בעידן שבו דגמי שפה גדולים (LLMs) מצטיינים בהבנת משמעות טקסטואלית, הם מתקשים לשמור על עקביות מבנית ואמינות חשיבה במשימות קבלת החלטות מורכבות הדורשות לוגיקה קפדנית. תיאוריות קלאסיות כמו תהליך ההיררכיה האנליטית (AHP) מספקות מסגרות רציונליות שיטתיות, אך בנייתן תלויה בידע מומחה תובעני, מה שיוצר 'פקק מומחים' שמונע הרחבה. המחקר החדש מציג פתרון פורץ דרך.
Doc2AHP היא מסגרת הסקה מובנית חדשנית המונחית בעקרונות AHP, שמאפשרת ל-LLMs לבנות מודלי החלטה מרובי-קריטריונים איכותיים יש מאין. ללא צורך בנתונים מאורגנים או התערבות ידנית, המסגרת משתמשת בעקרונות המבניים של AHP כמגבלות, ומנחה את ה-LLM בחיפוש מוגבל בתוך מרחב המסמכים הלא-מאורגנים. כך היא מבטיחה הסקה לוגית בין צמתי אב ובן בעצי סמנטיקה.
בנוסף, Doc2AHP מציגה מנגנון שקלול רב-סוכנים בשילוב אסטרטגיית אופטימיזציה של עקביות התאמה אישית, שמבטיחה עקביות מספרית בשקלולים. תוצאות ניסוייות מראות כי המסגרת מאפשרת למשתמשים לא-מומחים לבנות מודלים איכותיים, ומשפרת משמעותית את השלמות הלוגית והדיוק במשימות יישומיות בהשוואה לשיטות יצירה ישירה.
המשמעות העסקית עצומה: חברות ישראליות בתחומי הטכנולוגיה והפיננסים, שמתמודדות עם החלטות מורכבות, יכולות כעת להשתמש בכלי זה להסקת מבני החלטה מדו"חים קיימים ללא צורך ביועצים יקרים. זה מקצר זמני פיתוח ומפחית סיכונים, ומשלב את הכללה של LLMs עם הריגור של תורת ההחלטות.
Doc2AHP פותחת דלת לשימושים רבים בעסקים – מקבלת החלטות אסטרטגיות ועד ניתוח סיכונים. למנהלים: בדקו כיצד לשלב LLMs בהליכי קבלת החלטות שלכם עוד היום, ותגלו יתרון תחרותי.