטגרציה של נתונים.
3. ניהול תהליכי שינוי – הטמעה הדרגתית עם הדרכות מותאמות לעובדים.
4. אחריות קולקטיבית – כל עובד בארגון אחראי על אמינות הנתונים.

הצעדים המעשיים הנדרשים מארגונים

על פי המחקר, ארגונים שמצליחים לחצות את השלב הניסיוני מבצעים את הפעולות הבאות:

• מיפוי תהליכי עבודה קיימים ויצירת תקני דאטה מחייבים.
• מינוי צוותי נתונים ייעודיים (Data Stewards) האחראים על תקינות המידע.
• השקעה בכלים לאימות ואינטגרציה של מסדי נתונים מבוזרים.
• פיתוח תרבות ארגונית המדגישה אחריות על איכות המידע.

"בלי טיפול שורש בבעיות הנתונים," מסכמת זיו, "אפילו מודל ה-AI המתקדם ביותר מ-OpenAI או Google ייכשל בסקייל הארגוני. זו כבר לא שאלה של טכנולוגיה – זו שאלה של ניהול נכון."