איך בוחרים חברת AI בישראל

שלושה ספקים, שם אחד

השורה השלישית צרה, והיא לא תמיד הנכונה. אחרי שההכרעות נעשו, להמשיך לקנות הכרעות זה בזבוז. היא מופיעה כאן כי הכשל היקר בשוק הזה הוא השורה השנייה שנקנתה בזמן שנדרשה השלישית, והוא בלתי נראה עד שהכסף יצא.

שבע שאלות, בסדר הזה

1. מה יימדד לפני שמתחילים? אם אין תשובה, אין איך לדעת בעוד חצי שנה אם זה עבד, ולכל תוצאה אפשר יהיה לקרוא הצלחה.
2. מה היה גורם לכם לומר לנו לא לעשות את זה? להצעה שאין לה תשובה יש מסקנה אחת אפשרית, כלומר המסקנה לא נוצרה מהעבודה.
3. מה קורה כשהמערכת טועה, ומי שם לב? אם התשובה היא שמישהו יבדוק, השימוש לא תוכנן.
4. האם הנתון יוצא מהארגון, ולאן? בכתב.
5. האם המודל רואה יותר ממה שהמשתמש רשאי לראות? זה הכשל השקט שלא נראה כתקלה.
6. מי בדיוק יעשה את העבודה, והוא פנוי עכשיו? האנשים בפגישת המכירה לרוב אינם האנשים בפרויקט.
7. מי חותם על העברית? בשם. לא «יש לנו דובר עברית».

שימו לב שאף אחת מהשבע אינה טכנית. בפרויקטים שראיתי, הטכנולוגיה כמעט לעולם אינה מה שנשבר.

הדגמה: מה לבקש במקום מה שמציעים

הדגמה רגילה מראה את המקרה שעובד. היא לא אומרת כלום, כי המקרה שעובד עובד בכל מוצר.

שלוש בקשות הופכות הדגמה למידע:

• על הנתונים שלכם, כולל הגרועים: המסמך הסרוק עקום, זה בשתי שפות באותה שורה, זה שספק קטן כתב ביד. הנכונות לעשות את זה אומרת יותר מהתוצאה.
• מסך החריגים, לא מסך ההצלחה. מה רואה האדם שצריך להכריע, וכמה שניות זה לוקח לו.
• מקרה שבו המערכת לא בטוחה. האם היא מסמנת את עצמה, או עונה בביטחון ממילא. ההבדל בין שני סוגי הטעות האלה הוא ההבדל המרכזי בכל פרויקט AI, והדף על עיבוד חשבוניות מפרט אותו.

ארבעה סעיפים שייחודיים לפרויקט AI

הסעיפים הרגילים, קניין רוחני ולוח זמנים, מופיעים בכל חוזה. אלה ארבעה שנוגעים דווקא לפרויקט מהסוג הזה, ושנעדרים גם מחוזים שנכתבו בזהירות.

1. למי שייך מה שנבנה מהנתונים שלכם. לא הקוד, אלא התוצרים: ההנחיות שכויילו על המקרים שלכם, הדוגמאות שנאספו, מודל שהותאם. אלה נוצרו מהידע שלכם ולכן צריכים להיות שלכם, וזה כמעט לעולם לא כתוב.
2. מה קורה לנתונים בתום ההתקשרות. נמחקים, מוחזרים, או נשארים בשירות של מישהו אחר. ובכתב, עם לוח זמנים ועם אישור שזה בוצע.
3. האם הנתונים שלכם משמשים ללקוחות אחרים. שאלה פשוטה שמקבלת לרוב תשובה מרגיעה בעל פה ולא בכתב. בקשו בכתב.
4. מי אחראי למה שהמערכת אומרת ללקוח. כשעוזר אוטומטי נותן תשובה שגויה ללקוח שלכם, האחריות היא שלכם כלפיו. זה סעיף בעל צד משפטי, וכדאי שייסגר לפני ההשקה ולא אחרי האירוע הראשון.

הסעיף הראשון הוא זה ששווה הכי הרבה כסף לטווח ארוך, והוא מנוסח בדרך כלל כך שהתוצרים נשארים אצל הספק, לא מתוך כוונה רעה אלא כי אף אחד לא שאל. ברגע ששואלים, הוא בדרך כלל נסגר בלי התנגדות.

מה הקשר הישראלי מוסיף

עברית צריכה חתימה מקצועית. לא בדיקה של דובר, אישור של מי שכותב את השפה לפרנסתו. עוזר שמייצר עברית כמעט נכונה נראה מרושל, וזה גלוי ללקוחות מהיום הראשון ובלתי נראה לצוות שבנה אותו.

רב-לשוניות היא המצב הרגיל. אותו אדם קורא עברית, עובד באנגלית ומקבל תוכן ברוסית. השפה היא תכונה של האדם ושל ההודעה, לא של המערכת, ותרגום חסר חייב להיראות כחסר ולא להתמלא בשפה אחרת.

מקום הנתונים ורגולטור מקומי הם קלט לתכנון. איפה המידע מותר לשבת, והאם החלטה שנוגעת בלקוח חייבת להיות ניתנת להסבר. אלה שאלות משפטיות שקובעות ארכיטקטורה, וספק שמתייחס אליהן כרשימת סימונים בסוף תכנן על הנחות שלא בדק.

איך אני עובד על זה

עיסוק בתחום מאז 2004, עבודה על מערכות AI מאז 2023, פרויקטים ללקוחות בארבע עשרה מדינות. אני השורה השלישית בטבלה למעלה ובמכוון לא השנייה: אני לא מוכר תפוקת פיתוח. לזה יש תוצאה שכדאי לומר במפורש, כי היא הסיבה לקרוא את הדף הזה כמשהו אחר מטיעון מכירה. המסקנות «כאן AI לא נדרש, צריך לתקן תהליך» ו«הנפח שלכם קטן מכדי להצדיק את זה» לא עולות לי כלום, ולכן אני מגיע אליהן כשהן נכונות.

מה סקירה מייצרת: מדידת המצב הקיים לפעולה שרוצים להסיר, הגבול בכתב בין מה שהמודל מציע לבין מה שכלל מכריע, שאלות הנתונים וההרשאות עם תשובות, וסדר עבודה שבו המקרה הראשון נבחר לפי שכיחות ולא לפי רושם.