מה חדש // פתרונות לחדר מיון בעזרת AI באוניברסיטת רייכמן

מי אני

ד״ר אילת סגל, חוקרת ומעצבת אינטראקציית אדם־מחשב (HCI) ומנהלת מוצרים חדשניים בשילוב הבינה המלאכותית ב־25 השנה האחרונות. מרצה לתואר שני באוניברסיטת רייכמן בתחום חווית המשתמש, חדשנות ופיתוח מוצר בשילוב AI. מנהלת את המחקר ופיתוח המוצר של Digital Twin Professor שזכה בפרס MEDEA ב־TouchCast (שנמכרה לאחרונה לנאפסטר).

במשפט אחד

לפני כשנתיים, כשעמדתי ב־2023 על הבמה בכנס COM.PLEX ושיתפתי לראשונה את העשייה שלי של יצירת ראיונות סינתטיים עם פרסונות סינתטיות – AI (שנחשב אז לרדיקלי והיום כבר במיינסטרים), לא האמנתי עד כמה הבינה הגנרטיבית תמשיך להשפיע על שיטות פיתוח המוצר; כך שהסטודנטים שלי יוכלו לעשות תהליך מלא, ממחקר מעמיק עם רופאים ואחיות אמיתיים וסינתטיים ועד לעיצוב ויישום מוצר עובד בעזרת וייב־קודינג בסביבה קלינית, בפחות מ־30 יום; וזאת עם שמירה על איכות המחקר, העיצוב והאיפיון.

מה חדש

ה־AI Product Sprint הוא ספרינט חדשנות בשילוב הבינה המלאכותית, בן ארבעה שבועות, לתלמידי תואר שני באינטראקציית אדם־מחשב (HCI). השנה השתתפו בו 42 סטודנטים, שעבדו בשמונה קבוצות בהנחיית הסגל האקדמי (ד״ר אילת סגל ועוזרות ההוראה אורי שרייבר וארבל עיני) ותמיכה ממנטורים מוויקס ומצוות Base44, ובשיתוף פעולה עם צוותי בתי חולים בניו יורק.

הקורס משלב חשיבה חדשה ותהליכי עבודה חדשניים לפיתוח מוצר עם הבינה הגנרטיבית. הגישה שלי לבינה הגנרטיבית היא כאל עולם סימולציה של העולם האמיתי – מרחב שבו אפשר לחקור, לבחון ולהבין תהליכים אנושיים באופן מואץ ומעמיק. ככל שהטכנולוגיה מתקדמת, הגבול בין הסימולציה לבין המציאות מיטשטש – הבינה הופכת לחלק אינטגרלי מהעולם שאותו אנחנו חוקרים.

שיטות חדשות של תהליכי העבודה לפיתוח מוצר עם הבינה, לא רק מאיצות את התהליך של פתרון הבעיות ומאפשרות בניית אבות טיפוס מדויקים בזמן קצר, אלא גם משפרות את איכות המחקר (חווית המשתמש) ואת הפתרונות לבעיות מורכבות

שיטות חדשות אלו של תהליכי העבודה לפיתוח מוצר עם הבינה, לא רק מאיצות את התהליך של פתרון הבעיות ומאפשרות בניית אבות טיפוס מדויקים בזמן קצר, אלא גם משפרות את איכות המחקר (חווית המשתמש) ואת הפתרונות לבעיות מורכבות. בארבעה שבועות בלבד, הסטודנטים הצליחו לחקור לעומק את האתגרים המסובכים בחדר מיון ולפתח ולעצב פתרונות ואפליקציות, המשלבות סוכני בינה מלאכותית עם פוקוס על Human-AI User Centered Design שמוכנות לשימוש על ידי הצוות הרפואי.

שלבי הספרינט כללו ארבעה שלבים

Research: מחקר מקיף על הבעיה, עם מומחים, משתמשים ומתחרים; מחקר אקדמי מואץ עם הבינה המלאכותית, מחקר שוק מתקדם עם הבינה, וכן מחקר משתמשים ומומחים על האתגרים תוך ניהול ראיונות עם אנשי הצוות הרפואי (האמיתי) בבתי החולים בניו יורק, וגם עם פרסונות סינתטיות (AI) של רופאים, אחיות וחולים שאותן בנו עם הבינה וראיינו אותן. הם נעזרו בשיטות חדשות עם AI לניתוח המידע ולהפקת תובנות משמעותיות לדיוק הצרכים והבעיות.

Ideation: סיעור מוחות של פתרונות על ידי יצירת מספר רב של אבות־טיפוס לרעיונות בזמן קצר במיוחד. מה שבעבר דרש ימים של עבודה בפיגמה ובניית הקוד על ידי מפתחים, אפשרי היום למעצבים ולמנהלי מוצר לבצע בעצמם באמצעות כלים כמו וייב־קודינג של בייס44, ללא צורך ידע בתכנות, וליצור אבי־טיפוס שלמים מיידית, בדקות, כבר בשלב הרעיון, ולהתנסות איתם כחלק מהתהליך המחשבתי של ה־Ideation.

כשאבי טיפוס עובדים בשלב המוקדם הזה, אפשר בקלות לתקשר את הרעיונות עם הצוות, לחדד אותם וגם לבדוק אותם. זה מהווה קפיצת דרך משמעותית בתהליך החשיבה היצירתית של הפתרונות ועוזר לדייק אותם.

Design: הסטודנטים השתתפו בסדנה עם צוות בייס44 והסגל האקדמי, על מנת לקבל פידבקים מובנים על דיוק הפתרון הסופי לבעיה שנמצאה, ועל אפיון ועיצוב חווית משתמש הוליסטית המותאמת לקהל היעד הספציפי (לדוגמה, חולים שהם מהגרים ועם חסמי תקשורת בחדר מיון בשל הבדלי שפה ותרבות). כמו כן, הם קיבלו ייעוץ טכני מצוות בייס44 לשילוב ואינטגרציה של הפיצ׳רים הנדרשים ליצירת אפליקציה עובדת ומוכנה לשימוש.

Presentation: בסיום הוצגו שמונה פרויקטים שמדגימים את הכוח של בינה מלאכותית לשנות את מערכת הבריאות, משיפור תיעוד רפואי עודף ועד לתקשורת חכמה בחדרי מיון להחלפת משמרת מקוטעות ומחסומי תקשורת בחדר המיון. הפרויקטים שלהם מראים איך AI יכול לייעל תהליכים, להפחית עומס קוגניטיבי, להעצים מטופלים ולהעלות את רמת הטיפול הבטוח והיעיל.

הסטודנטים יצרו פרוטוטייפים סופיים ועובדים של אפליקציות בבייס44, מצגות שמראות את המחקר העמוק שביצעו, והכינו וידאו (עם הבינה המלאכותית) שמראה מה הבעיה ואיך הם פתרו אותה. גם את הסרטונים בעבר היה לוקח שבועות לייצר (תכנון, צילום, עריכה) וכיום ניתן להפיק אותם ביומיים. הסטודנטים הצליחו ליצור סרטונים מרשימים כשכל התהליך – כתיבת התסריט, יצירת הסצנות, והעריכה נעשו עם כלים כמו Veo3 או sora.

בתום הספרינט הוזמנו שופטים מבית החולים שיבא (מנהלת מחלקה פנימית ה׳, ד״ר ליאת נגרו ומנהלת מחלקה אונקולוגית דחופה, ד״ר גל בר חיים), ושופטים מהאקדמיה והתעשיה המתמחים בבינה מלאכותית, חדשנות ופיתוח מוצר. הצוות הזוכה, Ascribe, יטוס לניו יורק לשבוע למשרדי בייס44 וויקס להמשיך לפתח את הפתרון ולבדוק אותו עם הצוות האקדמי והצוותים הרפואיים.

ארבעה אתגרים וארבעה פתרונות

Ascribe – הקבוצה הזוכה (סטודנטים: גבי ווגל, גומא רינת אולייניק, דנה סולומון, מירי קברין, קתרין שלף). הבעיה: תיעוד עודף – רופאים ואחיות משקיעים זמן יקר בכתיבת רשומות במקום בטיפול במטופלים. לאורך המשמרת, אחיות ואחים צריכים לתעד בזמן אמת נתונים רבים של חולים. במחקר הסטודנטים גילו שהאחיות והאחים מוצאים את עצמם רושמים על כפפות או פתקים את הנתונים האלו או מנסים לזכור בעל פה ולרשום לאחר סיום המשמרת – מה שגורם לעומס קוגניטיבי, בלבול וטעויות רפואיות.

הפתרון: אפליקציית AI שממירה קול, טקסט ותמונות לרשומות רפואיות מובנות בזמן אמת. האח יכול לדוגמה, לצלם עם האפליקציה את הנתון המספרי של החולה מהמוניטור, והבינה המלאכותית מתרגמת ישירות ומבצעת אינטגרציה עם התיק הרפואי האלקטרוני – מה שמבטיח דיוק ואחידות בתיעוד.

Aria (סטודנטים: אמיתי שומן, גיא גבע, זוהר אושרי, מאי דוידוביץ׳, תואם בכור). הבעיה: תעדוף לקוי של חולים בחדר מיון. חדרי מיון סובלים מעומס מטופלים, חוסר ניטור רציף ויחס גבוה מדי בין מטופלים לאחות. הפתרון: Aria – אחות וירטואלית מבוססת AI שאוספת מידע בצ׳אט רב־לשוני, מנתחת קול ווידאו ומנטרת מדדים מחיישנים ביולוגיים. ה־AI מסכם את מצב המטופל, מזהה סיכונים ומציע צעדים לתעדוף מהיר ומדויק.

Lotus (סטודנטים: אלינה רכלבסקי, ברוך וינשטין, ג׳ון זינר־כהן, מאיה רוטשטיין, כרמל קליין). הבעיה: תקשורת שבורה בין הצוותים הרפואיים. צוותי טיפול נמרץ מתמודדים עם עומס מסרים, פערים בתיעוד, עיכובים בטיפול דחוף והיררכיה שמקשה על זרימת מידע.

הפתרון: מערכת תקשורת רפואית מבוססת AI שמנתחת מסרים בזמן אמת, מזהה דחיפות, מפיקה סיכומים אוטומטיים ומתעדפת מידע קריטי. הבינה המלאכותית מפחיתה עומס קוגניטיבי ומאפשרת תגובה מהירה ומדויקת.

ERgo (סטודנטים: איתי דגני, דניאלה ברנס, ליאל ברי, ניצן תמיר, רותם רוזנבאום, שרה בראון). הבעיה: תקשורת לקויה בין החולה לצוות הרפואי בשל הבדלי שפה, תרבות, ומצב רפואי. מחסומי שפה בחדרי מיון מעכבים טיפול ומקשים על התקשורת בין מטופלים לצוותים רפואיים.

הפתרון: אפליקציית AI שמתרגמת בזמן אמת שיחות רפואיות בהקשר קליני, לצד צ’אטבוט שמלווה את המטופל בהסברים ואוסף מידע קריטי. סוכנת הבינה המלאכותית מבטלת את מחסומי השפה ומספקת טיפול שוויוני ונגישה, ומשמשת לא רק כמתורגמנית אלא כעובדת סוציאלית שתומכת בחולה לאורך הדרך.

טיימליין

הספרינט משקף את החזון והפעילות שלי במשך שש השנים האחרונות, עם שיתופי פעולה בין אקדמיה לתעשיה בדגש על פרויקטים וספרינטים להשפעה ואימפקט חברתי. בשנה שעברה הובלתי את הספרינט למען נפגעי המלחמה בשיתוף עם מיקרוסופט גאראג׳, ועמותות כמו ריסטרט (למען חיילים פצועים), תיקון עולם מייקרס (עבור אנשים עם מוגבלויות) ואלה (לטיפול בפוסט טראומה).

כבר אז הבינה המלאכותית מינפה את כל הפתרונות וגם חלק מתהליכי העבודה; ולמרות שעברה רק שנה, התפתחות תהליכי העבודה וגם הפתרונות של הבינה המלאכותית התפתחו שנות אור. גם הרצון וההבנה של הסטודנטים בשימוש בבינה בתהליך ועבור הפתרונות  – עברו שינוי.

אני מאמינה שבעידן שבו הבינה המלאכותית מתפתחת בקצב אקספוננציאלי, חיבור בין אקדמיה לתעשייה ובין עיצוב לטכנולוגיה – הוא אפילו יותר קריטי ליצירת השפעה חברתית אמיתית. עתיד העיצוב עם בינה מלאכותית נמצא בצומת שבין האקדמיה – שטובה בתהליכי עומק, התעשייה – שיוצרת את טכנולוגית הבינה הכי עכשווית, והחברה – שמתמודדת עם בעיות מורכבות ואקוטיות שצריך לפתור. יחד, נוכל ליצור חוויות המשאירות חותם אמיתי.

מהו פרויקט החלומות שלך ומה צריך לקרות כדי שהוא יתגשם?

אין לי פרויקט חלומות אחד. בכל תחומי החיים הקריטיים בעולמנו כמו החינוך, הממשל, הבריאות והסביבה – אשמח להמשיך להשפיע ולייצר תוכניות בשילוב הבינה המלאכותית, ופרויקטים שייושמו במציאות כדי להשפיע ולפתור בעיות מורכבות שלא יכולנו לפתור לפני כן.

ארצה להמשיך לחבר סטודנטים, חברות, ארגונים, ומעבדות מחקר ביחד ליישם פרויקטים חדשניים עם הבינה המלאכותית, כדי שיצרו השפעה אמיתית משמעותית ויפתרו בעיות מורכבות. אני אופטימית לגבי הצד האנושי שבנו, שימנף את הבינה המלאכותית לשפר את האנושיות וחיי האנשים.