ערך מבינה מלאכותית: למה רק 13% מהארגונים מדווחים על הצלחה משמעותית

כדי להפיק ערך מבינה מלאכותית, ארגון צריך להגדיר איזה תהליך ישתפר, כיצד יימדד השיפור ומתי מפסיקים להשקיע. בחירת המודל חשובה, אבל היא אינה תחליף להחלטות האלה. כשאין להן תשובה, גם מערכת מרשימה עלולה להפוך להוצאה קבועה עם תועלת שקשה להוכיח.

לפי נתוני סקר Gartner שהובאו בפרסום של Optimum7, רק 13% מהמנהלים מדווחים שהארגון שלהם הפיק ערך משמעותי או מהותי מבינה מלאכותית. בעינינו, זה בעיקר סימן לפער ניהולי: ארגונים למדו להשיק פיילוטים מהר יותר משלמדו להחליט אילו מהם ראויים להמשיך.

מדווחים על ערך משמעותי

13%

הגדירו כלל עצירה לפיילוט

31%

הגדירו כלל להסרת מערכות דלות ערך

17%

תכננו עיצוב מחדש של תפקידים

4%

הנתונים מתייחסים לסקר בקרב 2,002 מנהלי מערכות מידע ובכירי טכנולוגיה, במסגרת סדר היום של Gartner לשנת 2027. הם מבוססים על דיווח עצמי והובאו בפרסום מסחרי משני, ולכן יש לקרוא אותם כאיתות ולא כאבחון מדויק של כל השוק. גם אין להסיק שמי שלא דיווח על ערך משמעותי לא הפיק ערך כלשהו.

הבעיה אינה רק בפיילוטים שנכשלים, אלא באלה שלא נסגרים

כישלון של ניסוי יכול להיות תוצאה עסקית טובה: הארגון למד, הגביל את ההוצאה ופינה משאבים. הבעיה מתחילה כשניסוי ללא תוצאה ברורה ממשיך לפעול משום שכבר הוצג להנהלה, שולב בתוכנית העבודה או מזוהה עם מנהל בכיר.

בפרסום מתואר מתאם שלפיו מנהלים שהגדירו כלל עצירה לפיילוט היו בסבירות גבוהה פי 2.3 להשתייך לקבוצת החלוצים של Gartner. זה אינו מוכיח שכלל העצירה יצר את ההצלחה. ייתכן שארגונים בעלי משמעת ניהולית גם מגדירים כללים טובים יותר וגם משיגים תוצאות טובות יותר.

ובכל זאת, ההחלטה המעשית ברורה: פרויקט AI צריך לקבל מראש לא רק תקציב התחלה, אלא גם תנאי המשך ותנאי יציאה.

כלל עצירה אינו ביטוי לחוסר אמון בחדשנות. הוא הדרך להגן על התקציב שמאפשר להמשיך לחדש.

יש להפריד בין עצירת פיילוט, החזרת מערכת למצב של טיוטות בלבד והסרת מערכת מייצור. אלה החלטות שונות. ירידה באיכות עשויה להצדיק הגבלת סמכויות; חשיפת מידע לא מורשית עשויה לחייב השבתה מיידית, גם אם המערכת רווחית.

מודדים את התהליך, לא את הרושם מהתשובה

סוכן שמנסח הצעת מחיר במהירות אינו בהכרח מקצר את זמן הטיפול בה. אם העובד נדרש לבדוק מחדש מחירים, לאתר תנאים חסרים ולתקן התחייבויות, ייתכן שהעבודה רק החליפה צורה.

לכן המדידה צריכה להתחיל לפני ההטמעה ולכלול את התהליך עד סופו. מנהל הכספים צריך לראות עלות כוללת; מנהל התפעול צריך לראות תפוקה ואיכות; ובעל התהליך צריך לדעת מי מטפל בחריגים.

ההשוואה ממחישה מדוע מדד טכני טוב אינו מספיק. צריך למדוד גם רישיונות, שימוש במודלים, אינטגרציה, תחזוקה, טיפול בטעויות וזמן פיקוח אנושי. זמן שהתפנה הוא ערך פוטנציאלי; הוא הופך לתועלת ממומשת כשמשתמשים בו להגדלת תפוקה, לשיפור שירות או לצמצום הוצאה בפועל.

גם השוואה בין הרבעון שלפני ההטמעה לרבעון שאחריה אינה מספיקה לבדה. בישראל, חגים, שינויים במצב הביטחוני, תמהיל לקוחות ועומסים עונתיים עלולים לשנות את התוצאה. כשאפשר, כדאי להשוות גם לקבוצה דומה שלא עברה שינוי ולתעד גורמים חיצוניים.

אדם בלולאה אינו חייב לאשר כל פעולה

AI מאפשר לבצע משימות שדורשות פרשנות ושיקול דעת, ולא רק כללים קשיחים. זו גם הסיבה שלא נכון להתייחס אליו כאל מנגנון דטרמיניסטי שמפיק תמיד אותה תוצאה.

אבל אם כל תוצר מחכה לאישור ידני מלא, קשה להרחיב את הפעילות. המטרה היא לא להוציא את האדם מהתהליך, אלא להעביר אותו מביצוע שגרתי לפיקוח ממוקד על חריגים.

מחקר של ChurnZero, שהוזכר בחומר המקור, מצביע על קשר בין היעדר מדידה עקבית לבין דרישה מוגברת לאישורים אנושיים. מאחר שלא פורטו שם גודל המדגם והמתודולוגיה, אין הצדקה לבנות עליו תחזית כספית. ההיגיון התפעולי, לעומת זאת, ראוי לבדיקה בכל ארגון: כשלא יודעים מה אמין, בודקים הכול.

למשל, סוכן יכול להכין טיוטת הצעה על בסיס מחירון מאושר, בעוד שחריגה מהנחה מותרת או התחייבות חוזית תועבר לאדם. הרחבת הסמכויות צריכה להתבסס על ביצועים שנבדקו בתהליך האמיתי, ולא רק על הציון שהמודל נותן לעצמו. לצד זאת נדרשים תיעוד פעולות, הרשאות מוגבלות ויכולת חזרה לתהליך ידני.

מסגרת עבודה לפני הרחבת ההשקעה

לא חייבים להתחיל בתוכנית ארגונית עצומה. אפשר להתחיל מתהליך מוגדר, בתנאי שהאחריות והמדידה אינן נשארות עמומות.

1. 01

   בוחרים תהליך ובעל אחריות

   מגדירים צורך עסקי, משתמשים מושפעים ומנהל שמוסמך לשנות את התהליך.

2. 02

   מתעדים מצב קיים

   מודדים זמן, עלות, איכות וחריגים לפני הכנסת המערכת.

3. 03

   קובעים תנאי המשך ועצירה

   מסכימים מראש על ספי ביצוע, מגבלות סיכון וסמכות להשהות פעילות.

4. 04

   בונים בקרה לפי סיכון

   מפרידים בין פעולות מותרות, פעולות לבדיקה ופעולות אסורות.

5. 05

   מחליטים על בסיס תוצאה

   מרחיבים, מתקנים או סוגרים לפי נתונים מוסכמים ולא לפי ההתלהבות מההדגמה.

את נקודת המוצא ואת אימות התועלת כדאי להגדיר בשיתוף בעל התהליך, כספים או גורם בקרה, ולא להשאיר בידי נותן החסות בלבד. אין כאן הנחה שמישהו פועל בחוסר יושר; יש כאן הכרה בכך שמי שמקדם השקעה אינו הגורם הניטרלי ביותר להערכתה.

שני מסלולי אימוץ, אחריות ארגונית אחת

ארגון צריך להתקדם במקביל באוריינות AI ובפיתוח סוכנים. עובדים זקוקים ליכולת לתקשר עם מודלים, לספק הקשר ולבדוק תוצרים. במקביל, נדרשת יכולת פנימית להקים ולנהל סוכנים בתוך תהליכי העבודה.

דווקא כלי אישי פשוט עשוי לדרוש שינוי הרגלים עמוק, בעוד שסוכן שמשתלב היטב במערכת קיימת עשוי לפעול כמעט בלי לשנות את סביבת העובד. לכן קלות ההטמעה אינה נגזרת רק מהמורכבות הטכנית.

ככל שמתרחבת פעילות הסוכנים, מערכות המידע מקבלות אחריות שמזכירה ניהול כוח עבודה: הקצאת סמכויות, מעקב ביצועים, הכשרה, השעיה והוצאה משימוש. לשם כך נדרשת תשתית משותפת להרשאות, ניטור, גרסאות ועלויות, ולא אוסף אוטומציות מנותקות.

היכולת החשובה ביותר אינה להציג עוד הדגמה, אלא לזהות היכן AI מתאים לתהליך ולהוכיח שהוא משפר אותו. זה דורש ידע עמוק ב-AI, השכלה רלוונטית וניסיון עסקי ותפעולי. שילוב של מומחיות טכנולוגית עם הבנת התחום המקצועי חשוב יותר מהיכרות עם הכלי התורן.

בדיון התקציבי הבא, השאלה אינה רק אילו מערכות לרכוש. כדאי לשאול איזה תהליך השתפר, כמה עולה להפעיל אותו כעת, מה עדיין מחייב אדם, ואיזו השקעה כבר צריך לעצור. שם מתחילה הטמעה שאפשר לנהל, ולא רק להציג.