פער אוריינות הבינה המלאכותית הולך וגדל. הנה כיצד לסגור אותו.

מהי אוריינות בינה מלאכותית?

אדם אוריין-בינה מלאכותית הוא מי שיש לו את היכולת להבין כיצד בינה מלאכותית פועלת ברמה מספקת כדי להשתמש בה ביעילות, לזהות את מגבלותיה וסיכוניה, ולקבל החלטות מושכלות לגבי הפלט שלה. מסגרת אוריינות הבינה המלאכותית של Digital Promise מתארת זאת כשילוב של הבנה, שימוש והערכה.

אך החלק החשוב ביותר, מה שמבדיל בין מתחיל למומחה, הוא הערכה. למרבה הצער, לעיתים קרובות היא זוכה למעט תשומת לב מעשית בהכשרות המרכזיות. לאחר סדנה בת שעתיים, כמעט כל אחד יכול להשתמש בבינה מלאכותית כדי לייצר תשובה מלוטשת לשאלה.

אך היות אדם אוריין-בינה מלאכותית משמעו שיש לו את היכולת לזהות אם התשובה היא:

• מדוייק
• הושלם
• עדכני
• רלוונטי
• בטוח לפעול על פיו

מדוע אוריינות בינה מלאכותית חשובה כעת

בינה מלאכותית הפכה לנגישה וזמינה באופן נרחב, אך קשה יותר למצוא את התמיכה וההכשרה שילמדו כיצד להשתמש בה היטב.

• כ-6.1 מיליון עובדים בארה"ב נמצאים במשרות המאופיינות בחשיפה גבוהה לבינה מלאכותית וביכולת נמוכה להסתגל לשינוי תעסוקתי, כך עולה ממחקר חדש של סם מאנינג (Sam Manning), עמית במרכז לממשל של בינה מלאכותית
• 38% אומרים שהארגון שלהם אימץ בינה מלאכותית, אך רק 12% משתמשים בה מדי יום, על פי סקר הרבעון הרביעי של 2025 של גאלופ.

הפער הזה, שבין הגישה לבינה מלאכותית לבין שימוש בטחון עצמי, יוצר הזדמנות עבור יחידים ועסקים כאחד לתת לעצמם יתרון באמצעות הכשרה באוריינות בינה מלאכותית המכסה הרבה מעבר ללמידה כיצד לכתוב הנחיות טובות יותר.

במקביל, מקינזי מדווחת כי הביקוש לשטף בינה מלאכותית, היכולת להשתמש ולנהל כלי בינה מלאכותית, גדל כמעט פי שבעה מאמצע 2023 ועד אמצע 2025.

• מעסיקים מזהים בבירור את הצורך בהכשרה באוריינות בינה מלאכותית.
• עובדים רוצים לרכוש כישורים.

אך יש דאגה כאשר אימוץ מרבי הוא מדד ההצלחה היחיד. אנשים יכולים ללמוד להשתמש בבינה מלאכותית במהירות, אך הפיכה למשתמש זהיר ומיומן דורשת זמן ותרגול.

הערכה: הכישור החשוב ביותר

הכשרה רבה בתחום הבינה המלאכותית מדגישה את החשיבות של הערכת הפלט, אך אינה מקדישה זמן רב (אם בכלל) להסבר מה משמעות הדבר בפועל.

מעשית, אימות בינה מלאכותית דורש שלושה התנהגויות מרכזיות:

• קריאה בעיון
• הצגת שאלות קשות
• הקצאת זמן לבדיקה כפולה של מקורות, סטטיסטיקות וטענות.

לפני שתפעלו לפי המידע שבינה מלאכותית מספקת, החליטו האם הוא עומד בקריטריונים הבאים או לא:

• האם ניתן לייחס את המידע למקור מהימן?
• האם זה מחזיק מעמד כאשר בודקים חלקים בודדים?
• האם זה מספיק עדכני כדי להיות רלוונטי?

אף על פי שהכתיבה שמייצרת הבינה המלאכותית עשויה להישמע מלוטשת ומקצועית, העובדות עשויות להיות שגויות. בינה מלאכותית עשויה "להזות" על ידי המצאת דברים לחלוטין (קראו כיצד לזהות הזיות בינה מלאכותית: 7 נורות אזהרה), מציאת מידע שגוי או חלקי, או אי-הבנת הממצאים והגעה למסקנה שגויה.

כדי להעריך כל פלט, עקבו אחר התהליך הבא:

איתור ← אימות ← החלטה.

לדוגמה, בקשו מבינה מלאכותית לנסח השוואת מחירים של מתחרים. כדי להעריך את התוצאות:

• פתחו כל דף תמחור (איתור)
• בדקו שמות תוכניות ותמחור (אמתו)
• תעדו מה הבינה המלאכותית הבינה לא נכון או השמיטה, ובצעו את התיקונים הנדרשים (החליטו)

הנה דוגמאות נוספות לאופן הערכת הפלט של בינה מלאכותית.

מדוע רוב ההכשרות בבינה מלאכותית נכשלות בבניית אוריינות

בתוך שנים ספורות בלבד, בינה מלאכותית התפתחה מטכנולוגיה מתמחה לנושא וכלי נפוצים בכל מקום. בעוד מנהיגים עסקיים וממשלתיים מיהרו למצוא משאבי הכשרה, ספקים מיהרו ליצור אותם. הביקוש היה גבוה, אך המומחיות דלילה, ואיכות החומרים הזמינים לא תמיד עמדה בקצב.

התוצאה היא תיאטרון הכשרה המגרד بالكاد את פני השטח של נושאים חשובים, ומספק הדרכה אחידה שמוצגת כאירוע חד-פעמי. היזהרו מהכשרות שבהן:

• המוקד הוא בהיכרות עם הכלים ובאופן כתיבת הנחיות (prompts). סדנה מסוג זה מעניקה מודעות, אך לא את כושר ההבחנה שמגיע עם הצורך להשלים תהליכי עבודה אמיתיים.
• התוכן אינו עוסק בשאלות העמוקות והחשובות יותר של מתי להשתמש בבינה מלאכותית, מתי לא, כיצד להעריך את התוצאות, או כיצד ליישם את חוקי החברה על משימות אמיתיות.
• אין מספיק זמן תרגול, קיים מחסור בהדרכה המותאמת למשימות ספציפיות, ואין משוב על הביצועים של המשתתפים או על מה שהם יכולים לשפר.
• המטרה היא נוכחות, ולא מיומנות.

הגדלה

כיצד לבנות אוריינות בינה מלאכותית בפועל

כדי לרכוש אוריינות בינה מלאכותית, אנשים זקוקים להדרכה מעשית המותאמת לתפקידם, המחייבת אותם להשלים משימות אמיתיות במסגרת תהליך עבודה מציאותי. והם זקוקים לזמן ייעודי לשם כך.

1. הכשרה מעשית מספקת תרגול אמיתי שעוזר לאנשים ללמוד מה לעשות במצבים שונים בסביבה בסיכון נמוך. כאשר הערכה ותיקון הם חלק מתהליך העבודה, המשתתפים לומדים מהניסויים ומהטעויות של עצמם ושל אחרים. התחילו בהירשמות לכלי בינה מלאכותית אחד או יותר, אפילו ברמה החינמית.
2. הכשרה ספציפית לתפקיד היא קריטית משום שהבנה ושיפוט של פלטים שונים דורשים כישורים שונים. אנשים שמעולם לא יצרו גיליון אלקטרוני של טבלת ציר (pivot table) יתקשו לדעת אם הבינה המלאכותית יצרה אחד טוב, או כיצד להנחות אותה לבצע עבודה טובה יותר בפעם השנייה. כך הדבר לגבי הערכת מסמכים משפטיים, דימויים לאתר אינטרנט, סיכום מחקר רפואי עדכני, או כל פלט ספציפי לתפקיד הדורש ידע רקע מסוים. התחילו בזיהוי משימות שגרתיות שניתן לבצע באמצעות בינה מלאכותית.
3. הקצאת משימות אמיתיות עוזרת לאנשים להבין כיצד בינה מלאכותית יכולה לעזור להם לבצע את עבודתם ולבנות את הכישורים להם יזדקקו כדי להשתמש בה. הם ילמדו אילו משימות מתאימות לבינה מלאכותית לביצוע לבד, אילו דורשות פיקוח רב יותר, ומה תמיד דורש שיקול דעת אנושי, וכן מתי וכיצד לשמור על אבטחת נתונים רגישים של לקוחות וחברה. חשבו על סיווג משימות לפי מידת הבדיקה האנושית הנדרשת עבורן. לדוגמה:

1. זמן מוגן הוא החלק האחרון הנדרש לבניית אוריינות בינה מלאכותית, לפעמים לפחות בתחילה. כולם עסוקים, מה שתמיד נראה כמו סיבה טוב להמשיך לעשות דברים בדרך הישנה במקום להקדיש זמן נוסף לניסיון להשתמש בכלי חדש. כמו השקעות טובות רבות, הזמן המושקע בהכשרה ישתלם פי כמה ברגע שאנשים יבינו כיצד לשותף הטוב ביותר עם הבינה המלאכותית. הקצו זמן מסוים מדי יום או שבוע לבילוי, לבד או בקבוצה.

היכן ללמוד

ישנם משאבים רבים הזמינים באינטרנט המספקים הכשרה בסיסית טובה. חפשו את אלה שמבקשים מכם לכתוב ולתקן הנחיות, להשוות פלטים, לאמת טענות, לזהות הקשר חסר, ולהחליט מתי תשובה דורשת בדיקה אנושית. הנה כמה מקומות להתחיל מהם:

• האוניברסיטה הטכנולוגית צ'למרס מציעה את Working and learning with generative AI, קורס מקוון חינמי המשלב לימוד עצמי עם מפגשים חיים אופציונליים. התרגילים מותאמים למקצועות שונים, מתמקדים במשימות מהחיים הכלליים, ומתקדמים משימוש אישי אפקטיבי ועד להאצלת משימות.
• הקורס Generative AI for Everyone של DeepLearning.AI הוא שיעור מקוון בהובלת חלוץ הבינה המלאכותית אנדרו נג (Andrew Ng). הוא מספק סקירה של בינה מלאכותית יוצרת, כיצד היא פועלת ומה היא יכולה לעשות. הוא מציע גם תרגילים מעשיים שיעזרו לכם ללמוד את היסודות ומעבר לכך.
• Perplexity.ai יכולה גם לתמוך בסוג ההכשרה שמשאבים אלה, ומאמר זה, ממליצים עליה: תרגול שאלת שאלות ריאליסטיות, בדיקת הראיות שמאחורי טענות עובדתיות, השוואת מקורות ועידון עבודה באמצעות ביקורת אנושית. עבור תוצאות מחקר מבוססות אינטרנט, הפלט כולל ציטוטים מקושרים המקלות על איתור טענות, סטטיסטיקות וציטוטים בחזרה למקורם. בנוסף, בקרו ב-Perplexity Academy עבור אוסף של סרטוני הדרכה קצרים על נושאים בסיסיים כמו שיטות עבודה מומלצות לכתיבת הנחיות, וכן נושאים מתקדמים יותר כגון יצירת תהליכי עבודה ניתנים לשימוש חוזר עבור משימות שגרתיות וחיבור Perplexity לכלי עסק.

להצעות נוספות בנוגע ללמידה כיצד להעריך בינה מלאכותית, הורידו את המדריך שלנו בנוגע ליצירת מסגרת עבודה לאמון, דיוק ופיקוח. למידע המותאם לענפים ומטרות שונים, כולל שאילתות לדוגמה עבור משימות ספציפיות, חקרו את כל המדריכים שלנו כאן.

אוריינות בינה מלאכותית נבנית באמצעות תרגול, בתהליכי עבודה אמיתיים. סדנאות עשויות לעזור להתניע את התהליך, אך אינן מהוות תחליף לביצוע עבודה אמיתית בכלי בינה מלאכותית, הערכת הפלט, תיקון שגיאות ויישום שיקול דעת אנושי. באמצעות הכשרה מעשית המותאמת לתפקיד והשלמת משימות רלוונטיות במפגשים מוגנים, הבינה המלאכותית תתחיל לספק תמורות מרשימות.

שאלות נפוצות

מהי המשמעות של אוריינות בינה מלאכותית?

אוריינות בינה מלאכותית היא היכולת להבין, להשתמש, להעריך ולקבל החלטות מושכלות לגבי מערכות בינה מלאכותית והפלט שלהן. זה חורג מעבר לכתיבת הנחיות מוצלחות בלבד. אנשים בעלי אוריינות בינה מלאכותית יכולים לזהות היכן הבינה המלאכותית שימושית, להגן על מידע רגיש, לבדוק טענות חשובות, להבין את מגבלות התשובה ולדעת מתי אדם חייב לקבל את ההחלטה הסופית.

מהי דוגמה לאוריינות בינה מלאכותית?

דוגמה לאוריינות בינה מלאכותית היא שימוש בכלי בינה מלאכותית לטיוטת ניתוח מתחרים, ולאחר מכן פתיחת כל מקור מצוטט כדי לאמת מחירים, תכונות מוצר, תאריכים וציטוטים לפני שימוש בניתוח במצגת מכירות. החלק החשוב ביותר באוריינות הוא היכולת לזהות מה דורש בדיקה, לאמת זאת מול ראיות אמינות, ולתקן או לזרוק טענות שאינן נתמכות.

מהם ארבעת עמודי התווך של אוריינות בינה מלאכותית?

מסגרות אוריינות בינה מלאכותית משתמשות במינוח שונה, אך מודל מעשי בעל שלושה חלקים הוא הבנה, שימוש והערכה. אדם בעל אוריינות בינה מלאכותית מבין כיצד בינה מלאכותית פועלת והיכן היא עלולה להיכשל, משתמש בה ביעילות למשימות מתאימות, ויכול להעריך פלט מבחינת דיוק, הטיות, שלמות, עדכניות וסיכון. לעיתים קרובות נכללת גם היכולת להתחבר באחריות על ידי הגנה על נתונים, התחשבות באנשים המושפעים משימוש בבינה מלאכותית, ושמירה על אחריות אנושית. הערכה היא החלק החשוב ביותר, והיא המבדילה בין משתמשים מומחים למתחילים.

כיצד אוכל לשפר את אוריינות הבינה המלאכותית שלי?

שפרו את אוריינות הבינה המלאכותית באמצעות תרגול בעבודה אמיתית ובעלת סיכון נמוך. מדריכים עוזרים, אך אינם מהווים תחליף לתרגול מעשי. בחרו כלי בינה מלאכותית ומשימה הניתנת לחזרה, כגון סיכום מסמך, מחקר על מתחרים או ארגון הערות. לאחר מכן, בדקו את הפלט בקפדנות על ידי איתור מקור המידע, אימות עובדות וציטוטים חשובים, ותיקון שגיאות כלשהן. לאורך זמן, בנו את הרגל ההחלטה אילו משימות בינה מלאכותית יכולה לסייע בהן, אילו דורשות בדיקה אנושית, ואילו יש לשמור לבני אדם. המטרה היא להשתמש בבינה מלאכותית בביטחון, בבטחה ועם שיקול דעת נכון.

כיצד מעריכים את פלט הבינה המלאכותית?

התחילו בטענות החשובות ביותר. בדקו אם המקור קיים ותומך בהצהרה המדויקת. ודאו ששמות, תאריכים, מוצרים ונתונים נכונים ומוצגים بدقة. ודאו שהמידע מעדכני. ערבו סוקר מוסמך להחלטות משפטיות, רפואיות, פיננסיות, אבטחה, תעסוקה או החלטות אחרות בעלות סיכון גבוה. ציטוטים המיוצרים על ידי בינה מלאכותית עשויים להפוך את התהליך למהיר יותר, אך עדיין יש לפתוח ציטוט ולבדוק אותו.