בין האקסל לצ’אטבוט: איפה אתם על מפת ההטמעה של AI?

תמונה: Pixabay

איפה נמצא הארגון שלכם בסקאלה של הטמעת AI – מפעילים צ’אטבוטים שמשפרים זמינות ואת חוויית הלקוח או שעדיין מדפדפים בין תסריטי השיחה בקלסר? מנתחים תובנות ארגוניות שהתקבלו מפלט נתונים או מזינים את המספרים ידנית?

קשת האפשרויות הרחבה של הבינה המלאכותית נוגעת בכל תחום היום – ממערכות זיהוי הונאות בזמן אמת, מערכות חיזוי ביקושים, אופטימיזציה של מלאי וניבוי של תקלות במכונות – כל אלה הם רק חלק משימושי הבינה המלאכותית שכבר מיושמים בחברות וארגונים. ארגונים שמשתמשים בכלי AI מייתרים עבודה חוזרת ומאפשרים אוטומציה של תהליכים וביצוע פעולות בצורה יותר מדויקת ומהירה, הם חוסכים במשאבים של כסף וזמן, מייעלים את כוח האדם ומאפשרים לנתב אותו לאזורים אסטרטגיים ומורכבים יותר, ועל הדרך גם עוזרים בשיפור השירות, בשדרוג קבלת ההחלטות הניהוליות ובהנגשת הטכנולוגיה להמונים. נשמע טוב, אז מה עכשיו?

אוצר לא נגיש

חברה שרוצה להטמיע בינה מלאכותית לטובת ניהול ידע חייבת שיהיו לה תשתית ניהול ידע ומתודולוגיה של עדכון, קיטלוג והפעלת מידע מתוך מאגרי הידע. החדשות הטובות הן שהאוצר הזה כבר נמצא אצלכם  – הידע הארגוני טמון בדאטה, בתסריטי שיחה, בנוהלי עבודה, במערכות ובמקורות מידע אחרים בארגון, כך שלא צריך ללכת רחוק כדי לחפש אותו. החדשות הרעות הן שכל המידע הזה לא נגיש לעובדים, וככל הנראה גם לא לבינה המלאכותית. פעמים רבות הוא נמצא בכלל מחוץ למערכת המרכזית וקיים רק במיילים, בגיליונות אקסל, מעודכן באופן ידני או כלל לא מתועד; לפעמים קיימת גם סתירה בדאטה בין נתונים שונים ולעיתים הוא כן נמצא במערכות מחשוב שמכילות בתוכן מידע רב, אך הן בנות עשרות שנים ומבוססות על טכנולוגיות ישנות.

לכן האתגר המשמעותי הראשון הוא פרויקט דאטה ומודרניזציה. כדי לקלוט פתרונות וכלי בינה מלאכותית צריך לארגן ולרכז את הנתונים בארגון בצורה מסוימת, כך שניתן יהיה בכלל להנגיש אותם ל-AI בצורה טריוויאלית. קודם צריך למפות את המצב הקיים כדי להבין עם אילו מערכות וטכנולוגיות עובדים בארגון כיום. אחרי כן אפשר לתכנן את הפרויקט כולו – לבחור את הפתרונות המתאימים לחברה ולהתאים אותם לצרכיה.

במקביל יש להכניס הגנה על פרטיות והגנת סייבר ולהבין כיצד קולטים מידע חדש ומעדכנים אותו לאורך זמן בהיבטים שאינם קשורים לטכנולוגיה עצמה, אלא לצורת העבודה עם הטכנולוגיה ועם הסביבה הטכנולוגית: האם הנתונים מאורגנים? האם יש לחברה חשבון בענן? האם האנשים בחברה יודעים לעבוד עם הטכנולוגיה הזו? מי אחראי על התחזוקה השוטפת? מי יעשה את האימון של המודל?

כל עדכוני ה-IT, תשתית וטכנולוגיה בערוץ הטלגרם של ITtime

לזהות את האזורים הנכונים

המגוון של כלי AI כבר גדול ומפתה, אבל חשוב לזכור שטכנולוגיות בינה מלאכותית נועדו לשרת אותנו להגיע ליעדים ביתר קלות, ולכן חשוב להבין באילו דרכים וצמתים חשוב לשלב אותן כדי להגיע לניצול מקסימלי. יש לבחון לעומק את התהליכים בחברה, לבנות את היעדים הארגוניים, להגדיר את המטרה העסקית ולבנות תוכנית עבודה להתאמת התשתיות הארגונית באופן שיביא את הערך הגבוה ביותר וישפר את הביצועים האסטרטגיים והניהוליים. למשל:

– אוטומציה חכמה של משימות תפעוליות שגרתיות לטובת SLA מהיר יותר, הפחתת טעויות אנוש והפניית המשאבים הארגוניים למיקוד בפרויקטים מורכבים ואסטרטגיים.

– ייעול תהליכי ליבה, כמו מכירה וניהול לידים, מלאים ושרשרת אספקה, כדי למקסם חלוקת משאבים, להגדיל צמיחה עסקית ולשפר את מדדי הרווחיות.

– שיפור חווית הלקוח באמצעות צ’אטבוטים מתקדמים שאף מתממשקים למערכת CRM אשר זמינים 24/7 לפניות לקוח, מתמודדים עם היקפים גדולים של פניות, מתעדים ומנתחים את צורכי הלקוחות באופן מיידי ואף מציעים פתרונות מותאמים.

אל תסנוורו כל כך מהר

נשמע מעולה, נכון? אל תסנוורו כל כך מהר, כי לכל השפע הזה יש גם צד תקציבי וחשוב לבחון באילו מקרים דווקא מתאפשר ומשתלם יותר להשתמש במערכת מבוססת מוצר מדף, להסב את המערכת לקוד או לסביבה עדכניים או אולי בכלל לפתח מערכת מאפס.

מצד אחד אי אפשר שלא להטמיע AI, מצד שני כל שימוש ושאלה שעובדים עושים במערכת עולה כסף. איך מעריכים את העלות של המערכת והאם אפשר לדעת כמה זה יעלה שנתית כדי להכניס לבסיס התקציב? כמה משתמשים יהיו למערכת, כמה שאלות הם ישאלו ומה כמות המידע עבור המנוע? ואיך מגבילים את השימוש במידת הצורך?

רוצים לקבל את הניולזטר השבועי של ITtime? הירשמו כאן 

על כל השאלות האלה צריך לענות לגבי כל מערכת, ובו בזמן לזכור שבתוך זמן קצר מהמצופה עולם העבודה יהיה במקום אחר, וחברות וארגונים שלא יהיו ערוכים "ישלמו" על הפערים במוכנות ובהטמעה של מוצרי AI למשל על ידי פגיעה בממשקי העבודה בשרשרת העסקים עם ספקים, לקוחות ונותני שירות.

להדגיש את הערך של העובדים

סוגיה נוספת שחייבים להביא בחשבון היא החששות שכנראה יעלו בקרב העובדים לגבי תפקידם בארגון, חיוניותם והרלוונטיות שלהם. תחושות אלה עשויות לגרום לירידה במוטיבציה ואף להתנגדות לשינוי, ולכן ניהול השינוי הוא חלק קריטי מהתהליך – יש להשקיע בהדרכה, להדגיש את הערך הייחודי של העובדים ולבנות תרבות שמעודדת שיתוף פעולה בין אדם למכונה, מפני שבלעדיו גם הפתרונות הטכנולוגיים המתקדמים ביותר עלולים להיכשל.

באקלים התחרותי של היום, הנתונים הקיימים והידע הארגוני שמצטבר יכולים להזניק אתכם קדימה. בעוד שנתיים-שלוש אף חברה או ארגון לא יוכלו להרשות לעצמם שלא להשתמש בבינה מלאכותית בניהול הידע שלהם או לאפשר לעובדיהם לנהל שיח אינטראקטיבי בשפה חופשית מול מאגרי מידע. לעסקים כאלה פשוט לא תהיה הצדקה וכדאיות כלכלית. הידע הוא נכס אסטרטגי וארגונים נדרשים לשנות ולייעל את התהליכים של ניהול הידע שלהם. לא מדובר רק בניהול יעיל של הידע הארגוני הקיים, אלא גם ביצירת ידע ארגוני חדש, שבזכותו ניתן ליצור יציבות ובסיס להמשכיות עסקית, ליהנות מהתרומה של ה-AI בניהול סיכונים ובהפקת לקחים ולהתעמק בפיתוח עסקי.

אנסטסיה גלעדי היא מנהלת פעילות אנליזה עסקית וAI בחברת אביב; עידן בר הוא מנהל מרכז התמחות MATRIX AI