ה-AI צריך להתמקד בקיימות ובאימוץ עסקי, לא רק במהירות

בזמן ש-Sam Altman ו-Dario Amodei מתווכחים על סכנות ה-AI, העולם האמיתי מתקשה לאמץ את הטכנולוגיה.

שתי פרשנויות אחרונות ב-Fortune טוענות שהמירוץ ל-AI צריך לשנות כיוון: מהתמקדות במהירות ובעליונות טכנולוגית להתמקדות בקיימות, בתשתיות ובאמון עסקי. זה לא עוד ויכוח תיאורטי – זה שינוי שצריך להשפיע על כל מי שעובד בתעשייה.

מה בעצם קרה כאן?

בשבוע האקלים באו"ם, נושאים כמו כוח למרכזי נתונים, שיתוף פעולה בינלאומי ומדיניות אנרגיה תפסו מקום מרכזי. הטענה המרכזית: כדי ש-AI יהיה בר-קיימא, צריך להתמקד לא רק בפיתוח מודלים חדישים, אלא גם בבניית תשתית שיכולה לעמוד בדרישות האנרגיה העצומות שלו.

מרכזי נתונים צורכים כמויות עתק של חשמל ומים, וגורמים לפליטות פחמן. בינתיים, מדינות אחרות מתקדמות עם אנרגיה נקייה, בעוד שמדיניות בארה"ב נתקעת. זה יוצר לחץ כלכלי וסביבתי, כאשר עסקים ורגולטורים מתחילים להטיל מגבלות על בניית מרכזים חדשים.

המירוץ הלא נכון

אבל הסיפור השני ב-Fortune הולך רחוק יותר. הוא טוען שאנחנו בכלל מנהלים את הוויכוח הלא נכון על קצב הפיתוח. המונח "Compute-to-GDP Fallacy" מתאר את האמונה השגויה שכל שיפור במודל AI מתורגם מיד לצמיחה כלכלית. במציאות, עסקים נמצאים שנים מאחורי החזית הטכנולוגית.

נתונים מ-McKinsey מראים שרק 6% מהחברות מדווחות על השפעה משמעותית של AI על הרווחים שלהן. יותר מ-70% מהחברות המובילות מזהות את הנתונים כמחסום העיקרי ליישום AI, ורק 7% מהחברות מתארות את הנתונים שלהן כ"מוכנים לחלוטין". זה אומר שגם אם יפותחו מודלים מתקדמים יותר, עסקים לא יכולים להשתמש בהם בלי התאמות עמוקות בתשתיות ובתהליכים.

מה זה אומר על ה-AI בישראל?

עבור עובדי ההייטק בישראל, זה סיפור מוכר. הרבה חברות כאן מתקשות לשלב AI במערכות קיימות בגלל בעיות נתונים, תקנים רגולטוריים ותשתיות מיושנות. הלחץ לפתח מודלים חדשים מהר לפעמים גורם להתעלמות מהצרכים האמיתיים של הלקוחות.

הטענה היא שהגיע הזמן להתמקד באימוץ עסקי, בבניית אמון ובפתרונות שמתאימים לצרכים ספציפיים. זה לא אומר להפסיק חדשנות, אלא לאזן אותה עם פרקטיות.

תשתיות ושיתוף פעולה בינלאומי

באירופה, צרפת מושכת השקעות זרות ישירות ומשתפת פעולה עם קנדה כדי ליצור שוק גדול עם כללים ברורים. זה מראה שמדינות שמשקיעות בתשתיות ובהסכמים בינלאומיים יכולות למשוך עסקים, בעוד שוואקום מנהיגותי בארה"ב יוצר אי-ודאות.

בינתיים, שבבים ישנים יותר מוצאים חיים חדשים במשימות הסקה עסקיות. חברות משתמשות בארכיטקטורות חדשניות כמו neuro-symbolic כדי להפחית עלויות הסקה ב-80%, באמצעות שילוב של מודלים ישנים יותר.

אז מה הלאה?

המירוץ ל-AI הוא לא רק על מי בונה את המודל הכי מהיר. השאלה היא מי יכול להפוך אותו לנחלת הכלל – בר-קיימא, בטוח ושימושי לעסקים. זה דורש מנהיגות מצד מדינות, שיתוף פעולה בינלאומי וסבלנות מצד חברות טכנולוגיה.

בסופו של דבר, התשובה לא תגיע מהגברים הכי רועשים בחדר, אלא ממי שמשקיע בתשתיות, במדיניות ובהכשרה מקצועית.