צורי דבוש יו״ר חברת קליל: "התנגשות הציפיות בין הייטק לתעשייה - דיוק של 80% ב-AI? בתעשייה זה כישלון"

הטמעת טכנולוגיות בינה מלאכותית (AI) הפכה בשנים האחרונות לאחד היעדים המרכזיים של חברות הייטק וסטארטאפים, אך כשמגיעים לרצפת הייצור של המפעלים הפיזיים  המציאות מתגלה כמורכבת בהרבה. הפער בין סביבת הפיתוח השקטה והממוזגת לבין התנאים התפעוליים בשטח מייצר חיכוך מתמשך בין יזמים לבין תעשיינים.

"אני מחזיק בשני כובעים, כובע של הייטק וכובע של תעשיין, והחיבור ביניהם מלא באתגרים", מסביר צורי דבוש. לדבריו, השורש של בעיית ההטמעה טמון בחוסר הבנה בסיסי של אנשי הטכנולוגיה את אופי העבודה בתעשייה היצרנית.

אחת הבעיות המרכזיות שעליהן מצביע דבוש היא הפער הדרמטי בין מצגות הדמו לבין תנאי האמת במפעל. "מישהו מציג דמו שהכול עובד בו ונראה מגניב, אבל כשפתרון מגיע לקו הייצור אתה מגלה עולם אחר. הסביבה רועשת, מאובקת, לחה, חמה או קרה, והאינטנסיביות התפעולית אינה סלחנית. אנשים זזים, יש מלגזות ומנופים, אלו דברים שלא קורים במשרד ממוזג".

בנוסף לסביבה הפיזית, קיימת בעיית טרמינולוגיה ורגולציה. יזמים רבים מגיעים ללא היכרות עם התקנים המחמירים החלים על מפעלים, ואף ללא שליטה בשפה המקצועית של התחום. דבוש ממליץ למפתחים להשתמש בכלי AI עצמם כדי ללמוד מראש את הרגולציה והמונחים המקומיים: "אפילו מילה פשוטה כמו 'תבנית' נקראת אחרת כמעט בכל ענף תעשייתי. כדי ליצור מגע ראשוני נכון, חייבים לדבר בשפה של המפעל".

אם בהייטק נהוג להשיק מוצרים במצב בטא ולשפר תוך כדי תנועה, בתעשייה המודל הזה פשוט לא ישים.

"מגיעים סטארטאפיסטים ואומרים 'אנחנו בדיוק של 80%' או 'המערכת תלמד תוך כדי, זה לא מספיק. התעשייה צריכה משהו שעובד ברמות דיוק שכמעט מתקרבות ל-100%", מבהיר דבוש. המשמעות של אחוז טעות קטן בתעשייה אינה "באג" במערכת, אלא מוצרים פגומים, השבתת קווי ייצור, נזק לציוד יקר, פגיעה במוניטין עלויות המסתכמות בהון עתק.

מכשול נוסף שצובר תנופה הוא "כלכלת הטוקנים" ועליות השימוש הגבוהות במודלים של AI. ללא הגדרה מראש של מודל התשלום וזהות הנושא בעלויות העיבוד, מפעלים עלולים להיתקל בחיובים חודשיים מנופחים ולא צפויים. כמו כן, סוגיית הבעלות על המידע המוזרם למערכות ה-AI מחייבת הסדרה משפטית ורגולטורית קפדנית מראש.

למרות הקשיים, הטמעת AI בתעשייה היא חיונית, והדרך להצלחה עוברת דרך תיאום ציפיות ריאלי. דבוש מתווה מספר עקרונות מפתח ליזמים ולמנהלי מפעלים:

להפסיק להבטיח ״נפתור הכל״: יזמים צריכים להתמקד בבעיה ספציפית ועמוקה ולהציע מומחיות נישתית, ולא להציג את עצמם כמי שמסוגלים לפתור כל אתגר.

הגדרת מדדי הצלחה ברורים (KPIs): יש לקבוע מראש עם המפעל מהם המדדים להצלחת הפרויקט ולספק לוח בקרה שקוף למעקב.

התחלה בקטן: מומלץ להתחיל פיילוט באזור תחום שלא מסכן את רצפת הייצור הקריטית.

מודלים של שותפות: עבודה במודל של הקטנת עלויות ראשוניות או שותפות בסיכון עוזרת להפחית את חששות התעשיין.

לצד האזהרות, נראה כי השוק מזהה את הפוטנציאל הטמון בחיבור זה. גופים וקרנות השקעה, בהם חממת i4Valley המתמחה ב-AI תעשייתי וקרן IL Ventures למענה בשלבים מתקדמים יותר, משקיעים משאבים רבים במיזמים שמצליחים לצלוח את פער ההטמעה.

״ליזמים יש אחריות רחבה יותר מהפרויקט הפרטי שלהם", מסכם דבוש. "כל כישלון של מערכת AI ברצפת הייצור שורף את האמון של התעשיינים ומקשה על הבאים בתור. שקיפות לגבי הסיכונים והגדרת גבולות גזרה ברורים מראש הן הדרך היחידה לבנות אמון ארוך טווח״.