כמעט כל ארגון שאני פוגש כבר משלם על רישיונות AI של ChatGPT, קופיילוט, קלוד או ג׳מיני. וכמעט אצל כל הארגונים, השימוש בכלים הוא בסיסי מאד: שאלות ותשובות, כתיבת מיילים, תיקון מסמכים, תרגום, וזהו פחות או יותר.
אז למה הכלים לא מוטמעים בתהליכי העבודה האמיתיים וחוסכים לארגון זמן וכסף? התשובה פשוטה: הטמעת בינה מלאכותית היא תהליך, לא רכישה. לקנות רישיונות זה החלק הקל. מה שקורה אחר כך באופן טיפוסי: כמה חובבים משתמשים בכלים כל יום, קבוצה גדולה ניסתה פעם-פעמיים וחזרה לעבוד כמו קודם, והמנהלים שלא בטוחים מה מותר לעובדים להדביק בצ׳אט. כשמגיע החידוש של המנוי, אף אחד לא יודע להגיד מה הארגון קיבל תמורת הכסף.
בינה מלאכותית יוצרת היא לא עוד תוכנה שמתקינים. היא משנה את הדרך שבה אנשים כותבים, מנתחים, מתכננים ומחליטים, ולכן זה שינוי תרבותי וארגוני לא פחות משינוי טכנולוגי. הארגונים שמפיקים ממנה ערך אמיתי מתייחסים אליה כמו לכל תהליך שינוי: עם כללים, סדרי עדיפויות, ניסויים, מדידה ותוכנית להרחיב את מה שעובד.
בואו נראה איך התהליך הזה נראה, שלב אחרי שלב.
חמשת השלבים
זה המבנה של תוכנית הטמעת ה-AI שאני מלווה בארגונים. כל שלב מייצר תוצר מוחשי שהשלב הבא נשען עליו:
| שלב | מה עושים | מה מקבלים |
|---|---|---|
| 1. מדיניות AI | הגדרת כללים לשימוש אחראי בכלי AI בהתאם לנהלי אבטחת המידע, ובחירת הכלים לכל מחלקה. | מדיניות ברורה ורשימת כלים מאושרים |
| 2. זיהוי הזדמנויות | מיפוי צווארי בקבוק, משימות חוזרות ותהליכים שבהם AI יכול לייצר ערך עסקי מהר. | רשימת Use Cases מתועדפת |
| 3. פיילוטים מהירים | יישום ההזדמנויות המובילות בפיילוטים מעשיים, עם כלי AI כלליים, בוטים, סוכנים, אוטומציות או פיתוח תוכנה. | פתרונות עובדים בתוך תהליכי העבודה |
| 4. מדידה | מדידת ROI ותוצאות עסקיות של כל פיילוט, בהשוואה לאיך שהעבודה נעשתה קודם. | מספרים שמראים מה עבד ומה לא |
| 5. הרחבה | הרחבת מה שהצליח לצוותים ולמשימות נוספים, עם ליווי שוטף וכלים חדשים כשהם יוצאים. | AI כחלק מהעבודה היומיומית בכל הארגון |
לאורך הדרך הצוותים עוברים סדנאות AI מעשיות על הכלים שנבחרו, וקבוצה של "מובילי AI" מכל מחלקה מובילה את השינוי מבפנים. הם מכירים את כלי ה-AI הכי טוב, ומצד שני הם מכירים היטב את התהליכים בארגון, ולכן זו הקבוצה שהכי מתאימה להובלת השינוי.
רוב הארגונים מדלגים על השלב הראשון, וכשאני שואל עובדים ומנהלים אם הם יודעים מה מותר ומה אסור להם לעשות עם כלי AI, התשובה היא לרוב שלילית. יש גם נטייה להגביל העלאה של מידע ארגוני לכלי ה-AI מסיבות של אבטחת מידע, אבל אז היכולת לשלב את כלי ה-AI בתוך העבודה הארגונית נפגעת משמעותית. גרסאות ה-Enterprise של כלי הצ׳אט מבטיחים רמה גבוהה של אבטחת מידע, ורוב הארגונים (חוץ מלמשל ארגונים בטחוניים או פיננסיים) יכולים לעשות בהם שימוש בלתי מוגבל עם מידע ארגוני. לכן, חשוב להגדיר מראש את מדיניות הארגון, ולבחור כלים מתאימים בשיתוף המחלקה המשפטית ומחלקת IT.
הטעויות הנפוצות
- מתחילים מהכלים ולא מהבעיות: בוחרים פלטפורמה לפני שמישהו מיפה אילו משימות היא אמורה לשפר.
- אין מדיניות, או שיש מדיניות שאומרת רק "אסור": העובדים או נמנעים לגמרי, או משתמשים בחשבונות פרטיים בלי בקרה.
- סדנאות לעובדים בלי תוכנית המשך: אנשים צריכים תרגול על המשימות שלהם, לא רק הדגמה.
- פיילוט בלי נקודת פתיחה: אם לא מדדתם כמה זמן לקחה משימה לפני, לא תוכלו להוכיח את השיפור אחרי.
כמה זמן זה לוקח וכמה זה עולה?
אלה שתי השאלות הראשונות שכל מנהל שואל, והתשובה היא שהכל תלוי בהיקף. הגורמים העיקריים הם מספר המחלקות והמשתתפים, כמה סדנאות והכשרות אישיות הצוותים צריכים, וכמה פיילוטים מחליטים ליישם ומה המורכבות שלהם.
לוח הזמנים בנוי לפי השלבים: קודם מדיניות וזיהוי הזדמנויות, אחר כך פיילוטים שהתוצאות שלהם נמדדות, ולבסוף הרחבה הדרגתית בארגון, עם ליווי שוטף בזמן שמתווספים שימושים חדשים.
בגדול תהליך זיהוי ההזדמנויות לוקח כ-3 שעות לכל צוות (קבוצת אנשים בעלי משימות דומות), ואח״כ התיעדוף נעשה ע״י הארגון עצמו. יישום של כל פיילוט יכול לקחת בין שעתיים ליומיים-שלושה, אז התהליך כולו בארגון בינוני יכול להתבצע במשך מספר שבועות בודדים.
מאיפה מתחילים מחר בבוקר
לא צריך תוכנית גדולה כדי לעשות את הצעד הראשון. אם אתם מנהלים שרוצים להתחיל כבר השבוע, הנה דרך פשוטה:
- כתבו מדיניות AI של עמוד אחד: אילו כלים מאושרים, ואיזה מידע אסור בשום אופן להדביק בהם.
- בחרו צוות אחד שכבר סקרן לגבי AI, במקום לנסות לכסות את כל הארגון בבת אחת.
- בחרו שלוש משימות חוזרות בצוות הזה, ורשמו כמה זמן הן לוקחות היום.
- תנו לצוות הכשרה מעשית בדיוק על המשימות האלה, ומדדו שוב אחרי חודש.
לסיכום
הטמעת AI מצליחה כשמתייחסים אליה כתהליך עם שלבים ברורים, ולא כרישיון שקונים ומקווים לטוב. מתחילים מכללים, מתמקדים בבעיות אמיתיות, מוכיחים את הערך במספרים, ורק אז מרחיבים. אם בא לכם לדבר על איך זה יכול להיראות אצלכם, שלחו לי הודעת ווטסאפ או קראו עוד על תוכנית הטמעת ה-AI.
