רוב העבודה שלי כיועצת חדשנות היא בארגונים ממשלתיים ובמערכות ביטחון. וזה אומר, ביומיום, לחיות בתוך פער מתמיד.
אתה פוגש שם אנשים מצוינים, חדים ומובילים בתחומם. בתחומי הליבה שלהם פועלות מערכות מתקדמות מאוד, אבל כשזה מגיע למטלות משרד, ובעיקר לצערי, לעולמות הלמידה, הזמן עובד אחרת לגמרי. אי אפשר להשתמש בעושר שיש לאינטרנט להציע, אין שירותי ענן, וכל מוצר, תשתית או קוד חייבים לפעול On-premise (התקנה מקומית בלבד על שרתי הארגון, מנותקת לחלוטין מכל ענן). מעבר לזה, אי אפשר סתם לייצר דברים בחוץ ולהעביר פנימה, כי התוכן עצמו רגיש ומסווג. הכל חייב להיוולד, להתפתח ולהישאר בפנים.
יש אמנם AI גם בתוך הרשתות האלה, אבל הוא פועל תחת מגבלות האבטחה והסביבה המקומית, ולא תמיד מספק את אותה חוויה שמכירים מהרשת הפתוחה.
הפער בין הרשת הפתוחה לרשת המנותקת
בחוץ הכל רץ קדימה. ברשת הפתוחה אפשר להרים בתוך דקות דברים מרהיבים, מלוטשים, שנראים ומרגישים כמו מוצר דיגיטלי לכל דבר. בפנים, המודלים מעולים בלייצר טקסט פדגוגי ולדייק ידע, אבל ברגע שמבקשים מהם לבנות חוויה, מבנה ונראות, מקבלים שממה.
ואני לא הסכמתי לקבל את זה שתוכן שנלמד בתוך רשת מאובטחת חייב להיראות כמו טופס ממשלתי משנת 2003.
לפצח את הארכיטקטורה: להכניס את הכלי, לא להוציא את התוכן
אז מצאתי דרך משלי. הבנתי שאם התוכן לא יכול לצאת החוצה, מה שצריך להיכנס פנימה זה רק המעטפת.
בניתי בחוץ את כל מה שהמודל הפנימי לא יודע לחלום עליו: עיצוב מודרני, טיפוגרפיה חדה, כרטיסים, פלטות צבעים ואינטראקציות חכמות. ארזתי הכול בתוך מחולל שמייצא קובץ HTML עצמאי או חבילת SCORM.
התוצרים פועלים באופן מלא On-premise, ללא תלות ברשת חיצונית ובסביבה המנותקת לחלוטין מהאינטרנט.
את התבניות הריקות האלה העברתי בתהליך האישור ובדיקות האבטחה הנדרשות, עד שהן נחתו בתוך הרשת הפנימית.
ברגע שהשלד המעוצב כבר יושב בפנים, נשאר למשתמש בארגון לעשות רק דבר אחד, את מה שה-AI המקומי הכי חזק בו: התוכן.
איך AI ברשת מנותקת עובד כאן בפועל?
מנהל הלמידה נכנס למחולל ובוחר את התבנית שמתאימה לצורך הפדגוגי שלו: תרחיש דילמה וקבלת החלטות, דף One Pager מרוכז, ספר דיגיטלי, מבדק ידע, או תהליך שלבים מובנה.
הוא מעתיק פרומפט מובנה בתבנית ומדביק אותו בצ'אט של ה-AI הארגוני.
במקום לגנרט ישר תשובה, המודל מתחיל לפעול כמו מעצב למידה: שואל למי מיועד התוכן, מה מטרת הלמידה, ומבקש את החומרים המסווגים שיחידת הלמידה מתבססת עליהם. בסיום השיחה ה-AI מחזיר את התוכן במבנה נתונים מוגדר. מדביקים אותו בחזרה במחולל, ובשניות נולד תוצר למידה שלם ומעוצב.
ומכאן הכל פתוח וגמיש. אפשר לערוך כל מילה, לשנות צבעים, להוסיף או להסיר בלוקים, לשלב מדיה ולדייק את הניואנסים, ורק אז לייצא ישירות למערכת הלמידה.
משבועות של בירוקרטיה לשעה אחת
תהליך שפעם לקח חודשים של סבבי פיתוח, עיצוב ותקציבים, מתכנס לשעה אחת. גם בארגון הכי סגור.
ברור שתמיד יהיו פרויקטי דגל שידרשו צוות ייעודי ותהליך ארוך. אבל רוב החיים בארגון הם הצרכים הדחופים: הנחיה מבצעית שחייבת לרדת לשטח מחר בבוקר, נוהל עבודה שהשתנה, או ידע קריטי שצריך להנגיש עכשיו. במקומות האלה, לתת לאיש מקצוע שחי ברשת מבודדת להפיק תוצר שנראה מיליון דולר בתוך שעה, זה מדהים.
בעולם שבחוץ פתרון כזה עשוי להיראות כמו מעקף מוזר, הרי יש אלף אפליקציות ענן זמינות בקליק, אבל בתוך מציאות של רשת מנותקת ודרישות On-premise מחמירות, הפתרון הזה הוא פשוט זהב טהור.
כשהמגבלות הופכות למנוע של חדשנות
בסוף, דווקא המגבלות הקשוחות, הרשת המנותקת, הבדיקות המחמירות, המודל המפוקח, הן אלה שדחפו אותי להמציא משהו שלא היה קיים שם קודם. וזה בדיוק מה שמרתק אותי בחיבור שבין AI ללמידה. כי בסוף, פתרון AI טוב הוא לא זה שמשתמש במודל הכי מפוצץ, אלא זה שיודע לעבוד חכם בתוך המציאות שיש.
לקריאה נוספת: מה שלימדתי שש שנים בבר־אילן, והסוכן עשה בשעה אחת (כמעט)