ביותר משנתיים מאז ש-OpenAI הציגה את ChatGPT, בינה מלאכותית גנרטיבית (GenAI) נקשרה בעיקר לשינוי אופן פעולתם של מקצועות צווארון לבן. במחקר משנת 2024 של האגודה לניהול משאבי אנוש ומכון Burning Glass, ציינו המחברים כי הטכנולוגיה תשנה באופן כללי כמעט את כל קטגוריות עבודות הצווארון הלבן, בעוד ש"עבודות הצווארון הכחול יישארו מוגנות מפני שיבושים משמעותיים".

בינתיים, אולי. אבל תעשיות רבות המקושרות בדרך כלל לעבודה פיזית מתנסות גם ב-GenAI כדי לפתור בעיות שנראות בלתי פתירות. אלה נעים בין שיפור יבולי גידולים בחקלאות ועד להקלת מחסור בכוח אדם בבנייה.

להלן סיכום מאמרים על האופן שבו חמש תעשיות כאלה מיישמות את GenAI. הגישות היצירתיות שלהם מציעות לקחים לכל תעשייה - צווארון לבן או כחול-צווארון - כיצד להפיק את הערך המרבי מטכנולוגיה מהפכנית זו.

חקלאות: הגברת התובנות של החקלאים בעולם משתנה

ייצור מזון בר-קיימא נמצא בחזית האתגרים של תעשיית החקלאות. החקלאים של ימינו צריכים לעשות שימוש יעיל במשאבים טבעיים כמו אדמה, זרעים ומים, כמו גם להפחית את הפגיעה הסביבתית שהחקלאות גובה מהסביבה באמצעות ייצור מתאן, שימוש בחומרי הדברה וגורמים אחרים. במקביל, עליהם להסתגל לאקלים משתנה המשפיע ישירות על הכנסותיהם.

לחצים אלה הניעו ארגונים לפתח מגוון של יישומי GenAI, החל מצ'אטבוטים עבור חקלאים קטנים בהודו, ועד מערכות איסוף וניתוח נתונים עבור קונגלומרטים חקלאיים רב לאומיים.

דיגיטל גרין, עמותה ללא מטרות רווח הבונה טכנולוגיה כדי לסייע לחקלאים במדינות מתפתחות, השיקה צ'אטבוט וירטואלי של אגרונום לסוכני הדרכה בהודו, קניה ואתיופיה. המטרה היא לספק מידע על מוצרים חיוניים לחקלאות כמו זרעים, אקלים ואפילו מחירי שוק.

ובשוויץ, חברת הטכנולוגיה Datamars חוקרת כיצד ניתן להשתמש ב-GenAI כדי לשפר את ייצור החלב, תוך איסוף נתוני קיימות, אשר הופכים חשובים יותר ויותר, לא רק לציבור הקונים, אלא גם לממשלות.

נתיבי טייק אווי חוצי תעשיות

• היו מוכנים להשתמש במגוון רחב של נתונים לאימון מודלים.
  חברת Digital Green החלה את הפיילוט שלה על ידי אימון המודל עם נתונים מדעיים מהימנים ממקורות כגון מחקר חקלאי שעבר ביקורת עמיתים. אבל מכיוון שהחקלאות היא מקומית, השלב הבא יהיה הוספת מידע ספציפי לאזור כמו דפוסי מזג אוויר ומאפייני קרקע. בסופו של דבר, הארגון מקווה להשתמש ביצירת נתונים משופרת באמצעות אחזור נתונים (recribing augmented generation) כדי להביא נתונים המשתנים ללא הרף, כגון מחירי שוק מקומיים עבור גידולים שונים.
• השתמשו במומחים כדי לאמת את התוצרים.
  בתחילה, האנשים שמקיימים אינטראקציה עם הצ'אטבוט של Digital Green אינם החקלאים עצמם, אלא סוכני ההדרכה החקלאית שמייעצים לחקלאים. הסוכנים משתמשים בצ'אטבוט כדי לקבל תשובות מהירות יותר לשאלות החקלאים, ובזכות המומחיות האגרונומית שלהם, הם יכולים לזהות ולתקן כל הזיות של GenAI.
• נקיטת צעדים לבניית אמון המשתמשים.
  בחקלאות, מקובל שאותה משפחה מגדלת את אותם גידולים על אותה אדמה במשך דורות. כתוצאה מכך, עצות מאנשים חיצוניים, קל וחומר מצ'אטבוט, עשויות להיות לא רצויות. כדי לבנות אמון, חיוני לפגוש את החקלאים בתנאים שלהם.
  
  לשם כך, הצ'אטבוט תומך במספר שפות ויכול להגיב לשאלות מדוברות במקום להסתמך רק על טקסט. ככל שסוכני ההדרכה החקלאית יכירו בהדרגה את הצ'אטבוט לחקלאים, החקלאים יוכלו להשתמש בו בשטח כדי לשאול שאלות כגון: "מהו הגידול הרווחי ביותר לגידול, בהתחשב בעלויות הזרעים וחומרי ההדברה ומחירי המכירה המקומיים של גידולים או בעלי חיים מסוימים?"

בנייה: התמודדות עם אתגרי העבודה והפרודוקטיביות

מבחינה היסטורית, הבנייה נרתעה מהשקעה בטכנולוגיה. אבל לנוכח אתגרי עבודה ופריון, קבלנים גדולים מתנסים ב-GenAI.

כוח אדם מיומן הולך ונדיר ככל שעובדים מבוגרים עוזבים את התעשייה ופחות צעירים מצטרפים לשורותיה. יותר מאחד מכל חמישה עובדי בניין הוא בן 55 ומעלה, על פי מחקר של Associated Builders and Contractors. בינתיים, הפרודוקטיביות יורדת, וחריגות בלוחות הזמנים והעלויות הן הנורמה, כאשר רק 8.5% מהפרויקטים הגדולים (מיליארד דולר ומעלה) עומדים או עולים על ציפיות הזמן והתקציב שלהם, כך לדברי בנט פליביירג, פרופסור אמריטוס בבית הספר לעסקים סעיד באוניברסיטת אוקספורד.

התקווה עם GenAI היא שבונים יוכלו להשתמש בנתונים שנצברו במשך עשרות שנים כדי לסייע בפתרון בעיות אלו. "אנחנו יושבים על 40 שנות נתוני בנייה", אומרת קלסי גאוג'ר, מנהלת מצוינות תפעולית ארצית בחברת הבנייה סאפוק. עם זאת, עבור חברות בנייה רבות, נתונים אלה מבודדים, אינם סטנדרטיים וקשים לגישה.

טעימות חוצות-תעשייה

• לתת עדיפות לארגון ושילוב נתונים.
  חברת קלארק קונסטרקשן בונה מחסן נתונים ארגוני ומרקם נתונים כדי לחבר את מערכות ה-IT השונות שלה. עם זאת, היא מקווה להשתמש ב-GenAI כדי לקבל החלטות טובות יותר ולשפר את הפעילות.
• זיהוי בעיה דחופה כלל-תעשייתית.
  כדי לשפר את הפרודוקטיביות - וכן להכשיר עובדים חדשים מהר יותר - חברת Suffolk Construction הוסיפה קו-טייס לתוכנת שיתוף הפעולה שלה. התכונה החדשה מקלה על מציאת מידע, כולל תשובות לשאלות שעובדים בדרך כלל שואלים באתרי בנייה.
• חפשו ניצחונות מהירים אך משמעותיים.
  חברת טרנר קונסטרקשן, המנהלת 30,000 עסקאות בשנה עם ספקי כוח האדם והחומרים שלה, הייתה צריכה להגביר את הפרודוקטיביות של תהליך הרכש שלה. היא שואפת להשתמש ב-GenAI כדי לעבד טיוטות חוזים על ידי יצירה אוטומטית של טקסט עבור הצהרות עבודה או הסכמי שירות ראשיים. בינתיים, חברת הבנייה גילביין בוחנת מודל שפה גדול המסייע לצוותי פרויקטים לאחזר מסמכי בנייה מעודכנים תוך שניות.

ייצור: צמצום מחסור במיומנויות ומניעת השבתות יקרות

גם בתעשייה יש מחסור בעובדים מיומנים. על פי מכון הייצור, זרוע פיתוח כוח העבודה של האיגוד הלאומי של היצרנים, מחסור בכוח אדם מיומן עלול להותיר 2.1 מיליון משרות ייצור לא מאוישות עד שנת 2030.

זה מסביר מדוע אפליקציית GenAI אחת שצוברת תאוצה בתעשייה זו היא צ'אטבוטים המבוססים על כמויות עצומות של מפרטים, מדריכים טכניים ופרטים אחרים. ניתן להשתמש בבוטים אלה כדי להכשיר ולספק תשובות בזמן אמת לצוות זוטר, תוך מתן הוראות כיצד לתקן ציוד ואפילו אילו כלים נדרשים. זה קריטי בתעשייה שבה הפסדי השבתה יכולים להגיע בממוצע ל-532,000 דולר לשעה.

למרות שקיים עניין רב ב-GenAI (כ-78% ממנהלי הייצור התעשייתי שנסקרו על ידי KPMG ציינו אותה כטכנולוגיה המתפתחת המובילה), רובם נוהגים בזהירות. "ארגונים נזהרים לגבי יישום GenAI על פעולות ליבה שעלולות להשפיע ישירות על הרווח וההפסד שלהם", אומר קבאלי גנסאן, מנהל ייעוץ עסקי ב-Cognizant.

טעימות חוצות-תעשייה

• בחרו תרחישים בעלי סיכון נמוך ופוטנציאל גבוה.
  יצרן מעליות פיתח מערכת ייעוץ לתחזוקה כדי לשפר תיקונים לאחר מכירה. בהתבסס על מדריכי משתמש ושירות עבור דגמי המעליות השונים של החברה ותת-המערכות העיקריות שלהן, צ'אטבוט מסייע לטכנאי שטח לאבחן ולפתור בעיות במהירות. פיילוט מוקדם מדווח על הפחתה של 90% בזמני התיקון.
• שלב בינה מלאכותית מסורתית עם GenAI.
  על פי קבוצת הייעוץ של בוסטון (BCG), יצרנים יצטרכו להשתמש הן ב-GenAI והן בבינה מלאכותית מבוססת למידת מכונה/למידה עמוקה כדי לשפר את פעילות המפעלים שלהם. לדוגמה, בינה מלאכותית מסורתית יכולה לחזות מתי מכונה נמצאת בסכנת תקלה, אבל כשמוסיפים צ'אטבוט המופעל על ידי GenAI שיכול לאמן מהנדס תחזוקה כיצד לנקוט פעולה כדי למנוע תקלה, זה יכול להיות מכפיל כוח.
  
  "הצ'אטבוט יכול לזהות שלושה דברים שעשויים להזדקק לכוונון או כיול מחדש, ואז לשלוף את התיעוד המראה למהנדס כיצד לעשות זאת", אומר רנדל קנוורת'י, שותף בכיר ב-West Monroe Partners. "עכשיו יש לך דרך מושכלת וטבעית יותר להגיב לצורכי התחזוקה."
• אל תמציאו את הגלגל מחדש.
  יצרנים רבים מסתמכים על ספקי תוכנה קיימים כדי לשלב יכולות GenAI בפלטפורמות הקיימות שלהם, על פי דו"ח BCG. קנוורתי אומר שהעובדה שמהנדסים כבר שולבו בטכנולוגיה מגדילה את הסבירות שהם ישתמשו בה.

תעופה וחלל והגנה: שיפור תכנון חלקים

יצרנים בתחומי התעופה והחלל והביטחון שמרנים במיוחד בכל הנוגע ליישום GenAI. בין אם מדובר במטוסים, לוויינים, רחפנים, ספינות חיל הים או טנקים של צבא, הציוד שהם מייצרים יקר ביותר, במיליוני, אפילו מיליארדי, דולרים. חשוב לא פחות, הציוד חייב לעמוד במפרטים צבאיים, ממשלתיים ואבטחת מידע מחמירים.

בעוד שחברות אלו רואות מספר יתרונות פוטנציאליים של GenAI, כולל שיפור תחזוקה חזויה ושירותי שיווק לאחר מכירה, היישום הפופולרי ביותר כיום הוא בתכנון ציוד. כ-41% מארגוני התעופה והחלל שנסקרו על ידי קאפג'מיני אמרו שהם מנסים בינה מלאכותית גנרטיבית במידול תלת-ממדי כדי להאיץ את התכנון, לשפר את האווירודינמיקה של חלקים ולהפחית עלויות.

טעימות חוצות-תעשייה

• השתמשו ב-GenAI כדי להימלט מחוכמה (אנושית) קונבנציונלית.
  חברות תעופה וחלל החלו להשתמש במה שמכונה "עיצוב גנרטיבי" כדי לקבל פרספקטיבה רעננה, שלפעמים חורגת ממה שמוח אנושי היה יכול לדמיין. הקונספט הגיע לכותרות בשנת 2023 כאשר מהנדס של נאס"א הראה כיצד הטכנולוגיה יכולה לתכנן חלקי חללית קלים במיוחד בזמן שיא. בבואינג, חוקרים בוחנים כיצד מודלים של GenAI יכולים לשפר את תכנון המטוסים. "[בינה מלאכותית] יכולה להכניס יותר מורכבות למוח האלקטרוני שלה מאשר אדם; היא יכולה לבצע אופטימיזציה על פני מרחב רחב יותר", לדברי טוד ציטרון, מנהל הטכנולוגיה הראשי של בואינג.
• תסתכלו על הישן, כמו גם על החדש.
  השימוש ב-GenAI לכתיבת קוד חדש הוא דבר מובן מאליו, אך מומחים מציעים שהטכנולוגיה יכולה גם לסייע במודרניזציה של קוד מדור קודם. פעולות ייצור בתחום התעופה והביטחון מוגבלות על ידי התוכנה הישנה שעליה עדיין מבוססות חלק מהמערכות המשובצות. זה מקשה במיוחד על אינטגרציה של מערכות.
  
  עם זאת, GenAI יכול לשמש כמתרגם. "מנוע אינטראקטיבי הבנוי על מודל בסיסי יוכל לקחת את הקוד הישן של מודול למניעת התנגשויות, למשל, ולשנות אותו לשפת תכנות מודרנית", אומר ראמאן ראם, ראש מחלקת התעופה והחלל וההגנה של EY אמריקה.
• נצלו את האובססיה של GenAI לפרטים.
  אם אי פעם ניסחתם חוזה ממשלתי, אולי תבינו מדוע הפטיש המפורסם של משרד ההגנה עולה 60,000 דולר. הכנת חוזים אלה גוזלת זמן והוצאות משמעותיות בגלל כמות הפרטים וההתאמות האישיות הנדרשות. חברות יכולות להשתמש ב-GenAI כדי להפוך לפחות חלקים מהתהליך לאוטומטיים, וליצור טיוטות ראשונות המבוססות על תבניות, מסמכים היסטוריים או הנחיות ספציפיות מפקידי רכש, על פי דו"ח של מכון הבינה המלאכותית של דלויט. באופן דומה, GenAI יכול לסייע בניסוח תיעוד טכני, ובכך לחסוך זמן וכסף.

שירותים: שיפור ניהול ותחזוקת התשתיות

חברות התשתית של ימינו מתמודדות עם אתגרים רבים, כולל התמודדות עם מקורות אנרגיה חדשים רבים ומודלים עסקיים מתפתחים. קחו לדוגמה את חברת החשמל של ווסט פן. מלבד אספקת מקור חשמל אמין, הספק בן ה-100 בפנסילבניה חייב כעת להציע ללקוחותיו אחוז מסוים של חשמל מסוגי אנרגיה חלופיים. היא חוזית עם כמה עשרות ספקי אנרגיית רוח, שמש ואנרגיית הידרואלקטרית, בנוסף לצרכנים שמייצרים אנרגיה סולארית משלהם ומוכרים אותה בחזרה לווסט פן.

GenAI יכולה לעזור לחברות להבין כיצד לחלק אילו סוגי אנרגיה, ואיזה ספק ישלם עבור האנרגיה הנצרכת. התקווה היא שעל ידי ניהול מורכבות זו, GenAI גם תפחית את עלויות התפעול וגם תגביר את האמינות. חברות שירות משתמשות גם ב-GenAI כדי לשפר את התחזוקה והתיקונים, בעיקר על ידי ניתוח וידאו של תשתיות. כמעט 40% מחברות התשתיות והאנרגיה שנסקרו על ידי Capgemini מחזיקות בצוות ותקציב ייעודיים עבור GenAI, ואחת מכל שלוש החלה בפיילוטים.

טעימות חוצות-תעשייה

• חפשו תחומים מורכבים הדורשים פישוט.
  המורכבות הגוברת בתעשיית השירותים יכולה להיות מבלבלת עבור הצרכנים, עם אפשרויות האנרגיה הרבות לבחירה והתעריפים השונים עבור כל אחת מהן. בעזרת GenAI שאוספת את הנתונים הנכונים, נציגי שירות לקוחות יוכלו לענות על שאלות ולספק מידע על צריכת האנרגיה של הלקוחות, פוטנציאלית בזמן אמת. הם עשויים אפילו לייעץ ללקוחות כיצד לחסוך כסף, למשל, על ידי זיהוי שעות שפל לטעינת כלי הרכב החשמליים שלהם.
• הבט רחוק ולרוחב, וגם למטה.
  חפשו מעבר לארבעת הקירות שלכם את היתרונות של GenAI. ניהול צמיחת צמחייה סביב קווי חשמל הוא פעולה חיונית להפחתת זמן השבתה ואף למניעת שריפות יער. עם זאת, זה איטי ויקר - חברת Pacific Gas & Electric Co. מקליפורניה הוציאה כ-2.5 מיליארד דולר במשך מספר שנים כדי לזהות ולגיזום עצים ליד קווי חשמל.
  
  במקום זאת, חברות חשמל יכולות להשתמש בבינה מלאכותית כדי לזהות את היקף הצמחייה ליד מוליכי קווי חשמל, עמודים או מגדלים, ולמקד במהירות את המקומות הנדרשים להתערבות. חברות שירות רבות כבר משתמשות ברחפנים מצוידים במצלמות כדי לנטר תשתיות פיזיות חיצוניות. עם זאת, הנתונים הלא מובנים שהם אוספים בלתי אפשריים לעיבוד על ידי בני אדם בפרק זמן סביר, אומר ג'ינג וו, מנהל מחקר ראשי בקבוצת המחקר Info-Tech בקנדה. בעזרת המודלים וההכשרה הנכונים, GenAI תוכל לנתח במהירות את הנתונים הלא מובנים הללו ולזהות פגם או סכנה מתקרבת.
• שפרו את המומחיות שלכם.
  צ'אטבוטים של GenAI שאומנו במדריכים ובנתונים הנכונים יכולים לעזור לטכנאים בשטח לתקן תשתיות במהירות וביעילות רבה יותר. עובד תחזוקה, לדוגמה, יכול לשאול בוט של GenAI כיצד לתקן פריט ציוד ספציפי באתר. לאחר סריקת הנתונים, הבוט יוכל לספק הוראות בשפה פשוטה, ובכך להקל על הגישה לידע של מומחה.