אני עוסק בחקר נתונים מעל לעשרים שנה, התחלתי בתפקידי פיתוח, משם עברתי ל תפקידי ניהול מוצר ולבסוף ניהול פעילות סביב מוצרי בינה מלאכותית. בעברי ניהלתי מחלקת אנליזת נתונים עבור חברות בתחומים שונים בעיקר בתחומי האון-ליין. במהלך השנים עשיתי תואר שני בסטטיסטיקה, דבר שנתן לי את היכולת להעמיק בתחומי למידת מכונה ובינה מלאכותית. לאחר שנים לא מעטות כשכיר החלטתי שאני רוצה לפתור מספר בעיות שהקשו על הכניסה של למידת מכונה לארגונים והקמתי ביחד עם שותפי, באסל דיב שגם הוא בוגר תואר שני בסטסטיסטיקה ומתמטיקה את אלגוטרייס. אלגוטרייס נועדה לאפשר לארגונים לפתח מודלי חיזוי בצורה מהירה, ללא צורך בכתיבת קוד והיא ניתנת להפעלה על ידי אנשים שאינם בהכרח בעלי השכלה של מדעני נתונים. השימוש בתוכנה מאפשר לארגונים שנצבו בפני מחסומים שונים ביצירה ויישום של מודלי חיזוי לעשות שימוש במודלים אלו כדי לשפר באופן מהיר ובטוח את התפוקה הארגונית שלהם.
קיימות דרכים רבות לשלב בין למידת מכונה ובינה מלאכותית לעולם הבדיקות שכן מדובר בעולם תוכן עשיר ומורכב ויש בו יתרון למערכות בינה מלאכותית המסוגלות להתמודד עם תרחישים מורכבים ולעזור במציאת אותם מרכיבים שגורמים להיווצרות תקלות קוד.
נכון להיום אנחנו משלבים מדעני נתונים ומתודולוגיות בדיקה ייחודיות לטובת בדיקת מודלים של בינה מלאכותית כולל ביצוע הקשחה למערכות Black box. בנוסף אנחנו מפתחים ומספקים ללקוחותינו מערכות AI ובראשן מערכת Test Predictor כדי למצוא סיכון לתקלה או המצאות כשל עוד לפני שהבדיקה מתבצעת בפועל. קיימים פתרונות נוספים של AI שאנחנו מספקים לתחום בדיקות התוכנה כולל יכולת התמודדות עם טקסט שנכתב על ידי הבודק וזיהוי אוטומטי של טסטים משוכפלים ומיותרים.
הדבר מאפשר לארגון ולמנהלי מערך הבדיקות הגברת יעילות וכיסוי אפשרויות לכישלון באופן מהיר ומדויק יותר מאשר ביצוע קבלת החלטות המבוססת על תהליך ידני או אוטומטי שאינו מבוסס AI.
אני רואה המשך שילוב בין היכולות החזקות של מערכות AI בזיהוי כשלים, בניטור מערכות קיימות ובהתמודדות עם הצורך לבדיקה של מערכות ההולכות והופכות חכמות יותר ויותר עם המשך עבודה ידנית ואוטומטית המבוססת על תהליכי קבלת החלטות אנושיים.
לפי דעתי, לא נראה באופק של העשור הקרוב החלפה של בודקים ומנהלי בדיקות במערכות AI אבל השילוב בין שני ממדים אלו ילך ויתחזק בצורה משמעותית עד שלא ניתן יהיה להפריד ביניהם הלכה למעשה.
מדובר בתורה שלמה ההולכת ונכתבת תוך כדי תנועה ותוך רתימת ההתקדמות המהירה של כח החישוב והתפתחות של אלגוריתמים חדשים וכמובן דרישת הלקוחות.
כאשר בודקים מערכות המשלבות AI כחלק מהפעילות השוטפת שלהן יש צורך לבצע בדיקות שונות השומרות בפני הטיות מובנות בתוך הקוד הקיים. דוגמה טובה לכך היא הבעיות האתיות של מודלי חיזוי שהיו נוטים באופן גורף לקבוצה אתנית כזו או אחרת.
קיימות הטיות שונות ורבות שיש להכיר ולבדוק בעת כתיבת מודל AI ובוודאי כאשר רוצים להפוך אותו לכלי מרכזי הפועל בלב המערכת.
אנחנו מפעילים מערך משולב הכולל מדעני נתונים שמתמחים בתחום הבדיקות ביחד עם כלי תוכנה שפותחו על ידינו כדי לתת מעטפת של פתרונות בדיקה למערכות ה AI הארגוניות.
אלגוטרייס עבדה בשיתוף קווליטסט בתחום של זיהוי כשלי בדיקות וחיזוי סיכון של מערכי בדיקות במשך כשנתיים. לאחר מימושים משותפים מוצלחים אצל לקוחות קווליטסט החלטנו שקווליטסט יכולה להיות בית מתאים לאלגוטרייס מהבחינה הפיננסית והתפעולית וכיום צוות אלגוטרייס, שגדל עם הזמן, מהווה את חטיבת ה-AI בקווליטסט וממשיך להפיץ את פתרונות הבדיקה משולבי ה-AI שלנו ללקוחות החברה חדשים וותיקים.
הצלחת החברה, נבעה לפי דעתי, בראש ובראשונה מרוח היזמים שעשו הכל כדי שהתוכנה אותה פיתחנו תוסיף ותשתפר ושהפרויקטים יצליחו ברמת הלקוח. ליזמים צעירים הייתי נותן את הטיפ הבא, תמיד תחשבו ותשאפו להגיע אל היעד שנראה לא מושג אבל הישארו תמיד עם רגליים על הקרקע כשמדובר בתזרים המזומנים שלכם וביכולת האמיתית לספק את הפתרון ללקוח.
משפט להבלטה:
תמיד תחשבו ותשאפו להגיע אל היעד שנראה לא מושג