ייעוץ ניהולי
ידע זה כוח: מזניקים את הארגון קדימה
אם לא עדכנתם את מתודולוגיית הידע הארגוני לאחרונה, קרוב לוודאי שהיא מעכבת את הכנסת טכנולוגיות הבינה המלאכותית לשימוש יומיומי בחברה ואת מיקסום הפוטנציאל העסקי שלכם. כך תעשו זאת נכון
איפה אתם נמצאים על הסקאלה בהטמעת בינה מלאכותית אצלכם בחברה: 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?
דמיינו עולם שבו ניתן להגדיל בקלות את מספר השיחות לדקה של נציג שירות או שעובד ייצור במפעל שרואה נורה מהבהבת במכונה פשוט ישאל את הבינה המלאכותית מה לעשות במקרה כזה ויקבל מדריך למשתמש תוך שניות. קשת האפשרויות הרחבה של הבינה המלאכותית נוגעת בכל תחום היום. מערכות זיהוי הונאות בזמן אמת, מערכות חיזוי ביקושים, אופטימיזציה של מלאי וניבוי של תקלות במכונות כדי למנוע השבתות יקרות הם רק חלק מהשימושים של ה- AI שכבר מיושמים בחברות וארגונים. הם חוסכים במשאבי כסף, זמן וכוח אדם ועוד לא דיברנו על שיפור השירות, שדרוג קבלת ההחלטות הניהוליות והנגשת הטכנולוגיה להמונים.
להכין את הקרקע ולפרוס את התשתית
אלפי עובדים עוסקים במשימות שגרתיות החוזרות על עצמן, כמו שירות לקוחות ותמיכה טכנית, וניהול המידע תופס נתח משמעותי מהפעילות השוטפת של העובדים. הם מקדישים אחוזים ניכרים מזמנם לטובת חיפוש מידע, בעוד שבזכות הבינה המלאכותית ניתן לבצע אוטומציה של תהליכים ואופטימיזציה של משאבים, מה שמאפשר לשפר את רמת השירות ולייעל את הפעילות העסקית. כלי AI מאפשרים לחסוך את הזמן הזה ולעשות פעולות בצורה יותר מדויקת ומהירה, מתהליכים פשוטים, דרך שיפור חוויית לקוח ועד תהליכי קבלת החלטות. הכלים של הבינה המלאכותית יכולים אפילו לזהות רגש כשמדברים עם לקוח, לתת פתרונות תוך כדי שיחה וכן לזהות ולהתאים תהליכי עבודה. כך, ניתן לייעל כוח אדם ולנתב אותו לאזורים יותר אסטרטגיים ומורכבים של קבלת החלטות, מאשר הכנה ותפעול בלבד.
הצעד הראשון הוא מיפוי המצב הקיים והבנה עם איזה מערכות וטכנולוגיות עובדים היום, ולאחריו מתכננים את הפרויקט כולו, תוך בחירת הפתרונות הייחודיים לחברה והתאמתם לצרכיה. על מנת לקלוט פתרונות וכלי בינה מלאכותית צריך לארגן ולרכז את הנתונים בצורה מסוימת כך שניתן יהיה בכלל להנגיש אותם ל- AI בצורה טריוויאלית.
החדשות הטובות הן שהאוצר הזה כבר נמצא אצלכם והידע הארגוני טמון בדאטה, בתסריטי שיחה, בנהלי עבודה, במערכות ובמקורות מידע אחרים בארגון, כך שלא צריך ללכת רחוק כדי לחפש אותו. החדשות הרעות הן שהוא לא נגיש לעובדים וככל הנראה גם לא לבינה המלאכותית. פעמים רבות הוא נמצא מחוץ למערכת המרכזית וקיים רק במיילים, בגיליונות אקסל, 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.
חברה שרוצה להטמיע בינה מלאכותית לטובת ניהול ידע, חייבת שיהיו לה תשתית ניהול ידע קיימת ומתודולוגיה של עדכון, קיטלוג והפעלת מידע מתוך מאגרי הידע. לכן, האתגר המשמעותי שעומד בפניה קודם כל הוא פרויקט דאטה ומודרניזציה. הצעד הראשון הוא מיפוי המצב הקיים והבנה עם איזה מערכות וטכנולוגיות עובדים היום, ולאחריו מתכננים את הפרויקט כולו, תוך בחירת הפתרונות הייחודיים לחברה והתאמתם לצרכיה. על מנת לקלוט פתרונות וכלי בינה מלאכותית צריך לארגן ולרכז את הנתונים בצורה מסוימת כך שניתן יהיה בכלל להנגיש אותם ל- AI בצורה טריוויאלית.
כמו כן יש להכניס הגנה על פרטיות והגנת סייבר, ולראות כיצד קולטים מידע חדש ומעדכנים את המידע 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?
זיהוי תהליכים ואזורים בחברה בהם אפשר להטמיע AI
על מנת לאמץ טכנולוגיות בינה מלאכותית, יש לבחון לעומק את התהליכים בחברה, לבנות את היעדים הארגוניים, להגדיר את המטרה העסקית ולבנות תכנית עבודה להתאמת התשתיות הארגונית באופן שיביא את הערך הגבוה ביותר וישפר את הביצועים האסטרטגיים והניהוליים. כך ניתן יהיה לזהות תהליכים בהם ניתן להטמיע AI ולנצל את ההזדמנויות שהוא מאפשר, לדוגמה:
– אוטומציה חכמה של משימות תפעוליות שגרתיות לטובת SLA מהיר יותר, הפחתת טעויות אנוש והפניית המשאבים הארגוניים למיקוד בפרויקטים מורכבים ואסטרטגיים.
– ייעול תהליכי ליבה, בהם 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 צרכי הלקוחות באופן מיידי ואף מציעים פתרונות מותאמים.
לכל מטבע יש שני צדדים
לפני שממהרים להסתנוור משפע ההזדמנויות שהבינה המלאכותית מזמנת, כדאי רגע לעצור ולבחון את הנושא גם מבחינה תקציבית. האם מתאפשר ומשתלם יותר להשתמש במערכת מבוססת מוצר מדף, להסב את המערכת לקוד או לסביבה עדכניים או אולי בכלל לפתח מערכת מאפס? כמו כן, יש לקחת בחשבון שכל שימוש ושאלה שעובדים עושים במערכת עולה כסף. איך עושים אומדן בכמה כסף המערכת תשתמש, והאם יודעים כמה זה יעלה בהסתכלות שנתית כדי להכניס את זה לבסיס התקציב? כמה משתמשים יהיו למערכת, כמה שאלות הם ישאלו ומה כמות המידע עבור המנוע? ואיך מגבילים את השימוש במידת הצורך?
ההאצה הטכנולוגית תביא לכך שבתוך זמן קצר משנהוג לחשוב, עולם העבודה יהיה במקום אחר, והבינה המלאכותית תכנס במהירות ובעצימות מאוד גבוהה. חברות וארגונים שלא יהיו ערוכים יחוו משברים ופגיעה בממשקי העבודה בשרשרת העסקים עם ספקים, לקוחות ונותני שירות, בשל פערים במוכנות ובהטמעה של מוצרי AI.
סוגייה נוספת שאולי מצננת קצת את ההתלהבות, היא ההיערכות לבינה המלאכותית בהיבטים הקשורים לניהול השינוי, למבנה הארגוני ולתהליכי העבודה. ארגונים רבים לא ערוכים לקראת כניסת AI בהתמודדות של ההון האנושי – על כל גווניו – מה שמחייב התאמות לתרבות הארגונית, לשיטות העבודה ולניהול האנשים. הטמעת צ’אטבוטים חכמים בשירות הלקוחות, למשל, תשנה את תפקידי נציגי השירות באופן משמעותי, והם יידרשו להתמקד בפתרון בעיות מורכבות יותר. זה ייצר צורך בהכשרות חדשות ובתמיכה מתמשכת לעובדים.
בנוסף, אך טבעי שיעלו חששות בקרב העובדים לגבי תפקידם בארגון, חיוניותם והרלוונטיות שלהם לאור השימוש ב- AI. תחושות אלה עשויות לגרום לירידה במוטיבציה ואף להתנגדות לשינוי, לכן ניהול שינוי הוא חלק קריטי מהתהליך, ובמסגרתו 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.
ההאצה הטכנולוגית תביא לכך שבתוך זמן קצר משנהוג לחשוב, עולם העבודה יהיה במקום אחר, והבינה המלאכותית תכנס במהירות ובעצימות מאוד גבוהה. חברות וארגונים שלא יהיו ערוכים יחוו משברים ופגיעה בממשקי העבודה בשרשרת העסקים עם ספקים, לקוחות ונותני שירות, בשל פערים במוכנות ובהטמעה של מוצרי AI.
אין סוף אפשרויות, אבל גם מגבלות
הבינה המלאכותית מאפשרת הזדמנויות אין־סופיות להוביל את השוק ואת הסביבה העסקית, לצד שיפור חווית הלקוחות. יחד עם זאת, היא לא חפה ממגבלות:
1. תלות בנתונים איכותיים ומקיפים: חלק מפתרונות ה-AI דורשים כמות עצומה של נתונים איכותיים, מה שמחייב חברות וארגונים לאסוף, לנקות ולתחזק את הנתונים באופן עקבי. אם הנתונים חסרים או לא מדויקים, המודלים עלולים לספק תוצאות שגויות או להטעות את מקבלי ההחלטות. במיוחד כאשר מערכות AI מתבססות על נתונים היסטוריים, קיים חשש שהן ישמרו הטיות קיימות במקום לשפר אותן.
2. אבטחת מידע ופרטיות: הטמעת מערכות בינה מלאכותית דורשת שימוש בנתונים רגישים, והגנה על המידע היא אתגר רציני. תחום ה-AI עדיין חשוף לסיכוני אבטחת מידע ומודלים יכולים לעיתים להיות רגישים ל”מניפולציות” (adversarial attacks). בעידן של רגולציות פרטיות נוקשות, כמו GDPR באירופה, חברות נדרשות לשמור על רמות אבטחת מידע ועמידה ברגולציה, מה שמגביל את השימוש במערכות מבוססות AI.
3. התאמת פתרונות AI לתהליכים ארגוניים קיימים: על מנת לקבל תוצרים איכותיים וערך אמיתי מפתרונות הבינה המלאכותית יש לוודא התאמה של AI לאופי החברה, למערכות, לדאטה ולתהליכים העסקיים שלה, ולא להסתפק במוצר מדף. הלימה נכונה דורשת התאמת מערכות, ניהול שינויים והכשרת צוותים, ובלעדיה הפתרונות לא יממשו את מלוא הפוטנציאל שלהם, ולא יביאו לערך המוסף הצפוי.
4. עלות וזמן השקעה: פיתוח והטמעה של פתרונות בינה מלאכותית דורשים השקעה כספית גבוהה וזמן רב עד ליישום מלא. תהליך זה כולל את עלויות האיסוף, האחסון והתחזוקה של נתונים וכן הכשרת עובדים ותשתיות מחשוב מתקדמות. בשל כך, לא כל חברה יכולה לעמוד בנטל התקציבי והזמן הנדרשים ליישום הפתרונות באופן יעיל.
5. מורכבות של חיבור מערכות ישנות: חברות רבות משתמשות במערכות ותיקות שפועלות על בסיס טכנולוגיות מיושנות או קוד סגור, שקשה לשלב עם כלים חדשניים של למידת מכונה ו-AI. למערכות אלה אין יכולת לעבוד עם נתונים בזמן אמת, והן לרוב אינן תומכות באינטגרציות עם מערכות חיצוניות מתקדמות. בנוסף, הצורך להמיר או להחליף את המערכות הללו עשוי לדרוש משאבים רבים, הן מבחינת עלות והן מבחינת הזמן הנדרש לשדרוג.
הנכס האסטרטגי שיש לכם ביד
באקלים התחרותי של היום, הנתונים הקיימים והידע הארגוני שמצטבר יכולים להזניק אתכם קדימה. הידע הוא נכס אסטרטגי שמשמש לחדשנות ארגונית וליתרון על המתחרים, ועם הגידול המהיר והמתמשך בדאטה, ארגונים נדרשים לשנות ולייעל את התהליכים של ניהול הידע שלהם. לא מדובר רק בניהול יעיל של הידע הארגוני הקיים, אלא גם ביצירת ידע ארגוני חדש. בזכות ניהול הידע הארגוני ניתן ליצור יציבות ובסיס להמשכיות עסקית גם כשהעובדים מתחלפים או יוצאים לחופשות, ליהנות מהתרומה של ה- AI בניהול סיכונים ובהפקת לקחים ולהתעמק בפיתוח עסקי.
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. עכשיו זה הזמן להרים את הכפפה ולהצטרף למסע ה- AI.
אהבתם?
קבלו את התכנים שלנו ישירות לתיבת המייל
זאת תחילה של ידידות מופלאה (:
ממש בקרוב נתחיל לשלוח לך תכנים, נתראה באינבוקס!