ניהול מרכז מו"פ בעידן ה-AI

מאת: עידן אדלר, מרכז הפיתוח של דלויט ישראל 

התקדמות הבינה המלאכותית מציגה דוגמאות מרשימות, אך האתגר הניהולי האמיתי אינו ביכולות ההדגמה – אלא בהפיכתן ליכולות יציבות, אחראיות ומדידות. מרכז מו"פ יעיל נמדד לא רק בקצב הפיתוח, אלא ביכולתו לקחת רעיון, לחבר אותו לתהליך עסקי ממשי, להטמיע אותו באופן מבוקר, ולוודא שהפתרון ממשיך להשתפר גם לאחר העלייה לאוויר.

בשנים האחרונות מודגשת בדלויט (Deloitte) התפישה שלפיה AI איננה "כלי" נקודתי, אלא תשתית ארגונית רחבה. כאשר ארגונים מטמיעים יכולות AI כחלק בלתי נפרד משיטות העבודה, מתחדדת החשיבות של תכנון אסטרטגי, תפעולי וסיכוני – לצד התייחסות להון האנושי ולממשל.

במרכז הפיתוח של דלויט בישראל פועלים למעלה ממאתיים אנשי מקצוע, שמפתחים מודלים וסוכני בינה מלאכותית. המרכז עובד בשני צירים עיקריים: טרנספורמציה ללקוחות וטרנספורמציה פנימית. במאמר זה אתמקד בציר החיצוני – איך מנהלים מרכז מו"פ שמספק ללקוחות ערך מוחשי, תוך שמירה על אמון, איכות וקצב מסירה.

הגדרת ייעוד: ממרחב ניסוי ליכולות מתמשכות

הצלחת מרכז מו"פ נשענת על הגדרה ברורה של מטרתו: לא יצירת פתרונות נקודתיים בלבד, אלא פיתוח יכולות שחוזרות על עצמן. המשמעות היא פירוק תהליך עסקי למשימות, והפעלה של סוכני AI, שמבצעים חלק מהעבודה באופן עקבי: איסוף מידע ממערכות, הצעת פעולות, הכנת טיוטות, הפניית חריגות לאישור אנושי ותיעוד מסודר. מנקודת מבט ניהולית – סוכן AI מתפקד בדומה ליחידה תפעולית דיגיטלית. לכן נדרשת עבורו מסגרת ברורה: תפקיד מוגדר, תחומי אחריות, מדדי ביצוע ובקרות.

בחירת שימושים: התאמה אמיתית לערך עסקי

הצלחה דורשת מיקוד מתאים. לא כל בעיה מתאימה לפתרון של בינה מלאכותית, ולא כל שימוש מצדיק השקעה. גישה פרקטית היא לבנות "פורטפוליו" שימושים, שמתחיל בבעיות ארגוניות ברורות: עומסים חוזרים, זמני טיפול ארוכים, חוסר אחידות, כפילויות, טעויות חוזרות, חוסר שקיפות, או אתגרים בקבלת החלטות. בחירה כזו מאפשרת להציג ערך מדיד – צמצום עבודה ידנית, קיצור זמני תגובה ושיפור חוויית לקוח או עובד.

מכאן מגיעים גם סוגי הפרויקטים שאנחנו מובילים. פיתחנו סוכנים בעולמות תוכן ותעשיות ספציפיות – למשל סוכנים שמסייעים לצוותים קליניים, בעיקר באמצעות אוטומציה של עבודות "בק אופיס" שמכבידות על אנשי המקצוע: ארגון מידע, הכנת סיכומים, ותמיכה בזרימת עבודה אדמיניסטרטיבית. יש גם סוכנים שעוזרים בתהליכים פיננסיים – איסוף נתונים, בדיקות עקביות, הכנת טיוטות, והפניית חריגות לבקרה אנושית. ובמקומות שבהם נדרש תכנון קדימה, אנחנו מפתחים יכולות לחיזוי ביקוש למוצרים, כדי לשפר זמינות, מלאי ותיאום בין שיווק, מכירות ותפעול. המשותף לכל הדוגמאות האלה הוא שהן יושבות על תהליך עסקי קיים, ומטרתן לשפר אותו בצורה מדידה – לא להחליף אותו, ולא "לעשות קסם".

עבודה מול מגוון ארגונים: סטנדרטים ואחידות מסירה

אחד ממקורות החוזקה של מרכז מו"פ בעידן הבינה המלאכותית הוא היכולת לפעול מול מגוון רחב של ארגונים – ממשרדי ממשלה ועד חברות פיננסיות וקמעונאיות גדולות, וכן מול לקוחות מחוץ לישראל. עבודה בסביבות שונות מחייבת עמידה בסטנדרטים גבוהים, לצד התאמה לדרישות משתנות של רגולציה, אבטחת מידע, שיטות עבודה, תרבויות ושפות שונות, וקצבי קבלת החלטות.

כדי להבטיח תהליך עקבי ואחראי, נדרש ליישם שיטת מסירה סדורה הכוללת: זיהוי שימוש מתאים, תכנון פתרון המותאם למגבלות נתונים ופרטיות, אינטגרציה עם מערכות קיימות, והטמעה מלאה אצל המשתמשים – לרבות הדרכה, התאמות תפקידים, והגדרה ברורה של תהליכי אישור ובקרה.

שימוש אחראי בבינה מלאכותית – שמירה על אמון ובקרה

שאלה מרכזית שמנהלים מעלים היא כיצד לשמור על שליטה, שקיפות ואמון. לפי גישות פיתוח מקובלות בדלויט בתחום, וכפי שעולה מפרסומים של דלויט בנושא, הצלחה בקנה מידה דורשת מסגרת ברורה הכוללת – גבולות פעולה לכל סוכן: מה מבוצע אוטומטית, מה מוצע בלבד ומה דורש אישור אנושי; מדיניות נתונים: שימוש במקורות מידע מתאימים ושמירה על סודיות ופרטיות מידע; תיעוד, ניטור וזיהוי חריגות; ולבסוף – מנגנוני אבטחת מידע למניעת שימוש לרעה או הטעיה. המפתח הוא ניהול נכון ושילוב מתאים של מנגנוני בקרה ואחריות באופן מובנה בעבודה.

תשתיות ושיתופי פעולה: בסיס ליציבות וליכולת התרחבות

ניהול מרכז מו"פ בעידן הבינה המלאכותית מחייב התייחסות לתשתיות ולשיתופי פעולה טכנולוגיים. במסגרת שיתוף הפעולה האסטרטגי של דלויט עם ענקיות טכנולוגיה דוגמת AWS ו-GCP, אנו משתמשים ביכולות המאפשרות הפעלה יציבה ומאובטחת של סוכני AI, לצד גמישות הנדרשת להתאמה בין לקוחות ותחומים. הבחירה בטכנולוגיות אלה אינה רק החלטה טכנית, אלא החלטה ניהולית שנועדה לאפשר קצב חדשנות אחיד, יכולת גדילה וכלים תעשייתיים לניטור, הגנה ותפעול. במקביל, חשוב לשמור על גמישות ארכיטקטונית: לבנות שכבות שמאפשרות התאמת פתרונות לצרכים שונים, ולהחליף רכיבים לפי צורך – מבלי לשנות את התשתית כולה. גישה זו תומכת בשמירה על יציבות לצד יכולת התאמה מתמשכת.

הכל אנשים, אחרי הכל

ולבסוף – ואולי לפני הכל – אנשים. מרכז מו"פ בעידן הבינה המלאכותית אינו רק צוות של מפתחים או חוקרי נתונים. כדי לייצר ערך ללקוחות צריך שילוב של מומחי תחום, אנשי מוצר, מהנדסי תוכנה, אנשי אבטחת מידע, ומובילי שינוי – כי הטכנולוגיה מצליחה רק כשהארגון מאמץ אותה. בהקשר הזה, אנחנו גם מפתחים סוכנים לטובת הפרקטיקות שלנו – אסטרטגיה, הטמעת מערכות וטרנספורמציה ארגונית – מה שמחדד עוד נקודה חשובה: כשמרכז מו"פ "חי" את היכולות בעצמו, הוא משתפר מהר יותר, בונה ספריות ותבניות לשימוש חוזר, ומגיע ללקוחות עם ניסיון מעשי ולא רק תיאוריה.

בשורה התחתונה: מו"פ ככלי לשינוי עסקי

ניהול מרכז מו"פ בעידן הבינה המלאכותית הוא חלק אינטגרלי מניהול של שינוי עסקי: הוא כולל זיהוי ערך, מדידה מושכלת של תוצאות, הטמעה אחראית ובנייה של יכולות שניתן להרחיב לאורך זמן. מנהלים אינם נדרשים להיכנס לפרטים הטכנולוגיים, אך כן חשוב שישאלו את השאלות המנחות: איזה תהליך משתנה, כיצד נמדוד הצלחה, מי אחראי על בקרות, ומה נדרש כדי לשמר ולגדל את היכולות מעבר לפיילוט.

כאן ניכר תפקידו של מרכז מו"פ שמנוהל היטב: הוא מחבר יכולות טכנולוגיות לתוצאות ארגוניות ברורות – יעילות, אמינות וביצוע יציב.