אוטומציה חכמה לא מחליפה עובדים, היא מחליפה תהליכים
מנהלים רבים שואלים היום שאלה לא נכונה: כמה עובדים יוחלפו על ידי AI. השאלה החשובה יותר היא אילו תהליכים בארגון בנויים סביב צווארי בקבוק אנושיים, ואיך הופכים עובד אחד שהיה אחראי על ביצוע או פיקוח נקודתי למנהל של עשרות ואף מאות תהליכים חכמים. שינוי כזה אינו רק טכנולוגי. הוא נוגע למבנה ארגוני, מדיניות הרשאות, איכות נתונים, בקרות, מדידת תפוקה והכשרה מקצועית.
אוטומציה חכמה ושוק העבודה: פחות פחד, יותר תכנון
בפסגת הכלכלה השנתית של אוניברסיטת קליפורניה סנטה ברברה, כלכלנים ומומחי בינה מלאכותית הציגו מסר חד יחסית: טכנולוגיות אוטומציה לא יצרו בעבר אבטלה המונית, וסביר שגם AI לא יעשה זאת בצורה פשטנית. פיטר רופרט הזכיר את מהפכות הקיטור, החשמל והמחשוב, שבהן מקצועות נעלמו אך מערכות כלכליות חדשות יצרו מקצועות אחרים. זאק קאס ניסח זאת היטב כאשר טען שכולנו צאצאים של אנשים שעבודתם עברה אוטומציה לטובת הכלכלה המשותפת.
המשמעות העסקית אינה שאפשר להירגע. להפך. עלויות המעבר אמיתיות, ולעיתים נמשכות שנים. עובד שירות לקוחות, אנליסט תפעול, איש כספים או רפרנט תביעות לא נעלמים ביום אחד, אבל ההגדרה המקצועית שלהם משתנה. משימות חזרתיות, איסוף מידע, ניסוח ראשוני, בדיקות התאמה, סיווג מסמכים והפעלת מערכות יכולות לעבור לסוכני AI. שיקול הדעת, קביעת המדיניות, הטיפול בחריגים והאחריות העסקית חייבים להישאר מנוהלים על ידי בני אדם.
סוכני AI דורשים ניהול, לא רק התקנה טכנית
בארגונים שמתקדמים נכון, הטמעת AI מתנהלת בשני צירים מקבילים. הציר הראשון הוא אוריינות AI רחבה לעובדים, כולל יכולת לתקשר עם מודלים, לבדוק תשובות, להבין מגבלות ולזהות הזיות. הציר השני הוא פיתוח סוכני AI ייעודיים שמבצעים תהליכים מוגדרים, כגון פתיחת קריאת שירות, הכנת תיק לקוח, בדיקת חריגה בחשבונית או הפקת טיוטת מענה משפטי פנימי. ההבדל חשוב: כלי AI משנים הרגלי עבודה של עובדים, בעוד שסוכנים יכולים להשתלב מאחורי הקלעים בתוך תהליכים קיימים.
ארגון רציני לא יכול להסתפק במומחה מזדמן או בסדנה כללית. פיתוח סוכנים דורש הבנה עסקית עמוקה, ארכיטקטורת נתונים, בקרת הרשאות, ניטור ביצועים, מדיניות אדם בלולאה והגדרת מדדי הצלחה. למשל, תהליך שבו כל תוצר של סוכן דורש אישור אנושי מלא עלול לחסוך מעט מאוד. תהליך נכון מאפשר לאדם לפקח על מקבץ חריגים, לבדוק דגימות, לאשר החלטות בסיכון גבוה ולתת לסוכן לטפל ברוב המקרים הסטנדרטיים.
התייעלות תפעולית מתחילה במדיניות, לא במודל
הדיון בכנס נגע גם לדיור והראה פערי רגולציה חריפים: באוסטין היתר בנייה ממוצע אורך 22 יום, בלוס אנג'לס 180 יום, ובסן פרנסיסקו 760 יום. זהו שיעור חשוב גם ליישומי AI. כאשר המדיניות הארגונית איטית, לא ברורה או מפוצלת בין מחלקות, הטכנולוגיה לא תייצר ערך. בדיוק כפי שמדיניות תכנון יכולה לחסום היצע דיור, מדיניות נתונים והרשאות יכולה לחסום אוטומציה.
מנהלים צריכים להתחיל ממיפוי של 10 עד 20 תהליכים עתירי שיקול דעת, לבחור שלושה מקרי שימוש עם החזר מהיר, לבנות תשתית לניהול סוכנים, ולהכשיר צוות פנימי שידע לתחזק אותם. מחלקות מערכות מידע יהפכו בהדרגה למחלקות משאבי אנוש עבור סוכני AI: הן יגייסו, יגדירו תפקידים, ימדדו ביצועים, ינהלו הרשאות ויטפלו בכשלים. הארגונים שינצחו לא יהיו אלו שירכשו עוד כלי, אלא אלו שיבנו יכולת ארגונית עמוקה להפוך אוטומציה חכמה למנוע צמיחה יציב.
