בשנים 2024 ו-2025, בינה מלאכותית (GenAI) תפסה את אור הזרקורים על ידי הפקת טקסט, תמונות וקוד בקנה מידה. אבל לקראת שנת 2026, מנהלים שואלים שאלה נוקבת יותר: איך בינה מלאכותית יכולה לעבור מיצירת תוכן להנעת החלטות עסקיות?

התשובה טמונה בבינה מלאכותית של Agentic AI – שכבה שהופכת את התפוקות היצירתיות של GenAI למערכות קבלת החלטות אוטונומיות מונעות יעדים. כשמשולבים יחד, בינה מלאכותית של Agentic ו-GenAI מאפשרות לארגונים לנוע מעבר לכלים פסיביים לתוך מנועי קבלת החלטות מסתגלים.

• AI גנרטיבי = יצירה. הוא יוצר טקסט, תמונות והמלצות.
• AI Agentic = תזמור + פעולה. היא מתכננת, מפרקת יעדים ומבצעת תהליכי עבודה שונים.
• יחד, הם יוצרים קווי החלטות: GenAI מספקת אפשרויות; AI Agentic מבצע הערכה, בוחרת ומבצעת.

שילוב היכולות הזה מאפשר לארגונים לעבור מתפוקות ריאקטיביות לאסטרטגיות יוזמות.

AI Agentic מציג שכבות תזמור ש-GenAI חסרות:

• פירוק משימה – פירוק יעד אסטרטגי ליעדי משנה.
• לולאות משוב – הערכת פלטי GenAI באמצעות נתוני העדפות, השוואות זו לצד זו ותיוג קונצנזוס.
• יכולת הסתגלות בזמן אמת – שינוי מסלול כאשר תשומות או הקשרים משתנים.
• שיתוף פעולה עם מספר סוכנים – סוכנים מיוחדים להנמקה, הערכה וביצוע.

אפשר לחשוב על GenAI כמי שמייצר את ה-"מה", בעוד ש-Agentic AI קובע את ה-"איך" וה-"למה."

האימוץ הארגוני דורש ארכיטקטורה מוערמת שמשלבת:

• מודלים בשפות גדולות (LLM) ליצירת תוכן.
• חיזוק למידה עם משוב אנושי (RLHF) לייעול העדפות.
• נתונים רב-מודאליים (טקסט, שמע, וידאו, נתוני חיישנים).
• מסגרות הערכה: ביקורות זו לצד זו, זיהוי הטיות, תיוג קונצנזוס.
• שיתוף פעולה אדום לבדיקות חוסן ואבטחה.

שילוב זה מבטיח שההחלטות לא רק יצירתיות, אלא מדויקות, ניתנות להסבר ואמינות.

• מהירות: החלטות המתקבלות בזמן אמת לעומת ימים של ניתוח ידני.
• דיוק: סוכנים משכללים את התפוקות ללא הרף באמצעות מדדי איכות.
• מדרגיות: תיאום ריבוי סוכנים מאפשר לארגונים לטפל באלפי תהליכי עבודה בו-זמנית.
• אמון: מסגרות הערכה שקופות מפחיתות הזיות והטיה.

Uber AI Solutions מספקת את התשתיות, כוח העבודה של ההופעות ומודלים ממשל שארגונים צריכים כדי לקשר את GenAI עם

בינה מלאכותית של נציגים:

• איסוף נתונים והערות ביותר מ-200 שפות וביותר 30 תחומים (פיננסים, רפואיים, STEM).
• הערכת מודלים בקנה מידה – השוואות זו לצד זו, דירוגי העדפות, מערכי נתונים מוזהבים ועוד הרבה.
• פלטפורמות כמו uLabel ו-uTask – מאפשרות תזמור, יצירה ופיקוח של תהליכי עבודה של בינה מלאכותית.
• כוח עבודה גלובלי (8.8 מיליון עובדים ומעלה) – הבטחת לולאות משוב מגוונות כדי להפחית את ההטיה המערכתית.

1. מעבר לתפוקות התוכן: לשאול איך בינה מלאכותית יכולה לקבל החלטות, לא רק טיוטות.
2. להשקיע ברבדים של תזמור: יש לוודא שה-GenAI מותאם לפיקוח של הנציגים.
3. לאמץ הערכה מתמשכת: נתוני העדפות, לוחות מחוונים של הטיות ועמידה בהסכם רמת הביטוח אינם ניתנים למשא ומתן.
4. שיתוף פעולה עם ספקים אמינים: לפרוס פלטפורמות מוכחות וכוח עבודה מגוונים בהתאמה רחבה.

שנת 2024 עסקה בהוכחה שבינה מלאכותית יכולה ליצור. שנת 2025 הייתה לגבי קנה המידה של התפוקות האלו. 2026 עוסקת בקבלת החלטות בינה מלאכותית אמינה בקנה מידה רחב.

על ידי שילוב הכוח היצירתי של GenAI עם התזמור של Agentic AI, ארגונים יכולים להשיג מערכות החלטות מותאמות, אוטונומיות וניתנות להסבר שמניעות תוצאות עסקיות אמיתיות.

ועם פתרונות הבינה המלאכותית של Uber – אספקת נתונים, פלטפורמות וקנה מידה גלובלי – ארגונים יכולים להתקדם בביטחון לעבר הגבול הבא.