מדריך למנמ"ר: כך ה-AI יכולה לעבוד בשבילך

אנחנו פותחים השבוע, במדור זה – People & AI, בסדרת מדריכים מעשיים לכלי AI והטמעה שלהם בארגון, עבור בעלי תפקידים שונים בו. הסדרה תציע דרכי שימוש והתמודדות עם כלי בינה מלאכותית למנכ"לים, סמנכ"לי אבטחת מידע, סמנכ"לי כספים ועוד בעלי תפקידים, טכנולוגיים ואחרים. אלא שכאתר שעוסק רבות ב-IT, בחרנו לפתוח את המדור עם המנמ"ר.ית והבעיות הייחודיות שלו או שלה עם הטמעת כלי בינה מלאכותית בארגון. בפסקאות הבאות תוכלו לקרוא על התועלות האמיתיות והמיידיות, וגם ארוכות הטווח, שהמנמ"ר יכול להפיק מבינה מלאכותית, מעבר לכל הרעש שנוצר סביב המושג, וכיצד הוא יכול להימנע מטעויות נפוצות.

ה-AI – לא רק "טכנולוגיה חדשה", אלא בעיקר שינוי התרבות הארגונית

רבים תופסים את הבינה המלאכותית רק כ-"טכנולוגיה חדשה", וזו טעות. נכון שכפי שהקלישאה אומרת, ארגון שלא ישתמש בבינה מלאכותית לא יהיה, או יישאר הרחק מאחור, אבל ישנם ארגונים שעדיין לא רואים החזר על ההשקעה בכלים הללו ומכניסים את ה-AI כי זה עכשיו צו האופנה. זאת, מבלי להבין איך לעשות את זה על הצד הטוב ביותר וכיצד להפיק ממנה את הערך המקסימלי. יש כמה מקומות שבהם הבינה המלאכותית יכולה לייצר ערך מיידי לארגון, כאן ועכשיו.

אלא שעוד לפני שמתחילים להניב ערך מהבינה המלאכותית, חשוב להבין שההטמעה שלה מצריכה באופן חד משמעי שינוי בתרבות הארגונית. למעשה, מומחים רבים בעולמות הטרנספורמציה הדיגיטלית וה-AI אומרים כי הטמעת בינה מלאכותית היא 10% טכנולוגיה ו-90% תרבות ושינוי ארגוניים. זאת, משום שהיא משנה את הדרך שבה החלטות מתקבלות ועובדים מבצעים את המשימות שלהם. למשל, מעבר מהחלטות על בסיס ניסיון – מה שנפוץ בארגונים מסורתיים – לכאלה המבוססות על נתונים, הדרכת העובדים והמנהלים, התמודדות עם פחד שיש לחלק מהם מהשינוי, ולא מעט ניסוי וטעייה שהבינה המלאכותית דורשת, מאחר שהמודלים הם הסתברותיים ולא דטרמיניסטיים, ויכולים לטעות.

שינוי התרבות הארגונית והדרכת עובדים – שלבים קריטיים בהטמעת AI בארגון. צילום: ג'מיני

ארגון שמתמודד נכון עם האתגרים האלה יכול להניב כמה תועלות מהבינה המלאכותית: כך, ה-AI יכולה לסייע בפריון של הארגון, בעיקר במשימות ידע שחוזרות על עצמן, כגון יצירת מסמכים, סיכומי ישיבות, ניתוחים ראשוניים, חיפוש ידע ארגוני וסיוע בכתיבת קוד. בבית הספר סלואן למנהל עסקים של MIT חקרו את הנושא, והגיעו למסקנה שהערך האמיתי של ה-AI עבור הארגונים לא מגיע משינויים גדולים, אלא דווקא מסיוע לעובדים במשימות הקטנות: חיסכון בזמן לעובדי מכירות ותמיכה על ידי הצגה מהירה של פתרונות לבעיות נפוצות, צוותי עיצוב שהפיקו ערך מבינה מלאכותית יוצרת ועוד. המחקר מצא שארגונים שמפרקים משימות קטנות, יומיומיות, ומבצעים אוטומציה שלהן הם אלה שמפיקים את הערך הגדול – במקום הצהרות מפוצצות של "החלפנו את חצי הצוות בבינה מלאכותית" (ואז נאלצנו לשכור אותם בחזרה…).

החזר הערך הכמעט מיידי השני הוא היותה של ה-AI כלי סיוע בקבלת החלטות. הפעלה של "בינה מלאכותית על פי דרישה" בהליכי תפעול, מכירה, שירות וכן, גם IT, חוסכת זמן באיסוף המידע המקדים לצורך קבלת החלטה – ומותירה יותר זמן לדיון ולקבלת החלטה מושכלת וטובה יותר. גם כאן, המינון הוא קריטי: חברת המחקר גרטנר, למשל, מזהירה שההליכים חייבים להיות קשורים לתוצאות עסקיות ברורות, במקום להסתמך בעיקר על בינה מלאכותית באופן שרירותי.

והחזר הערך השלישי והברור הוא קיצור תהליכים וזמנים – יציאה לשוק עם מוצר, האצת פיתוח של מוצר או שירות או פשוט ושיפור החוויה של לקוח הקצה של הארגון בכל שלב של מחזור החיים של הפתרון או השירות שהארגון מספק: לפני המכירה, במהלכה ואחריה.

עולם הבינה המלאכותית נראה כיום עשיר וזוהר ומלא אפשרויות, אבל, בסופו של דבר, היצע היכולות עולה על הצרכים. לכן, הקפידו לא להסתנוור ולהתמקד בשימושים מעשיים

תועלות ארוכות טווח

התמקדנו עד כאן בתועלות שהמנמ"ר יכול להפיק מה-AI לטווח הקצר, אבל יש גם כאלה שהוא ישיג אותן בטווח הארוך יותר, אם יפעל נכון. התועלת האולי המרכזית שהמנמ"ר יכול לקבל מהבינה המלאכותית היא הפיכת ה-IT למרכז רווח של הארגון, או הגדלת הרווחים שטכנולוגיות המידע יכולות להניב לארגון. זה קורה באמצעות דמוקרטיזציה של נתונים, שמאפשרת למנהל מערכות המידע לקבל את הנתונים על ידי שאלות פתוחות, בשפה חופשית, במקום לחכות לדו"חות, שילוב של AI במוצרי החברה – מה שיכול להעלות את הערך העסקי של הארגון, ועוד.

אילוסטרציה של מערכת AI. צילום: K ilustrator Photo, ShutterStock

תועלת נוספת היא ייעול פנימי של מחלקת המחשוב. כך, המנמ"ר יכול להשתמש ב-AI לניטור מערכות בזמן אמת, במה שנקרא AIOps. כמו כן, הבינה המלאכותית יכולה לזהות חריגות בביצועי שרתים או רשתות, ולחזות תקלות לפני שהן קורות ומשביתות את כל המחשוב של הארגון, או חלקים נרחבים יותר או פחות ממנו.

עוד תועלת היא אוטומציה של ההלפדסק: מחקרים מראים שצ'טבוטים המבוססים על מודלי שפה גדולים (LLMs) יכולים לפתור בין 60% ל-80% מפניות העובדים, למשל לאיפוס סיסמאות, מתן הרשאות או הגדרות מדפסת.

אפשר להשתמש בבינה המלאכותית גם לייעול פיתוח התוכנה ולזיהוי איומי סייבר בזמן אמת.

ממה להיזהר?

בפרויקטים הכוללים הטמעה של בינה מלאכותית יש גם מלכודות. ממה המנמ"ר צריך להיזהר? מבחינת החשיבה, עליו להפסיק להתייחס לבינה המלאכותית כאל "אוסף כלים", ולהתחיל לחשוב עליהם כחלק מהפלטפורמה הארגונית.

כך, למשל, מודלים קטנים (SLMs) יכולים להיות פתרונות מקומיים, קלים ופשוטים יותר מאשר הסתמכות על המודלים הגדולים המוכרים כפתרון קסם לכל בעיה. לא תמיד לשלוח את העובדים ל-ChatGPT או לג'מיני זה הפתרון הנכון, ולעתים מודלים קטנים, שעוצבו לפתור בעיה ספציפית, הם הפתרון הטוב יותר לצורך המסוים.

הקפידו לבנות לעצמכם מפת ערך מדידה. אל תתביישו למדוד את התפוקות של ה-AI בכלים ויעדים מוכרים, שאותם אתם מציבים גם לעובדים בשר ודם, ושימו לב שמחלקות או פרויקטים לא נופלים במלכודת הפיילוט הזוהר – אבל כזה שלא הופך להטמעה אמיתית בהליכי העבודה בארגון. חברת המחקר IDC מציעה לחלק את זה לקטגוריות מוכרות עם יעדים מדידים ו-KPIs כמו הכנסות, חוויית לקוח, חוויית עובד, פרודוקטיביות, זמן הגעה לשוק וחדשנות. זה גם יקל על השיחות שלכם עם ההנהלה במטרה להסביר ולהראות את ההשקעה בצורה אינטגרטיבית של כוח אדם, טכנולוגיה ומודל הפעלה ברור – במקום לומר למנכ"ל ולסמנכ"ל הכספים רק: "אנחנו צריכים עוד בוט" או "אנחנו צריכים לקנות עוד רישיון".

חשוב: צרו מפת דרכים ל-AI

לבסוף, צרו לעצמכם מפת דרכים ל-2026 של שילוב בינה מלאכותית ככלי מכפיל כוח או מוסיף ערך מדיד, כמו שהייתם משקיעים בכל כלי תוכנה אחר – מבלי להיכנע לאופנות או ללחצים ממנהלי מחלקות שאומרים "אבל אנחנו 'חייבים' לקנות את הכלי AI הזה וזה", כי הם ראו אותו או שמעו עליו מהמתחרים.

עולם הבינה המלאכותית נראה כיום עשיר וזוהר ומלא אפשרויות, אבל, בסופו של דבר, היצע היכולות עולה על הצרכים. לכן, הקפידו לא להסתנוור ולהתמקד בשימושים מעשיים.