על הפער שבין מחקר אקדמי לבין מחקר יישומי

מחקר טכנולוגי שמתבצע בסביבה תעשייתית נדרש לגשר על הפער שקיים בין מתודולוגיה מדעית קפדנית לבין אילוצים של פיתוח מוצרים. חוקרים שמגיעים מרקע אקדמי מתמודדים לעיתים קרובות עם אתגרים שנובעים מהצורך להתאים את קצב העבודה ואת מיקוד המחקר לדרישות עסקיות וללוחות זמנים שמוגדרים מראש. אנסה כאן להציג עקרונות פעולה ומסגרת עבודה שנועדו לסייע לחוקרים ולמנהלים של חוקרים למקד את העשייה המחקרית ולהבטיח יצירת ערך ממשי עבור המוצר הסופי.

נקודת המוצא לכל תהליך של מחקר יישומי היא הגדרה של שאלת מחקר ברורה. שאלה שמוגדרת כראוי צריכה להיות ישימה וניתנת לבחינה תחת אילוצים שקיימים בעולם המעשה, כמו משאבי מיחשוב, עלויות, זמינות של נתונים וזמן. בנוסף, על השאלה להוביל לתוצאות שיש להן השפעה ישירה על הבעיה שאותה מנסים לפתור. יש להימנע מניסוחים עמומים שכוללים מונחים כלליים, ובמקומם להשתמש בהגדרות ספציפיות שמאפשרות מדידה מדויקת של ההתקדמות. שאלת מחקר שמותאמת לתעשייה צריכה להציג חידוש שרלוונטי למוצר או לטכנולוגיה שמפותחת.

סביבת הפיתוח בחברה עסקית ותעשייתית מחייבת ניהול זמן קפדני. חוקרים נדרשים לפתח מיומנויות של הערכת זמנים שנדרשים לביצוע משימות ותעדוף נכון של פעילויות. תהליך זה כולל זיהוי של תלויות שקיימות בין משימות שונות והכרה בנקודות של חוסר ודאות ושל סיכון בשלבים מוקדמים של הפרויקט. שימוש באילוצים חיצוניים כמסגרת זמן עבודה עוזר לתחום את המחקר. לעיתים יש ערך בהצבת יעדי זמן קרובים שנועדו לכפות קבלת החלטות מהירה. כמו כן, חשוב להגדיר מראש נקודות החלטה שלאורכן בוחנים את ההתקדמות ומחליטים האם לשנות את כיוון המחקר או לעצור אותו.

מדידת ההצלחה של מחקר יישומי דורשת הבנה של הפער שקיים בין מדדים מדעיים טהורים לבין יעדים עסקיים. נדרשת הבחנה ברורה בין פונקציית מחיר שמשמשת לאופטימיזציה של מודל לבין מדד ביצוע שמשקף את הערך שמתקבל במוצר. חוקרים נדרשים לקבוע קו בסיס אמין שאליו יוכלו להשוות את התוצאות שהושגו. במקרים רבים מתעורר צורך להתמודד עם פשרות בין מדדים שונים שמתחרים זה בזה. על החוקרים לבחור נקודות עבודה שמאזנות בין הדרישות השונות ולהבטיח שהשיפור שמושג במדדים הטכניים אכן מתורגם לשיפור שרלוונטי ומשמעועותי במוצר הסופי.

תוצאות מחקר שאינן מתוקשרות כראוי לגורמים שמקבלים החלטות מאבדות מערכן. חוקרים צריכים לזהות את תוצאות המפתח מתוך מכלול הנתונים שנאספו ולזקק אותן לטובת כתיבת דוחות ומצגות. יש חשיבות להבחנה בין מחברת מעבדה שכוללת תיעוד מלא של תהליך הניסוי לבין דוח רשמי שמציג את המסקנות שרלוונטיות להמשך הפיתוח. יכולת מרכזית שנדרשת מחוקרים יישומיים היא היכולת לייצר הדגמה של הטכנולוגיה באופן מובן ונגיש גם לאנשים שאינם בעלי רקע טכני או מדעי בתחום הספציפי. חשוב להתאים את אופן ההצגה לקהל ולמה שחשוב לקהל.

כדי להטמיע את העקרונות שפורטו, מנהלי מחקר צריכים לבסס שגרות עבודה שמותאמות לתעשייה שבהם הם פועלים. מומלץ לקיים מפגשי למידה וביקורת עמיתים שבהם חוקרים מציגים את הדילמות שעימן הם מתמודדים בפרויקטים פעילים. גישה שמאפשרת ניתוח של מקרי בוחן מהמציאות הארגונית וביצוע פירוק והרכבה של שאלות מחקר שמוצגות על ידי חברי הצוות. בנוסף, יש לקיים סימולציות של ניהול סיכונים ובחירת מדדים תחת אילוצים שמדמים את תהליך הפיתוח של מוצרים. עבודה שיטתית במתכונת זו מטמיעה שפה מקצועית אחידה ויוצרת גשר שמחבר בין החזון המחקרי לבין היישום בפועל.

על הפער שבין מחקר אקדמי לבין מחקר יישומי

נשמע כמו משהו שהייתם רוצים שיקרה אצלכם בארגון? צריכים עזרה עם הכוונה מתודולוגית של צוותי המחקר היישומי שלכם? צריכים עזרה לעזור למנהלי המחקר או בכלל למובילים אצלכם בארגון להבין מה נדרש במחקר אלגוריתמי יישומי ואיך לנהל את הציפיות ואת החוקרים? דברו איתי: שלמה יונה, מייסד ומדען ראשי, מתמטיקאי מחקר ופיתוח בע"מ 053-7326360 shlomo.yona@mathematic.ai https://mathematic.ai פודקאסט על החברה ועליי, שלמה יונה, ואופן העבודה שלנו ואיתנו:

A technical deep dive about Mathematic.ai