איך להטמיע AI בארגון: הטכנולוגיה היא החלק הקל

הטמעת AI בארגון היא לא פרויקט טכנולוגי, אלא שינוי באופן שבו העבודה נעשית. היא עובדת כשבונים אותה בשלושה שלבים: קודם גורמים לאנשים להשתמש, אחר כך בונים הרבה ומהר, ורק אז מדמיינים מחדש את העבודה עצמה. כל שלב הוא תנאי לשלב שאחריו, ומי שמנסה לקפוץ ישר לסוף נתקע.

את המתודה הזו לא למדנו מסרטונים. עשינו אותה בידיים, בחברות טכנולוגיה מובילות עם אלפי עובדים. זה המדריך המלא, לפי הסדר.

למה המחסום של הטמעת AI בארגון הוא לא הטכנולוגיה?

רוב הארגונים ניגשים להטמעת AI כמו לפרויקט טכנולוגי. בוחרים כלי, מחלקים רישיונות, ומחכים לתוצאות. זה כמעט אף פעם לא עובד, כי המחסום האמיתי נמצא במקום אחר.

אנשים חוששים לטעות. הם לא בטוחים מה מותר. והם לא רואים איך הכלי מתחבר לעבודה היומיומית שלהם. ככל שהארגון מורכב יותר, רגולטורי יותר, או מבוזר בין צוותים שכל אחד מהם עושה משהו אחר, המחסום הזה גבוה יותר. הרחבנו על זה בלמה עובדים לא משתמשים בכלי AI.

ויש בעיה נוספת שכמעט כל ארגון מגלה מהר: רוב התהליכים לא כתובים בשום מקום. הידע יושב בראש של אנשים. אי אפשר לשפר, ובטח שלא לבנות מחדש, תהליך שאיש לא יודע לתאר במדויק.

לכן ההטמעה נבנית בשלבים. לא מדלגים. כל שלב מכין את הקרקע לשלב הבא.

שלב 1: איך גורמים לאנשים להשתמש ב-AI?

לפני שבונים אייג’נטים או מחפשים ROI, צריך שאנשים פשוט ישתמשו. בשלב הזה הבעיה העיקרית היא פחד. לכן העבודה העיקרית היא בניית ביטחון.

שתי שכבות שעובדות במקביל

1. כלפי האנשים: ״תשחקו חופשי, ואם משהו לא עובד, האשמה עליי״. מישהו בארגון צריך לקחת על עצמו את הסיכון, באופן גלוי.
2. מאחורי הקלעים: סביבה שבאמת בטוחה. אותו אדם מוודא שכל חיבור למערכות הוא בהרשאות קריאה בלבד. אין יכולת כתיבה. אין דרך לגרום נזק.

הביטחון שמשדרים לאנשים חייב להישען על הגנות אמיתיות, אחרת הוא ריק. רק כשהסביבה בנויה להצלחה אפשר לומר לאנשים לרוץ. מסמך כללים קצר עוזר כאן מאוד, ויש לנו תבנית למדיניות שימוש ב-AI.

ארבעה מנופים שעובדים כמעט בכל ארגון

1. תוכנית שגרירים. מזהים בכל צוות את האדם ש-AI מרגש אותו. לא בהכרח הבכיר, אלא הנלהב. נותנים לו להפיץ את השימוש מבפנים. אימוץ מתפשט דרך אנשים, לא דרך הודעות. פירטנו איך בונים את זה בתוכנית שגרירי AI.
2. שיחות עומק עם הצוותים. בגישה של מחקר משתמשים, כדי להבין מה באמת קורה בשטח לפני שמחליטים מה לבנות.
3. הנגשת חיבורים למערכות. כדי שה-AI יוכל לגעת בדאטה האמיתי של העבודה, ולא רק בטקסט שמדביקים לו.
4. גיימיפיקציה. הופכים את השימוש לגלוי, למשל מירוץ בין צוותים עם נתונים חיים. כשכולם רואים איפה הם עומדים, השיחה משתנה מעצמה. אף אחד לא צריך לנזוף באף אחד.

הרצאת פתיחה טובה היא דרך מהירה להעביר את המסר הזה לכל הארגון בבת אחת. זה בדיוק התפקיד של הרצאות AI לארגונים. ואת סדר הפעולות בחודשים הראשונים פירטנו בתוכנית הטמעת AI ל-90 יום.

מה מודדים בשלב הזה?

כאן קל לבלבל בין המדד למטרה. שימוש הוא לא ערך. הוא פרוקסי לערך, והכנת הקרקע למה שבא אחריו.

כדאי למדוד אותו בשלוש רמות: משתמש, כלי וצוות. כך רואים איפה השימוש עמוק ואיפה הוא רדוד. אבל לא מתייחסים אליו כהישג בפני עצמו. על המעבר ממדידת שימוש למדידת ערך כתבנו במרכז הנושא ROI של AI.

איך ממפים הזדמנויות בלי להתאהב במפה?

תוך כדי שלב האימוץ, בונים מפה של הזדמנויות. כל תהליך שאפשר לשפר נכנס אליה עם ארבעה ממדים:

• אימפקט: כמה ערך פוטנציאלי יש כאן.
• מאמץ: כמה עבודה זה ידרוש.
• סיכון: מה יקרה אם משהו ישתבש.
• רגישות רגולטורית: כמה האזור מפוקח.

המפה הזו היא מה שיאפשר לרוץ מהר בשלב הבא.

אבל יש כאן לקח קריטי: אסור להתאהב בה. הטכנולוגיה משתנה מהר יותר מכל תכנית. אפשר לעבוד חודשיים על רואדמאפ מפורט ולגלות שהוא כבר לא רלוונטי. וזה בסדר. מה שצריך לשמר הוא לא הפריטים, אלא המתודה: היכולת לדרג כל הזדמנות לפי אימפקט מול מאמץ. את התכנית עצמה צריך להיות מוכנים לזרוק ולכתוב מחדש. איך בונים מפה כזו בפועל, במפת הזדמנויות AI.

שלב 2: איך בונים הרבה, מהר?

ברגע שהשימוש התבסס, צריך להמיר אותו לערך שאפשר להרגיש ולמדוד. שיחה עם צ’אטבוט היא כלי חזק, אבל אי אפשר למדוד עליה ROI. ואנשים צריכים לראות מה AI עושה מעבר לחלון הצ’אט, בתוך העבודה האמיתית שלהם.

הרבה ניצחונות קטנים או הימור אחד גדול?

כאן יש הכרעה מהותית. אפשר להשקיע באזור כבד אחד במשך חודשים. ואפשר לרוץ על הרבה מקרי שימוש קטנים ובינוניים. בשלב הזה, הדרך השנייה כמעט תמיד נכונה יותר. המטרה היא שכל צוות יראה ערך, ומהר.

בשלב של בניית אמון, עשרה ניצחונות קטנים שאנשים רואים שווים יותר מניצחון אחד גדול שעוד לא הבשיל. מאותה סיבה מתחילים מתהליכים רחוקים מאזורים רגולטוריים רגישים. מצליחים מהר, ורק אחר כך נכנסים לאזורים הקשים.

הבנייה היא החלק הקל

זו התובנה החשובה ביותר בשלב הזה. הכלים של היום מאפשרים לבנות אייג’נטים ותהליכים אוטומטיים מהר מאוד. הטכנולוגיה כבר לא המחסום. החלק הקשה נמצא לפני הבנייה ואחריה. לפני: להבין מה בכלל שווה לבנות. אחרי: לנטר את מה שנבנה, לוודא שהוא עובד, ולבנות בו אמון.

ארבעה מנועים שמתקדמים יחד

1. חיבור מערכות. כדי שה-AI יוכל לגשת לדאטה ממקום אחד.
2. סקילים. יכולות לשימוש חוזר שאנשים בונים בעצמם.
3. אייג’נטים. מבצעים תהליכים שלמים, ולא רק עונים על שאלות. עוד על זה במרכז הנושא סוכני AI.
4. מוניטורינג. כי דברים נשברים, ובלי שקיפות אין אמון. ראו ניטור סוכני AI ובניית אמון.

הכשרה עמוקה: חכות, לא דגים

במקביל לבנייה, צריך הכשרה עמוקה. לא הדרכה כללית על איך משתמשים בכלי, אלא ישיבה עם הצוותים ובנייה משותפת על התהליכים האמיתיים שלהם. המעבר כאן הוא מנתינת דגים לנתינת חכות. המטרה היא שאנשים ידעו לבנות לבד. בשביל זה בנינו את הסדנאות המעשיות לצוותים.

למה סקילים הם ההימור המרכזי?

מבין כל המנועים, לסקילים יש הערך הגבוה ביותר. הם עושים שני דברים בבת אחת. הם חוסכים שעות מיד, ואנשים רואים ערך תוך ימים. ובאותו מהלך הם מתעדים את התהליך, לעתים קרובות בפעם הראשונה.

זה פותר את אחת הבעיות העמוקות של ארגונים גדולים, שבהם התיעוד כמעט תמיד חסר. וזה מכין את הקרקע לשלב הבא, כי אי אפשר לבנות מחדש תהליך שלא מתועד. ככל שיש יותר סקילים, יש מפה מדויקת יותר של איך הארגון באמת עובד.

לכן כדאי להציב יעד ברור: לכל אדם בארגון לפחות שני סקילים, וכמה שיותר מהר.

סימן טוב שהגישה עובדת: אנשים מתחילים לבנות סקילים שאף אחד לא ביקש מהם, וההובלה בכלל לא מודעת להם. זו ההצלחה. אבל זה גם הסימן שנדרש סדר. הרחבנו בסקילים של AI בארגון.

מה קורה כשחיסכון בשעות מפסיק להספיק?

אחרי תקופה של בנייה אינטנסיבית, ארגונים מגיעים בדרך כלל לאותה נקודה. מאות שעות נחסכות. בורד מלא הצלחות. ותחושה שמשהו חסר. יש יותר מדי דברים שרצים, אי אפשר לנטר הכל, ואין תמונה אחת סדורה.

הסיבה פשוטה. כל מה שנבנה עד כאן הוא AI שהולבש על התהליכים הקיימים.

מה המנוע החשמלי מלמד על AI?

ההיסטוריה של המהפכה התעשייתית ממחישה למה זה לא מספיק. כשמפעלים החליפו מנועי קיטור במנועים חשמליים ושמרו על אותו מבנה של רצפת הייצור, הפריון כמעט לא השתנה במשך ארבעים שנה. הרווח הגיע רק כשעיצבו מחדש את המפעל סביב מה שהחשמל איפשר: מנוע קטן בכל מכונה, והרצפה מסודרת לפי זרימת העבודה.

כוח חדש על תהליך ישן לא מייצר כמעט כלום. כוח חדש עם תהליך חדש מייצר שינוי אמיתי.

מכאן התובנה המרכזית: חיסכון בשעות הוא מדד, לא אסטרטגיה. הוא חשוב, והוא בנה את היסודות. אבל הוא לא מצטבר לכיוון בפני עצמו. כתבנו על זה בחיסכון בשעות הוא לא אסטרטגיית AI.

שני עקרונות שמתבררים בנקודה הזו

• ממשל הוא לא בלם. הצוותים המהירים ביותר בונים בקרות, תיעוד פעולות והרשאות לתוך הכלי מהיום הראשון, ולא אחרי שמשהו נשבר.
• המחסום האמיתי הוא הכרת התהליך. לא הטכנולוגיה, אלא היכולת להכיר את התהליך מספיק טוב כדי לעצב אותו מחדש. זה חלק שאף ספק כלים לא יעשה בשביל הארגון.

שלב 3: איך מדמיינים מחדש את העבודה?

הגישה החדשה היא לא לשפר הכל. בוחרים אזור אחד, מדמיינים איך הוא ייראה בעוד כמה שנים בעולם שבו AI נמצא בבסיסו, ומכוונים את כל המאמצים לעבר התמונה הזו.

איך בוחרים את האזור הראשון?

לפי שלושה קריטריונים:

1. מעט חסמים רגולטוריים.
2. עבודה ידנית מאוד.
3. אימפקט ברור ומדיד.

את הבחירה עושים יחד עם ההנהלה הבכירה של התחום, כדי שהשינוי יקבל גיבוי מלמעלה.

עבודת מוצר אמיתית עם הצוות

אחר כך מגיעה עבודת מוצר. יושבים עם הצוות ומבצעים את העבודה יחד איתם, בכל המיקומים השונים אם יש כאלה, עד שאפשר לעשות אותה לבד. רק כשמבינים לעומק את המערכות, את הבעיות, ואת ההבדלים בין אנשים וצוותים, אפשר לדמיין איך התהליך צריך להיראות.

בדרך כלל מתגלות בעיות דומות. אין דאטה בזמן אמת, ולכן אין תעדוף. משימה קטנה ומשימה קריטית נראות זהות. הכל ידני, כל אחד עובד אחרת, וההנהלה לא רואה מה קורה.

מה ההבדל בין שיפור תהליך לבנייה מחדש שלו?

	שיפור תהליך	בנייה מחדש של תהליך
מה האנשים מקבלים	יותר מידע	החלטה מוכנה
מי מחליט	האדם, על בסיס המידע	המערכת מדרגת, האדם מטפל במה שדורש אותו
מה רואים על המסך	עוד נתונים ממקורות שונים	ציון אחד שאומר במה להתעסק, ובמה לא
מקור הנתונים	מה שהיה זמין קודם	כל המידע הרלוונטי מכל המקורות
התוצאה	אותה עבודה, קצת יותר טוב	עבודה אחרת

בבנייה מחדש, המערכת אוספת את כל המידע הרלוונטי, מדרגת, ומחליטה מה היא מטפלת בעצמה ומה דורש בן אדם. ויותר חשוב מלומר במה להתעסק: היא אומרת במה לא. הרחבנו על זה בהמצאה מחדש של העבודה סביב AI.

סולם האמון: איך נותנים למערכת סמכות?

את הסמכות של מערכת כזו לא נותנים בבת אחת. היא נצברת לאורך סולם אמון:

1. מצב צל. המערכת רק מראה מה הייתה עושה.
2. הצעות. המערכת מציעה, ובן אדם מאשר.
3. פעולה באישור. המערכת פועלת, אחרי אישור אנושי.
4. פעולה עצמאית עם דגימה. המערכת פועלת לבד, ובני אדם דוגמים את התוצאות.

פירוט של כל שלב בסולם, ומתי עולים שלב, בסולם האמון ומצב צל.

אזור אחר אזור

אחרי האזור הראשון ממשיכים אזור אחר אזור. בכל אזור, אותם מנועים מהשלב הקודם מכוונים מחדש. במקום סקילים כלליים, סקילים שחושפים בדיוק איך האזור עובד. במקום לחבר את כל המערכות, החיבורים הספציפיים שהאזור צריך. אייג’נטים שממלאים את הפערים שהכלים לא מכסים. הכשרה על דרך העבודה החדשה. והנעת שימוש בתהליך החדש עד שהוא הופך לברירת המחדל. בסופו של דבר חוזרים לאותם יסודות, רק ממוקדים.

איך מתמודדים עם האתגר האנושי?

ככל שמתקדמים מחיסכון בשעות לבנייה מחדש של העבודה, החשש מתעצם. המשפט ״אני בונה את מה שיחליף אותי״ יישמע שוב ושוב. צריך לקחת אותו ברצינות.

הכוונה האמיתית היא להקל על אנשים שעובדים קשה. אבל לא מספיק להגיד את זה. צריך לבנות את זה לתוך המוצר. אנשים רוצים שליטה. לכן כל אדם צריך לשלוט במה שהוא רואה ובאופן שבו הוא עובד, גם אם זה דורש לשנות את המוצר.

ובאותה רוח של עבודת מוצר: משחררים משהו כמה שיותר מהר, גם אם הוא לא מושלם. משוב אמיתי מהשטח שווה יותר מכל תכנון.

והתובנה שכדאי לזכור: הטכנולוגיה היא החלק הקל. הפסיכולוגיה היא החלק האמיתי. בדיוק בגלל זה מנהלים בכירים צריכים ליווי בשלב הזה, ולא עוד כלי. זה מה שאנחנו עושים בליווי אישי למנהלים.

מי אחראי על מה שנבנה, ואיך מנהלים את זה?

כשהארגון מגיע למאות סקילים ואייג’נטים, השאלה מי אחראי עליהם הופכת קריטית. צריך להכריע בה מפורשות.

ההמלצה: הבעלות על התוכן היא של הצוותים. כל תחום אחראי על מה שרץ אצלו. הצוות המרכזי אחראי על התשתית: החיבורים, הסטנדרטים, המוניטורינג, והמקום שמרכז את כל מה שנבנה.

מה כל מנהל עושה?

1. מבין מה באמת רץ אצלו. רוב המנהלים יופתעו.
2. מוודא שהדברים מעודכנים.
3. מדבר עליהם בפגישות הצוות, כדי שיתפשטו.
4. מבטיח שכשמישהו עוזב, הבעלות עוברת הלאה ולא נעלמת.

המנגנון יכול להיות פשוט מאוד: רשימה אחת שבה כל סקיל מופיע עם הבעלים שלו. אחת לרבעון עוברים על הרשימה, מיישרים אותה עם תהליכי העבודה העדכניים, ומורידים את מה שאיש לא השתמש בו. כך הספרייה נשארת אמינה.

השגרירים שזוהו בשלב הראשון הופכים כאן לתפקיד מוגדר. הם תומכים בצוותים, מנהלים את הסקילים בתחום שלהם, מציפים בעיות מוקדם, ומשתפים הצלחות. מהמנהלים נדרש להפעיל אותם באמת, לזהות אנשים עם תשוקה אמיתית לנושא ולתת להם מקום. עוד על המודל בבעלות וממשל על AI בארגון.

מה נדרש מצוותי המערכות והתשתיות?

שני דברים.

הראשון, והחשוב ביותר לטווח הארוך: חיבור. חיבור מלא ומאובטח, שעומד בדרישות הרגולציה, לכל אחת מהמערכות בארגון. העיקרון הוא לחבר, לא להחליף. המערכות הקיימות בדרך כלל בסדר. מה שצריך הוא לפתוח אותן ל-AI בצורה מבוקרת. המטרה: שהוצאת דוח או איתור מידע ייקחו שניות, במקום תהליך שלם.

השני: לעזור לארגון למדוד את עצמו נכון. לא במדדי פעילות גנריים, כמו כמה אנשים פתחו כלי מסוים. אלא בנתונים שמשקפים ערך אמיתי: כמה סקילים קיימים, כמה משתמשים בהם, כמה אנשים עובדים עם החיבורים למערכות. למדוד ערך, לא קליקים.

אילו עקרונות חוצים את כל השלבים?

• אסור להתאהב בכלום. לא בתכנית, לא בכלי, לא בפתרון שבניתם. הטכנולוגיה זזה מהר יותר מכולם.
• שואלים מה גרוע, לא מה טוב. מה שגרוע הוא ההזדמנות הבאה.
• הכאב הוא הקלט הטוב ביותר. מבקשים מאנשים במפורש להביא את התהליכים שכולם שונאים בשקט.
• הכל נמדד. בלי לבלבל בין המדד למטרה.

ומה עם ארגון שאין לו אדם ייעודי שיוביל את זה? לא בהכרח צריך אחד. צריך שלושה דברים: מישהו שממפה כאבים, וזו עבודת מוצר ולא עבודת AI. סביבה בטוחה שבה מותר לטעות. וההבנה שחיסכון בשעות הוא ההתחלה, לא המטרה.

מה השורה התחתונה?

הטמעת AI בארגון היא לא פרויקט טכנולוגי, אלא שינוי באופן שבו העבודה נעשית. השלבים הראשונים, אימוץ ובנייה מהירה, מניחים את היסודות: אנשים שמשתמשים, יכולות שעובדות, חיבורים, תיעוד ומעקב. אבל הם אמצעים, לא יעד.

היעד הוא להשתמש ביסודות האלה כדי לבנות מחדש את העבודה עצמה, תחום אחר תחום, כשכל מה שנבנה מכוון לאותה תמונת עתיד.

קודם בונים את היסודות. אחר כך בונים מחדש את העבודה.

רוצים להוביל את שלושת השלבים עם מי שכבר עשה את זה מבפנים? לליווי מנהלים.