שלוש דרכים שבהן בינה מלאכותית יכולה לעזור לערים לשפר את השירות לתושבים  

AI+ state capacity

 

ערים כל הזמן מחפשות כיצד לייעל את השירותים לתושב בעזרת בינה מלאכותית, אך מתברר שחלק מהשימושים המבטיחים ביותר דווקא לא נוגעים לכלים שחשופים לציבור כמו צ'אטבוטים. למעשה, ייתכן שפריצות הדרך המשמעותיות ביותר יהיו דווקא במציאת דרכים שבהן בינה מלאכותית תוכל לטפל במשימות השוחקות והזוללות זמן שמעמיסות על עובדי העירייה. זו בדיוק נקודת המוצא של פרופ' דניאל הו מאוניברסיטת סטנפורד, שמשתף פעולה עם ערים כמו סן פרנסיסקו במטרה להעביר משימות פנימיות של עובדי העירייה לטיפול של בינה מלאכותית, ואף לצמצם את כמות המשימות, למשל על ידי זיהוי דרישות דיווח מיותרות הקבורות בתוך תקנות עירוניות. המטרה הסופית היא לשחרר את העובדים כדי שיוכלו להתמקד במשימות שבאמת משפרות את השירות שנותנת העירייה לתושבים. 

הבירוקרטיה והרגולציה העירונית מעולם לא היו דבר פשוט, אבל ייתכן שהבינה המלאכותית סוף סוף מציגה דרך יעילה להתמודד איתן. 

שלוש התובנות הבאות מעבודתו של הו מציעות למקבלי ההחלטות ברשויות המקומיות כלים פרקטיים למימוש הפוטנציאל שבבינה מלאכותית בהקשר של חיסכון בזמן ומשאבים בעבודת הרשויות. 

שילוב בינה מלאכותית בנקודות מפתח כדי לקדם מהלכים תקועים  

ראשי ערים רבים כבר מכירים את היישומים הסטנדרטיים של בינה מלאכותית, אך לפי פרופ’ דניאל הו, חדשנות אמיתית לא מחייבת בהכרח פתרונות גדולים ומקיפים, ולפעמים דווקא שילוב חכם וממוקד של בינה מלאכותית בנקודת תורפה בתוך תהליך מורכב הוא זה שיכול לחולל שינוי גדול בעבודת העירייה. 

כך למשל, במסגרת שיתוף פעולה עם מחוז סנטה קלרה בקליפורניה, הו וצוותו במעבדה שבאוניברסיטת סטנפורד ((Stanford RegLab אימנו מודל שפה מתקדם לסרוק מיליוני מסמכים במהירות שיא. המטרה הייתה לאתר מסמכי בעלות על נכסים שכוללים ניסוחים גזעניים (שרווחו בעבר) כדי למנוע מקבוצות אתניות מסוימות לרכוש נכסים באזורים מסוימים. תהליך ידני של סריקה כזו היה נמשך כמעט עשר שנות עבודה במצטבר של הצוות, אך בעזרת הכלי החדש ניתן היה להשלים את הניתוח הראשוני בצורה כמעט מושלמת בתוך ימים ספורים. אומנם עדיין נדרשת בדיקה אנושית מסוימת, אך לדעתו של זו דוגמה טובה לכך שטכנולוגיה יכולה לחסוך לעובדי ציבור זמן יקר שהם משקיעים בבירוקרטיה במקום לתת שירות ישירות לציבור. 

"אם אתם מבזבזים את זמנכם על משימות פנימיות כאלה," מסביר הו, "ישנם שירותים אחרים שייפגעו בהכרח". לעומת זאת, כלים כמו הכלי הזה יכולים לאפשר לרשויות המקומיות להקצות כוח אדם מספק בדלפקי השירות, שם ניתנים שירותים קריטיים כמו תעודות לידה ואישורים הטבות ציבוריות. 

לפנות מקום לשיקול דעת אנושי 

פרופ' הו מזהיר מהסתמכות מוגזמת על בינה מלאכותית לטיפול עצמאי במשימות היותר רגישות של הרשויות המקומיות, ובעיקר בתחומים כמו סיוע והטבות לציבור. עם זאת, הוא סבור שגם בזירות המורכבות הללו הבינה המלאכותית יכולה לסייע, כל עוד היא לא מחליפה את העבודה האנושית אלא רק עוזרת לה באמצעות ייעול תהליכים ופינוי זמן ומשאבים של עובדי ציבור לטובת אינטראקציה ישירה מול תושבים. 

"אם נצליח לבנות מערכות שיאפשרו לאתר בקלות מידע רלוונטי מתוך תיק של תושב, למשל קביעת זכאות לסיוע מסוים, אנחנו לא רק נשפר את תהליך מתן השירות", מסביר הו, "אלא גם נפנה זמן למרכיב החשוב ביותר – המפגש האנושי בין התושב לנציג העירייה."  

כך למשל, בתחום ההטבות בדיור: ככל שהצוות עוסק פחות בניירת, יש לו יותר זמן להקשיב לתושבים, להבין את המצוקות שלהם, ולהציע את הפתרונות שהכי מתאימים לצרכים שלהם. לדברי הו, "עדיין קיים צורך חיוני באנשי שירות שמסבירים, מבהירים, ומלווים את התושבים בשירותים הדיגיטליים. אי אפשר להחליף את הקשר האנושי הזה."  

להצית שיח חדש על איך לשפר את המדיניות העירונית 

עבודתו של פרופ' הו עוסקת לא רק בהפחתת הבירוקרטיה שמכבידה על עובדי העירייה אלא גם בשאלה הגדולה יותר: כיצד אפשר לשפר את המדיניות עצמה כדי שתשרת טוב יותר את הציבור לאורך זמן? 

כך למשל, במסגרת שיתוף פעולה עם עיריית סן פרנסיסקו נעשה שימוש במערכת חיפוש שפיתחו אנשי RegLab כדי לאתר כל סעיף בתקנות העירוניות שמחייב את העירייה להפיק דוחות שעלולים לגזול זמן ומשאבים יקרים. חלק מהממצאים היו כמעט מגוחכים, כמו תקנה שמחייבת לעדכן באופן קבוע על מצב מִתקני העיתונים ברחבי העיר, שכבר מזמן אינם קיימים. 

המטרה כאן מרחיקת לכת: לספק בסיס לתהליך חקיקה חדש שיבטל תקנות מיושנות וחסרות ערך. במקרה הזה, הבינה המלאכותית לא מספקת את הפתרון הסופי אלא היא כלי שעוזר לעורר את הדיון הנחוץ בין מקבלי ההחלטות, עובדי העירייה והמחוקקים. זה צריך להיות דיון משמעותי על הדרך שבה העירייה פועלת וכיצד ניתן לשפר אותה. 

"חוקים סותרים או חסרי היגיון אמורים להניע את קובעי המדיניות לבחון מחדש את מטרותיהם", מסבירה קארי בישופ מקרן בלומברג. "עליהם לשאול את עצמם אם הכללים באמת עוזרים להשיג את היעדים, ולפתוח דיון עם האנשים הנכונים לגבי תיקון המצב."  

השלב הבא בעבודתו של הו עשוי לכלול שימוש בבינה מלאכותית ליצירת "כרטיס ניקוד" להצעות חוק חדשות – שיאמוד את רמת המאמץ הביורוקרטי שיידרש ליישום כל חוק בפועל. דוגמה נוספת: מיפוי כלל האגרות שהעיר גובה כיום, כדי להבין האם עלות הגבייה שלהן מצדיקה את עצמה, והאם האגרות הללו עדיין מתאימות לסדרי העדיפויות של הנהגת העיר הנוכחית. 

מן הסתם ראשי ערים ימשיכו לפתח פתרונות בינה מלאכותית שיביאו תועלת ישירה לאזרחים, אבל כפי שהו מדגיש, חלק מהמהפכות האמיתיות יתרחשו דווקא מאחורי הקלעים. ההתערבויות השקטות הללו הן אלה שמעצבות מחדש את המערכות, מפנות זמן לעובדי העירייה, מתאימות מדיניות לערכים, ומשפרות את התפקוד העירוני מהבסיס.