נתחיל בהבהרה: לא באנו "להוריד" 🙂 לכם/ן. השילוב של כלי AI בארגונים בעיצומו – והבינה המלאכותית לא הולכת לשום מקום. ויחד עם זאת, הנה עובדה נוספות: אם אנחנו רוצים להוביל את הארגון שלנו קדימה, אנחנו חייבים להבין איך עושים את זה נכון – איך משלבים היכולות המופלאות שלה בצורה נכונה. כאן, שימו לב למילה "נכונה". היא חשובה ביותר. משום שהטמעה של AI בארגון שלנו היא לא רק עניין של טכנולוגיה וחדשנות – אלא בראש ובראשונה מהלך שדורש חזון עסקי, התאמה ארגונית ותכנון זהיר.
כמו כל דבר חדש (והפעם, על סטרואידים), שילוב AI בארגון שלנו יכול לחולל שינוי דרמטי – אך מצד שני, אם לא ניגש אליו נכון, הוא עלול להפוך להוצאה יקרה, לייצר בלגאן תפעולי ולעשות יותר נזק מתועלת. אז עכשיו, בואו נבין מהם השיקולים המרכזיים שכל מנהיג/ה עסקי וטכנולוגי צריכים לקחת בחשבון לפני שילוב AI בארגון – ואיך עושים את זה נכון. אז הנה הן, השאלות שחייבים לשאול:
1. מה אנחנו באמת רוצים להשיג והאם פתרון ה-AI הוא הפתרון הנכון להשגת המטרה?
לנסות לשלב כלי AI בארגון זה מבורך וחשוב. אבל, שימו לב – לנסות רק כי אחרים מנסים, מטמיעים ואנחנו חוששים להישאר מאחור, זה פחות מומלץ. הנה שאלה חשובה לשאול לפני: האם אתם מחפשים פתרון חכם באמת, או פשוט נגררים אחרי הטרנד? האמת היא, שלא כל אתגר דורש פתרון מבוסס AI. לעיתים, למשל, גם אוטומציה פשוטה יותר, כמו RPA למשל, יכולה להספיק.
בשורה התחתונה: אל תתפתו להשקיע בטכנולוגיה שאינה מביאה ערך אמיתי גם אם צמד האותיות AI מוצמד אליה. ודאו שההשקעה שלכם משתלמת בטווח הארוך ולא הופכת להוצאה שלא מחזירה את עצמה. נסו לתת תיעדוף תחילה לכלים חינמיים ולא לכאלה שעולים הרבה כסף ושאלו את עצמכם כמה נכון להשקיע הרבה – בכלי שיפתור מעט בעיות ושתשתמשו בו יחסית מעט פעמים לדברים מאוד נקודתיים.
בנוסף, שימו לב! לקחת בחשבון את ההשפעה על הצוותים שלכם/ן – כי הם פקטור רציני. הם אלו שיעבדו בסופו של דבר עם הכלי שתבחרו. קחו בחשבון שכל כלי חדש חייב לקחת בחשבון גם את האנשים שלכם.
2. איך פתרון ה-AI ישרת את היעדים העסקיים שלנו – ואיך נמדוד הצלחה?
המנהיגות הטכנולוגית בארגונים היא כבר מזמן גם מנהיגות עסקית ולכן מה שנגיד פה עשוי להישמע מובן מאליו, אבל בכל זאת נגיד אותו: אם הכלי לא באמת מביא לנו תועלת עסקית אמיתית – אין סיבה להשקיע בו. לכן, בראש ובראשונה עלינו לוודא שכל פרויקט AI מיושר עם המטרות העסקיות שלנו וכן שניתן למדוד את הצלחתו. והנה שאלה שחשוב לשאול לפני: כיצד נמדוד את האימפקט של הכלי – ואיך נדע באמת האם הוא מייעל את העבודה ומשפר את הרווחיות?
דוגמא למדידה קלה, למשל, היא ארגונים שהטמיעו AI ובוטים מוקדי שירות וגילו שהלקוחות מגיבים מצוין למענה של הבוטים, מה שקיבל ביטוי גם במדדי שביעות הרצון, בהם הבוטים קיבלו ציונים לא פחות טובים לעומת נציגים אנושיים. כאן, השילוב הביא גם לשיפור ברמת השירות וגם לחסכון של כוח אדם. פתרון הבוטים נושא בשל, שכבר מיושם כמה שנים ולכן אפשר לראות בקלות את ה-ROI שלו – וזאת בניגוד להרבה פתרונות אחרים שבהם הוכחת התועלת ושאלת המדידה, מורכבת יותר.
ויחד עם זאת – שימו לב! לא כל הצלחה נמדדת בחיסכון בעלויות – לפעמים הערך נמצא בשיפור חוויית הלקוח, הפחתת טעויות או שיפור זמן התגובה של הצוותים. ושוב, כדאי שתדעו איך למדוד את זה, מראש.
3. האם אסטרטגית ה-AI שלנו צריכה לחצות את הארגון כולו?
כאן, אין תשובה מובהקת – אלא שתי גישות מאוד שונות. השאלה המרכזית שיש לענות עליה היא האם עדיף להשיק פתרון AI רחב או להתחיל בקטן ולראות איך זה עובד? אנחנו ב- IT Solutions, למשל, מאמינות בגישה אג'ילית. בתפיסה שלנו, אתם/ן ממש לא חייבים לשנות את כל הארגון בן לילה וכמו בלא מעט מקרים של שילוב טכנולוגיה חדשה – כדאי וצריך לחשוב בצורה של פיילוטים. מכאן, שהטיפ שלנו הוא להתחיל עם פיילוט ממוקד, ללמוד ממנו ולהתקדם הלאה בהדרגה.
למשל, אפשר לקחת מחלקה מסויימת או יחידה מסויימת, לערוך עליה ניסוי ובמידה והצלחנו – להשתמש בה כ – Case Study על שאר מחלקות הארגון. בנוסף, יש לזכור שלא כל כלי שמתאים למחלקה X, מתאים גם למחלקה Y ויש מקום לפרסונליזציה. הגישה זו תאפשר לכם/ן לראות אם כלי ה-AI שבחרתם באמת מספק את הערך המצופה לפני שתשקיעו בו משאבים נוספים ולאיזה סוגי מטלות הוא מתאים יותר, או פחות.
4. האם יש לנו את האנשים הנכונים עם היכולות הנכונות?
הנה האמת: ה-AI הוא חכם, אבל החוכמה שלו טובה כמו היכולות של האנשים להשתמש בו – וזה בעיקר אומר לדעת לשאול את השאלות הנכונות. האנשים שלנו, חייבים לדעת איך להשתמש בכלי ה-AI כדי שנוכל להפיק ממנו תועלת אמיתית שתייצר שיפור אישי וארגוני. כאן, השאלה שצריכה להישאל היא האם יש לנו את הצוות הנכון עם המיומנויות הנכונות לעבוד עם הכלי החדש?
במידה ויש – מה טוב. ובמידה ואין? כאן אפשר לחשוב יחד, על פתרונות כמו שילוב של מומחים חיצוניים ספקים שנותנים שירות מתאים ועד כמובן, יצירת תקן חדש. ושוב נדגיש: ניהול השינוי בארגון הוא קריטי. עובדים עשויים להתנגד לשינוי ולכן חשוב להסביר את הערך של ה-AI – ואת תועלתו – לא רק לארגון אלא גם לאנשים שיעשו בו שימוש.
5. עד כמה הנתונים שלנו אמינים, מדויקים ואיכותיים
בהמשך ישיר לסעיף הקודם נאמר כך: כל כלי AI שנטמיע צריך שני גורמים מרכזיים על מנת שנוכל להפיק ממנו תועלת: אנשים, בהם נגענו הרגע – ודאטה. בשורה התחתונה, דאטה ארגוני מסודר, נקי, מעודכן ורלוונטי הוא תנאי סף להטמעה ועבודה עם כלי AI שייתן לנו תשובות אמינות ותוצאות מדויקות בעבודה שלנו איתו. מכאן, שבמידה והדאטה שלכם בארגון חסר או אינו מטוייב ואין בארגון מדיניות מסודרת של ניהול הדאטה הארגוני והסתכלות אינטגרטיבית על הנתונים – לא תוכלו להפיק תוצאות אמיתיות מכלי ה-AI שתטמיעו. לכן, בשלב ראשו יש לוודא כי הדאטה שלכם – לכל הפחות זה שכלי ה-AI יתבסס עליו, יהיה מטוייב. זכרו: ככל שיהיו לכם יותר נתוים מהימנים ויותר מקרים מבוססים שה-AI יוכל להתבסס עליהם, כך גם התוצאות יהיו מדוייקות יותר. ואיך בכל זאת תוכלו לשפר את איכות הנתונים שלכם? כאן, תוכלו להשתמש בכלים או חברות שמתמחות בנושא (כמונו, למשל) יכולות לסייע לכם עם זה.
6. עד כמה אנחנו מכונים להסתכן? אתיקה, אבטחת מידע ושירות
כאן, יש כמה שאלות שאנחנו צריכים לשאול את עצמנו, והראשונה שבהן היא – האם אנחנו מבינים את הסכנות – ועד כמה אנחנו מוכנים להסתכן? בנוסף, כדאי שנשאל עוד כמה שאלות: האם אנחנו יודעים עד כמה הכלי שנרצה לשלב הוא באמת אמין? האם אנחנו בטוחים שהשימוש שלכם בבינה מלאכותית לא יוביל לבעיות משפטיות, בעיות אבטחה ופגיעה ברמת השירות ובמוניטין? התשובה שלנו היא שאנחנו לא מאוד בטוחים. זאת האמת. כבר עכשיו, השימוש ב-AI מעלה לא מעט סוגיות של אתיקה, רגולציה ואבטחת מידע – במיוחד כשמדובר בעיבוד נתונים אישיים. אז מה בכל זאת אפשר לעשות כדי לעבוד בטוח יותר?
ראשית, אנחנו ממליצות להיזהר מאוד עם מידע של לקוחות, דוחות כספיים ועוד נתונים רגישים שיכולים לזלוג לכל מיני מקומות. בסופו של דבר יש לזכור שבהעדר רגולציה מספקת, רוב כלי ה-AI עובדים בענן "הפתוח" (כאן, שווה רגע להחריג את COPILOT, למשל, שכן נהנה מהיותו "פנימי" כחלק מחבילת ה-365 לארגונים ולכן קל יותר להגן עליו).
עוד סיכון, הוא ברמת השימוש בכלי מול הלקוחות ויכולתו לתת תשובות מהימנות. לדעתנו, למשל, תהליכים אקוטיים כמו הענקת זיכויים ללקוחות ללא מגע יד אדם – הם כאלה שכדאי לחכות איתם. גם בתחום שירות הלקוחות, שם הבוטים כבר "מככבים", עדין יש לבצע הערכת סיכון. למשל, לקוח שיעבור אצל בוט שמגיע לדד-אנד ויספק פתרון לא מתאים – יחזור בסופו של דבר לקבל מענה מתוסכל יותר. אז כן, כמובן שגם נציגים אנושיים טועים, אך בשורה התחתונה גם זה שיקול: כמות הטעויות, גודל הטעות ומשמעותה.
7. האם אתם מוכנים לרתום את המנהלים בארגון לתהליך?
כמו בכל הטמעה של מערכת – המנהיגות הטכנולוגית-עסקית נדרשת לרתום את שאר המנהלים. הטמעת AI היא עבודה שהיא הרבה יותר מטכנולוגית והאמת שאנחנו – המובילים הטכנולוגיים – לא יכולים לבד. כאן נשאלת השאלה האם אתם ערוכים לרתום את ההנהלה העסקית כדי להפיק ערך מהטמעה של כלי בינה מלאכותית חדשים בארגון ומאיפה מתחילים?
ההמלצה שלנו היא לשבת עם כל אחד מהמנהלים של היחידות העסקיות ולגבש תוכנית שתאפיין צרכים, סוג של מפת דרכים ממוקדת, ויעדים להחזר השקעה תוך X זמן ובנוסף להבין מהם המשאבים שהמנהל והמחלקה מוכנים להקצות להצלחת התהליך. יחד, תצטרכו גם להסתכל יחד על איכות העובדים ובעיקר הפניות והמוטיבציה שלהם להתנסות בכלים החדשים תוך ווידוא שהכלים לא יפגעו בעבודתם.
למשל, כשיושבים עם מנהל מוקד, יש להבין מראש את נקודות הכאב שלו – העסקיים ולא רק הטכנולוגיים. כאן, תצטרכו לדעת מראש מה ה-KPI שלו, איזה בעיות פותרים (זמן מענה ארוך, אי-עמידה ביעדי שביעות רצון ואורך שיחה, קושי בגיוס נציגים אנושיים) ועוד – על מנת לרתום אותו לתהליך. זכרו! ככל שתבואו מוכנים הסיכוי שלכם לרתום – ושל המהלך להצליח – יהיה גדול יותר.
סוף דבר: סוף מעשה, מחשבה תחילה
לסיום, נדגיש שוב: לא באנו לעצור אתכם! 🙂 הכוונה של מאמר זה היא לעודד אתכם היא פשוטה: לעשות את הדברים נכון – תוך שאילת אותן שאלות מרכזיות שאנחנו שואלות הלקוחות שלנו בימים אלה. אין ספק – בינה מלאכותית יכולה לשנות כל ארגון לטובה – אבל אין ספק שזה קורה רק אם עושים זאת נכון. התחילו בהגדרת מטרות ברורות, מדדו את הערך העסקי, הקפידו על נתונים איכותיים ואל תשכחו את האספקטים האנושיים והאתיים. לדעתנו, אם אתם רוצים לוודא שהטמעת AI אצלכם תצליח, כדאי להתחיל בקטן, ללמוד מהניסיון ולהתפתח משם. תעשו את זה – אבל חכם ונכון. בהצלחה!
