יותר מחיסכון: ה-AI משנה את משוואת הצמיחה בשירות

כמעט בכל ישיבת הנהלה שבה עולה נושא הבינה המלאכותית, אחת השאלות הראשונות שנשאלות היא: "כמה עובדים הטכנולוגיה הזו תאפשר לנו לחסוך?". זו שאלה לגיטימית וחשובה, אבל היא מספרת רק חלק מהסיפור. 

במשך עשרות שנים פעל עולם התפעול לפי קשר כמעט לינארי: יותר לקוחות ויותר תקלות חייבו עוד נציגי שירות, אנשי תמיכה ומהנדסים. הבינה המלאכותית מאפשרת להתחיל לשבור את המשוואה הזו ולהגדיל את היקף הפעילות וההכנסות מבלי להגדיל את מצבת כוח האדם באותו יחס. 

מחקר שנערך על ידי חוקרים מסטנפורד ומ-MIT בקרב 5,179 אנשי תמיכה מצא כי שילוב עוזרי AI הגדיל את מספר התקלות שנפתרו בשעה בכ-14% בממוצע. בקרב העובדים בחמישון המיומנות הנמוך ביותר נרשם שיפור של 35%. המחקר הראה גם שעובדים חדשים שהשתמשו ב-AI הגיעו בתוך חודשיים לרמת ביצועים שעובדים ללא AI השיגו רק לאחר יותר מחצי שנה.

אפשר לחשוב על כך כעל הלבשת 'חליפת יכולות' טכנולוגית על המהנדסים הקיימים – האדם נשאר במרכז, אך יכולתו להתמודד עם מורכבות, עומס והיקפי פעילות גדולים יותר משתפרת משמעותית

חליפת איירון מן לכל מהנדס

האסטרטגיה הנכונה אינה מבוססת רק על החלפת עובדים באמצעות AI, אלא גם, ובעיקר, על העצמת העובדים באמצעותה: AI Augmentation ולא רק AI Replacement. 

אפשר לחשוב על כך כעל הלבשת "חליפת יכולות" טכנולוגית על המהנדסים הקיימים – האדם נשאר במרכז, אך יכולתו להתמודד עם מורכבות, עומס והיקפי פעילות גדולים יותר משתפרת משמעותית.

אצלנו באודיוקודס (AudioCodes) ניתן לראות כיצד הגישה הזו מתממשת בפועל. בשנתיים האחרונות רשמנו צמיחה של כ-26% בהכנסות משירותים מנוהלים, בעוד שמצבת כוח האדם נותרה כמעט ללא שינוי. הגיוסים המעטים שכן בוצעו לא נועדו להוסיף עוד ידיים עובדות לביצוע משימות שגרתיות, אלא להכניס לארגון מיומנויות מקצועיות חדשות שנדרשו לו.

מחוללת במחלקת השירות שינוי לא רק בדמות חיסכון אלא גם בצמיחה. ה-AI. צילום: אילוסטרציה ג'מיני

איך זה עובד בפועל? 

השינוי מתרחש כאשר מאתרים את המקומות שבהם ה-AI יכולה למנוע פניות, לבצע תהליכים באופן אוטומטי ולהסיר עבודת כפיים דיגיטלית. 

הטיקט שלא נפתח: אנשי IT ולקוחות טכניים אינם רוצים להמתין לנציג כדי לקבל תשובה. הנגשת הידע הארגוני שנצבר לאורך שנים באמצעות AI מאפשרת להם לאתר מידע ולפתור חלק מהתקלות באופן עצמאי. כך פוחת עומס הפניות, ומהנדסי התמיכה המנוסים יכולים להתמקד באירועים מורכבים, שבהם המומחיות שלהם באמת נדרשת. 

סוכני Voice AI בזמן חירום: בעת תקלה קריטית בשירותים מנוהלים, קיימת לעיתים חובה ליצור קשר טלפוני עם הלקוח. בזמן עומס, ניווט אנושי במערכות מענה קולי והמתנה על הקו עלולים להפוך לצוואר בקבוק שמסכן את העמידה בהסכם רמת השירות, ה-SLA. 

סוכני קול אוטונומיים יכולים לבצע את השיחה, לנווט במענה הקולי ולהעביר את הדיווח הנדרש. כך הצוות מסוגל לטפל במספר גדול יותר של אירועים במקביל ולהפחית עומס אדמיניסטרטיבי. 

מניטור תשתיות לניטור חוויית המשתמש: ניטור מסורתי בודק אם השרת פעיל, אך פעילות תקינה של השרת אינה מבטיחה בהכרח שחוויית המשתמש תקינה מקצה לקצה. 

במוקדים קריטיים בארה"ב, למשל, הטמענו מערכת מבוססת AI שמבצעת שיחות סינתטיות המדמות משתמשים אמיתיים ומזהה חריגות בזמן אמת, עוד לפני שהלקוח עצמו חש בתקלה. זוהי רמת ניטור שקשה מאוד לבצע באופן ידני ובהיקפים גדולים. 

יעילות שמייצרת יכולת, ויכולת שמייצרת צמיחה 

יש משימות רבות שבהן AI ואוטומציה יכולות לצמצם עבודה ידנית ולחסוך זמן. עם זאת, תקלת תקשורת מורכבת אינה נפתרת בדרך כלל באמצעות שאלה ותשובה בודדת. היא דורשת העלאת השערות, שחזור בסביבת מעבדה, ניתוח יומני מערכת וביצוע שינויי קונפיגורציה בזמן אמת. 

ה-AI מצטיינת באיסוף נתונים, בזיהוי דפוסים, בסיכום מידע ובביצוע פעולות חוזרות. איתור שורש התקלה, הבנת ההקשר והפעלת חשיבה ביקורתית עדיין נשענים במקרים רבים על ניסיון אנושי מצטבר. לכן, העתיד שייך לארגון היברידי: סוכני AI יבצעו חלק הולך וגדל מהמשימות השגרתיות והחזרתיות, ואילו המהנדסים יתמקדו בבעיות העומק שבהן נדרשים ניסיון, מומחיות ושיקול דעת.

לפיכך, השאלה שמנהלים צריכים לשאול אינה רק "כמה נוכל לחסוך באמצעות AI?", אלא "כמה צמיחה נוספת נוכל לייצר באמצעות המשאבים שכבר עומדים לרשותנו?". 

המעבר הזה מחייב גם שינוי במדדים: מעלות לעובד להכנסה לעובד; ממספר הטיקטים שטופלו למספר הטיקטים שנמנעו; ומניטור זמינות למדידת חוויית הלקוח בפועל. ארגונים שימשיכו למדוד AI רק דרך חיסכון יחמיצו את הערך הגדול יותר שלה: היכולת לשנות את מודל הצמיחה של הארגון.

כותב המאמר הוא סמנכ"ל תפעול (COO) בחברת אודיוקודס