איך חברת פינטק שבדית מאתגרת את ענקיות ה SaaS העולמיות?

"אם חשבנו שבינה מלאכותית שמה עין על המשרות והקריירה שלנו, היא בעצם שמה עין על המנוי החודשי שלנו"

אמ;לק: מהלך נועז של Klarna מסמן שינוי פרדיגמה בעולם ה SaaS הארגוני

חברת קלארנה השבדית הכריזה על מהלך עסקי נועז: נטישת פתרונות SaaS מובילים (SalesForce ו- WorkDay ) לטובת פיתוח עצמי מבוסס AI. או כמו שאומרים בשכונה: “אם כל מה שאני מקבל זו אוטומציה חכמה של תהליכים, אותם אוכל לפתח בעזרת צוות קטן ומוח ענק של AI, למה לי להמשיך ולשלם סכומי עתק עבור רשיונות ארגוניים?"

הסיפור של Klarna

קלארנה השבדית היא לא עוד חברת פינטק. עם כ- 3,500 עובדים, 150 מיליון משתמשים, ולמעלה מ- 500,000 לקוחות קמעונאים ברחבי העולם, קלארנה היא אחת מחברות הפינטק המובילות באירופה ולפי השמועות, בדרך להנפקה. פתרונות המימון והתשלומים באונליין במודל "קנה עכשיו, שלם אח"כ" (BNPL), מיצבו אותה כשחקן משמעותי בעולם הפינטק. אגב, קלארנה החלה עם הרומן האסטרטגי שלה עם AI כבר ב 2022 והיא אחת החברות הראשונות להציג ביצועים פיננסיים ותפעוליים מרשימים אותם היא משייכת ישירות ל- AI. זה למאמר נפרד…

כשמנכ"ל מחליט לשחוט פרות קדושות

המנכ"ל של קלארנה, סבסטיאן סימיאטקובסקי, הכריז שהחברה מפסיקה את השימוש במערכת SalesForce ) מובילה עולמית בניהול קשרי לקוחות למכירות, שירות ושיווק מבוסס ענן) לאלתר ונוטשת גם את Workday (כנ"ל לניהול הון אנושי וניהול פיננסי מבוסס ענן) בעוד מספר שבועות. סימיאטקובסקי טוען שבעזרת AI, קלארנה הצליחה להקים שדרה ותשתית טכנולוגית קלה יותר, יעילה יותר תפעולית, וברמת התאמה גבוה יותר לצרכים.

מה זה אומר על שוק ה SaaS הארגוני ועל התעשייה?

אנחנו כל הזמן שומעים "AI is coming" אבל אם החדשות סביב קלארנה אכן תבשלנה בשטח – זו כנראה תהיה החברה המשמעותית הראשונה "שחוצה את הקווים" ובונה חלופה מבית לשחקניות SaaS גדולות, שעד כה, נדמה היה והן בלתי חדירות. לא מדובר במערכות לווין, אלא מערכות ליבה של קלארנה. המעבר של Klarna מפתרונות SaaS מסורתיים לפיתוח עצמי מבוסס AI מייצג לא רק חיסכון בעלויות, אלא גם שאיפה לגמישות ואוטונומיה טכנולוגית גבוהה יותר.

המעבר של Klarna מפתרונות SaaS מסורתיים לפיתוח עצמי מבוסס AI מייצג לא רק חיסכון בעלויות, אלא גם שאיפה לגמישות ואוטונומיה טכנולוגית גבוהה יותר

בואו וננסה לעכל יחד את המשמעויות:

תיעדוף מחדש של פיתוח-עצמי לחלקים מהשדרה-הטכנולוגית

המהלך של קלארנה עשוי לסמן את תחילתה של מגמה הדרגתית בה ארגונים מתעדפים מחדש את הפיתוח והבעלות העצמית על חלק מהשדרה-הטכנולוגית שלהם, בעיקר במוצרים שעולים לארגון 7-8 ספרות מדי שנה.

דמיינו עתיד אפשרי: סוכני AI + מהנדסי AI יכולים לבנות מחדש את הפונקציונליות הרלוונטית של מרבית פתרונות ה SaaS הארגוניים בעצמם, לארח אותם בענן בזיל הזול, ולקבל בערך 80% מהפונקציונליות בשבריר עלות.

המנדט שניתן למנמ"ר בארגונים אלו סביר שיתרחב מעבר לניהול מו"מ לרשיונות SaaS ארגוניים, אל יכולת להחליט להחליף את חלקם בפתרונות "מבית" מבוססי AI.

מקבלי החלטות בארגונים שניחנו במיינדסט AI-first יוכלו ליצור לעצמם בעזרת AI פתרונות פשוטים ו- "תפורים לצורך" שזולים עשרות מונים לפיתוח ותפעול בהשוואה לשירותי ה SaaS המסחריים. די סביר להניח שהם יתחילו ממערכות לווין ויתקדמו בזהירות המתבקשת אל מערכות הליבה.

כנגזרת, הגיוני לדמיין היווצרות של שדרה-טכנולוגית רזה יותר, קלה יותר, ספציפית יותר, יעילה לתפעול וזולה לשינוי/שיחלוף. בדוגמה של קלארנה, אפשר להעריך שה TCO של החלופות הרזות עשוי להיות זולות עשרות מונים לתפעול כיוון שתהליך האפיון, היישום וההתאמה חצי-אוטומטיים ומונעי AI.

עם זאת, יש לזכור כי המעבר לפיתוח עצמי טומן בחובו סיכונים, כגון אתגרי אבטחת מידע, תחזוקה ארוכת טווח, ועמידה בתקנות רגולטוריות מתחלפות."

דמיינו קטגוריה חדשה: "Disposable Enterprise Apps"

עלייתו של "בדיוק מה שצריך כעת" ונפילתו של "המקיף, גנרי ודורש התאמה"

צור, השבח, . Repeat.

אתה הלקוח, המפתח, הספק, והמשתמש.

דמיינו קטגוריה חדשה: "Disposable Enterprise Apps"

סביבות פיתוח חדשות מבוססות AI מאפשרות לבנות פתרונות שבנויים בדיוק לתהליכים ולשרשרת ערך מאד ספציפית של הלקוח במקום להתאים כלים גנריים ענקיים ומודולריים לעייפה. כלומר, אפס פשרה ובניה של " מה שאני צריך כרגע בדיוק".

הם לא גמישים ומודולריים מדי – אין בכך צורך; כלכלי יותר ליצור מחדש את הגרסה המטוייבת והמדויקת יותר שנדרשת כרגע, ואת זו שתידרש בהמשך. כל ה unit economics של פיתוח ותפעול של יישומים ארגוניים מתהפך על ראשו.

וכך, במקום one size fits all שמספקות ענקיות ה SaaS הארגוניות, שמוליד בתורו פשרה מיתולוגית בין אימוץ תהליכי Vanilla אל מול התאמה ספציפית אך יקרה ומורכבת (המון כסף מושקע בהתאמות). – מהפכת ה AI מייצרת מרחב לפרדיגמה חדשה: אתה יוצר, מתקן, יוצר שנית, מטמיע, מטייב, מטייב שוב, מרחיב, וחוזר חלילה. הכל לפי דרישה.

מהפכה ב SaaS Unit Economics ובכלכלת Build or Buy

הפרמיה שאנחנו משלמים לענקיות ה SaaS בצורת רשיונות/מנוי, נובע בחלקו מהעובדה שהן משקיעות שנות אדם רבות בפיתוח מערכת מקיפה, מודולרית להתאמה לצרכינו המשתנים (פחות או יותר) וצומחת.. כלומר אנחנו משלמים *היום* על היכולת הפוטנציאלית שלנו *בעתיד* לשנות, לעדכן, להתאים, לצמוח. עד כה, עדיין השתלם למרבית הארגונים לשלם לפתרונות SaaS. אולם הכלכלה של פיתוח מול רישוי/מנוי משתנה במהירות למול עינינו. העלות לפיתוח-מחדש של גרסה עדכנית ומותאמת "לעכשיו" צונחת פלאים. אתה חוסך את הפרמיה/קנס על הגמישות הפוטנציאלית העתידית. WYNIWYP What you need is what you pay.

מי באמת צריך לדאוג?

פאוזה של פרופורציות ומיליון דיסקליימרים: בטווח הנוכחי, הפרדיגמה הזו עשויה להתאים רק לחלק מהארגונים ולתהליכים / יישומים מסוימים. מערכות ליבה קריטיות בארגונים גדולים? שירותים נצרכי-לקוח? כנראה שיישארו על SaaS מסורתי בעתיד הנראה לעין. אבל, תחשבו על "יתר העולם" הארגוני:

– ארגונים קטנים ובינוניים יכולים לשקול ברצינות לאמץ פיתוח עצמי לסביבה התפעולית
– מערכות לווייניות בארגונים גדולים עשויות להיות המועמדות הראשונות להחלפה ארגונים עם אידיאולוגיית AI-first דוגמת קלארנה כנראה יובילו את המגמה ויסללו עבור יתר הארגונים את הדרך.

הדילמה של ענקיות ה SaaS:

להתחדש או להחלש המגמה הזו צריכה להדיר שינה מכל שחקנית SaaS ארגונית. אם צוות מהנדסים בארגון שנעזר ב AI יכול לשכפל את הפונקציונליות הנקודתית הרלוונטית עבורו מסך המוני השנים של פיתוח והתאמות שהשקיעו ענקיות ה SaaS הארגוניות, והוא כבר לא חש הצדקה לממן רשיונות כה יקרים, הרי שכדאי לשחקנים אלו לחשב מחדש את פרדיגמת ה Stickiness שלהם.

כשחושבים אסטרטגית בעולם הטכנולוגיה, העתיד אינו בינארי של מוות או פריחה. הנה שתי אבולוציות אפשריות לדוגמה בהן שחקניות ה SaaS הארגוניות עשויות להתאים את הצעת הערך שלהן:
– להציע הרבה מעבר לאוטומציה של תהליכים והתאמות בקצה. כדי להצדיק את חידוש הרישיונות היקרים, הן תצטרכנה להתחרות בכלכלה החדשה ולהציע תובנות ייחודיות, או יכולות חדשות ופורצות דרך, כגון יכולות AI שלובות ומשיאות ערך נתפס דוגמת סוכנים-חכמים ומודלי חיזוי
– לפתח גרסאות "רזות" מבוססות AI. תוך שימור היתרונות הארגוניים הייחודיים שלהן סביב גמישות, אבטחת מידע, תחזוקתיות, ניסיון מצטבר. וכן, הן תסתכנה בקניבליזציה של הכנסות מחלק מהלקוחות הארגוניים הקיימים שלהן.
– לשנות את המודל העסקי שלהם. תשלום לפי חיסכון/ביצועים, תמחור דינאמי/לפי-שימוש, ועוד.

דוגמאות עדכניות למהלכים כאלו הן ההכרזות האחרונות על שילוב סוכני AI בפלטפורמות דוגמת SalesForce , מיקרוסופט קופיילוט, ו Slack (עליהן נרחיב בפוסט נפרד).

שני הסנט שלי?

זהו סיגנל ראשון למהפכה פוטנציאלית ענקית בעוד שמוקדם לקבוע אם מהלך זה מסמן את 'קץ עידן ה- SaaS הארגוני", הוא בהחלט סיגנל חזק לשינוי פרדיגמה אפשרי בדרך שבה ארגונים חושבים על תשתיות טכנולוגיות ומערכות ארגוניות בעידן ה- AI. (ציניקנים טוענים שיתכן וזו טקטיקה חכמה של חברה שנערכת להנפקה… ) כך או כך, ידרשו לא מעט חודשים כדי להבין לאן העניינים מתפתחים.

המנכ"ל של קלארנה אוונגליסט קולני ליתרונות החיסכון של AI. ההחלטה ללכת all-in על AI הנה החלטה אסטרטגית עבורו, אך גם טומנת בחובה סיכונים שמוקדם עדיין מכדי להעריך. מה שבטוח, המהלך האמיץ של קלארנה עשוי להעניק השראה לארגונים אחרים. להערכתי – לפחות בשלב זה, עבור רוב הארגונים מסלול ברירת המחדל הוא עדיין אימוץ של פתרונות SaaS מסחריים. האימוץ הארגוני הנרחב יהיה איטי מקצב החדשנות הנקודתית שכלי ה AI מדגימים כיום.

נקודת המפנה (point of inflection) תתרחש להערכתי כאשר מבחינה ארגונית, היכולת לפתח מערכת מדויקת, רזה וספציפית בבית, תיחשב כסממן של איכות, יעילות ושיקול דעת ניהולי נכון ולא כיעד טקטי פופוליסטי להמחיש חיסכון בעלויות תפעול. כאשר זה יהפוך לסטנדרט זהב חדש של אפקטיביות ארגונית. וזה דורש חינוך שוק. וזמן.

את המאמר כתב מוטי קריספיל, Head of AI בשטראוס אסטרטגיה

עוד כתבות עבורך

מרישיונות AI ל-ROI

לא מרכיבים מנוע סילון על עגלה עם סוס 

מה השתנה?

ארגונים רבים השקיעו משאבים ניכרים ברכישת רישיונות וטכנולוגיות AI עבור העובדים, ועדיין התחושה הרווחת היא שהפוטנציאל העצום אינו ממומש.

ההשקעה קיימת, הטכנולוגיה עובדת וגם ה-PoC כבר הצליח, אך העובדים ממשיכים לעבוד בתהליכים הישנים וההשקעה אינה מתורגמת ל-ROI.

זו לא בעיית AI – זה כשל תפעולי "בקילומטר האחרון".

 

את הכשל נפתור באמצעות מודל אסטרטגי-ביצועי, שנשען על מתודולוגיית המצוינות התפעולית של שטראוס אסטרטגיה, ומגובה כתהליך עבודה שמיושם בפועל.
מטרת המודל אינה "להדריך על AI", אלא לתכנן מחדש תהליכי עבודה סביב היכולות החדשות.

 

הדרך להפוך השקעה טכנולוגית לערך עסקי מדיד

המשך עבודה בתהליכים ישנים עם כלי AI חדשים משול להרכבת מנוע סילון על עגלה עם סוס. זה לא שיפור, זו טעות תכנונית.

אנחנו לא שואלים "איך לשלב AI בתהליך" אלא "למה התהליך עדיין בנוי כפי שהוא?".
זהו "פער האימוץ" שכל מנהל מכיר: הארגון משקיע הון ברישיונות וכלים, אך רק כ-5% מפיילוטי ה-AI בארגונים באמת מחוללים שינוי ומגיעים ל-ROI מדיד, כך עולה *ממחקר MIT שבחן מעל 300 יישומי AI ארגוניים ב-2025.

**טרנספורמציות AI מוצלחות עוקבות אחר דפוס 1:3:5: 

על כל דולר שמושקע בטכנולוגיה, 

מושקעים 3 דולרים בעיצוב מחדש של תהליכים, 

ו-5 דולרים בבניית יכולות ובאימוץ. 

"פער האימוץ" הוא לא בעיית עובדים – הוא כשל ניהולי.

MIT The GenAI Divide: State of AI in Business 2025 

 ** 08/2026 Mckinsey- How to close the agentic adoption gap 

 

הפתרון: מומחה למצוינות תפעולית שמצטרף לצוות ומצמצם את הפער   

מודל שבו המומחה לא "מלמד AI", אלא מתכנן מחדש את תהליך העבודה סביב הכלים והרישוי שכבר רכשתם. הוא לא נותן ייעוץ מרחוק אלא יושב פיזית עם הצוותים העסקיים והתפעוליים בארגון שלכם.

המומחה ממפה את התהליך הקיים, מזהה את העבודה שניתן למכן ובונה יחד עם העובדים פתרונות פרקטיים – Workflows, אוטומציות וסוכני AI – על גבי הכלים הקיימים אצלכם.

 

הדרישות מהמומחה:

מאפייני המשרההדרישה
כישוריםמנוסה במצוינות תפעולית ושינוי הרגלי עבודה לצוותים
מיקוםפיזית בשטח, צמוד לצוותי הביזנס והתפעול, תחת הכוונה אסטרטגית
Hand-Onבונה בפועל Workflow, סוכני AI, אוטומציות ופרומפטים
אבטחת מידעלפי מדיניות הארגון: ממשל נתונים, גישה למערכות, תאימות רגולטורית

 

המודל פותר שלושה פערים מרכזיים:

  • פער ב-ROI: רישיונות שנרכשו והוכחות היתכנות (PoCs) שהצליחו טכנית, אך לא תורגמו לערך עסקי.
  • פער בין הנהלה לשטח: תפיסת התהליכים בהנהלה שונה לעיתים קרובות ב-50% ויותר מהמציאות התפעולית היומיומית.
  • פער האחריות: מי אמון על שינוי תהליכי והרגלי העבודה במחלקות העסקיות והתפעוליות? הפער כיום בלי בעלים.

 

ההתחייבות שלנו: אימפקט ראשון שניתן למדוד תוך 30 יום   
תהליך מובנה עם התחייבות לתוצאה בזמן קצר:

שבועפעילות
שבוע 1-2אבחון ובחירת "כאב"

נשב עם הצוות*, נמפה תהליך קיים ונבחר יחד נקודת כאב אחת ספציפית
(למשל תהליך ידני שגוזל שעות יקרות), נגדיר יחד מדד הצלחה ברור.

שבוע 3בניית הפתרון הראשון

נבנה פתרון Hands-on – סוכן, אוטומציה, Skill או Workflow –
על גבי הכלים הקיימים אצלכם, בשיתוף מלא עם הצוות.

שבוע 4מדידת השינוי

נציג דוח ברור: כך התהליך עבד קודם, כך הוא עובד עכשיו, וזה הזמן והכסף שנחסך – שינוי ראשון, נראה לעין ומדיד.

*הצוות- מחלקות עסקיות ותפעוליות:
מחלקות עסקיות, שרות לקוחות, משאבי אנוש, לשכה משפטית, כלכלית, שיווק, לוגיסטיקה, רווחה וכו'

 

רגע לפני שממשיכים   

זה לא עוד ייעוץ שמסתיים במצגת, לא הדרכה או סדנה חד-פעמית. זו עבודה צמודה בשטח עם הכלים והרישוי שכבר קיימים אצלכם – וכל הפתרונות שייבנו נשארים אצלכם (Workflows, פרומפטים, סוכנים).

 

איך ההצלחה נראית בשטח?   

הערך אינו תיאורטי. אצל לקוחותינו התהליך הזה כבר הוביל לתוצאות דרמטיות:

– תהליך ניתוח דוחות שנמשך 9 ימי עבודה בכל חודש, קוצר לשעה אחת בלבד.

– משימה תפעולית שנמשכה 5 שעות, ירדה ל-2 דקות באמצעות סוכן AI ומייל אוטומטי.

 

הצעד הבא: פיילוט. נתחיל מתהליך אחד שכואב    

הדרך להתחיל אינה דורשת מהפכה ארגונית או הקפאת פרויקטים. היא דורשת החלטה להתמקד. אנו מציעים להתחיל בפיילוט על תהליך אחד, עם צוות אחד, במטרה להוכיח ערך ולהדגים את הפוטנציאל. 

מוזמנים לפנות אלינו לשיח מקצועי ובחינת האתגרים הייחודיים של הארגון שלכם:

oren@s-strategy.com 

 

אסטרטגיה דיגיטלית בעידן ה-AI: מפאזל של יוזמות מבוזרות למנוע צמיחה ארגוני אחד

"הווטסאפ הפך לערוץ משמעותי והוא מנוהל על ידי שירות הלקוחות" ; "מחלקת החדשנות מובילה יוזמה של בוט באתר" ; "בשירות בוחרים כלי של בוט קולי ב-IVR"

 

אם המשפטים האלו נשמעים לכם מוכרים, אתם לא לבד.

בעולם העסקי הנוכחי, כמעט כל יחידה בארגון נוגעת היום ישירות בחוויית הלקוח ומקדמת פתרונות טכנולוגיים משלה. פריצת הבינה המלאכותית יצרה דמוקרטיזציה של כלים, והשטח רץ קדימה.

אבל בואו נעצור רגע ונתבונן על המציאות הניהולית הזו ביושר: כשכל היחידות הללו פועלות במקביל, הארגון מתמלא במהירות באוסף מבוזר של יוזמות. ההסתכלות הופכת לנקודתית, הטכנולוגיה מוטמעת ב"סילוסים" (Silos), וחוויית הלקוח השלמה הופכת לפאזל מפוזר. השיח הטכנולוגי מתחיל להתקיים בנפרד מהחזון העסקי הכולל, והתוצאה היא חוויה ארגונית מקוטעת שבה יד אחת לא תמיד מסונכרנת עם היד השנייה.

בינה מלאכותית היא לא עוד "תוספת" או שדרוג של הקיים – היא מחייבת אותנו להגדיר את תפקיד הדיגיטל מחדש. היא מאלצת הנהלות לשאול את השאלות המהותיות ביותר של העידן החדש: מה אנחנו יכולים לעשות היום שלא יכולנו לעשות בעבר? מה תפקיד הדיגיטל בעולם משתנה? ומהי קפיצת המדרגה האמיתית שלנו?

 

כדי להפוך את כאוס היוזמות למנוע צמיחה מלוכד, חיוני לעבור מתפיסה של "ניהול עסקאות וכלים" לתפיסה של

AI First – Digital Strategy.

 

מעבר זה דורש בחינה מחדש של שישה עוגנים תפיסתיים ואופרטיביים:

  1. הגדרת "כוכב צפון" אסטרטגי

הדרך לעשות סדר בכאוס היא לא לעצור את היוזמות המבורכות בשטח, אלא לתת להן מצפן. הנהלות בכירות צריכות להרים את הראש מהיומיום התפעולי, לאתר את אזורי המיקוד המדויקים ולעדכן את החזון הדיגיטלי של הארגון. במקום לשאול "איזה כלי או בוט להטמיע בשלב הבא?", השאלה הנכונה שחובה לשאול היא: מהו מסע הלקוח השלם שאנו רוצים לייצר בעידן ה-AI, ואיך הכלי הנוכחי משרת את התמונה המלאה?

  1. מעבר מ-Flow קבוע ל-Orchestration חכם

ציפיות הלקוח השתנו מן היסוד. חלפו הימים שבהם הלקוחות הסתפקו בממשקים סטטיים, ליניאריים ומבוססי תסריט קבוע ונוקשה. המציאות החדשה דורשת מעבר מחוויה מגיבה (Reactive) לחוויה יוזמת (Proactive). מדובר בתזמור חכם (Orchestration) המשלב ממשקים שיחתיים, המלצות וטריגרים חכמים שנעים מאוטומציה פשוטה של משימות לאוגמנטציה של החלטות – חוויה הוליסטית שמתאימה את עצמה לקונטקסט של הלקוח בזמן אמת.

  1. ממערך נכסים דיגיטליים לאקו סיסטם של חוויות 

נכסים דיגיטליים שנבנו לפני שנים ספורות עלולים להפוך למחסום הגדול ביותר של חוויה חכמה. ארגונים נדרשים לבצע מיפוי אובייקטיבי של מפת הנכסים הקיימת ולשאול: אילו נכסים תומכים בעידן הנוכחי, אילו נכסים מגבילים אותנו, ומה באמת חסר לנו (שילוב שכבות דאטה, סוכנים אוטונומיים ושכבות AI)? רק מתוך בחינה זו ניתן לקבל החלטות מושכלות היכן להשקיע את המשאבים, וחשוב מכך – איפה לא להשקיע עכשיו.

  1. עדכון מודל ההפעלה והשרירים הארגוניים

טכנולוגיה מתוחכמת עם שיטות עבודה ישנות מייצרת חיכוך קבוע. המנוע האמיתי שמפיח חיים בכל מהלך דיגיטלי הוא הצוות האנושי ומודל ההפעלה שלכם. כיוון שפתרונות AI מקצרים דרמטית את הזמן הנדרש מרעיון למוצר עובד (MVP), אנשי הדיגיטל והמוצר משתחררים מהעיסוק הטכני ב"איך לבנות”, כובד המשקל הארגוני זז באופן מובהק לעבר הפעלת חשיבה מוצרית ועיצובית עמוקה הממוקדת בפיצוח הצורך העסקי. הארגון של המחר זקוק לסקילס חדשים לחלוטין – מעיצוב חוויות חכמות ועד שימוש בשיטות עבודה מתקדמות כמו SDLC מבוסס AI – שבהן ה-AI הופך לחלק בלתי נפרד מהצוות הארגוני.

  1. ארכיטקטורה ותשתיות תומכות

חזון דיגיטלי מתקדם לא יכול להתממש על גבי תשתיות מבוזרות. ארגונים חייבים להעריך את רמת הבשלות הטכנולוגית שלהם, עם דגש קריטי על איכות וזמינות הדאטה. זהו השלב שבו יש לנהל דיון אסטרטגי בדגש על הארכיטקטורה שתאפשר גמישות מרבית תוך שילוב של כלים שונים ליצירת חוויה הוליסטית ומתוזמרת.

  1. מפת דרכים ממוקדת וברת-ביצוע

אסטרטגיה היא קודם כל הבחירה מה לא לעשות. מפת הדרכים של הדור הבא צריכה לאזן בצורה מדויקת בין שני עולמות: יישום מהיר של "ניצחונות מהירים" (Quick Wins) שמייצרים ערך מיידי ומגייסים את הארגון לשינוי, לצד מהלכים תשתיתיים ואסטרטגיים לטווח הבינוני והארוך. כל אלו חייבים להיות מגובים במדדי הצלחה ברורים (KPIs) ותרבות של מדידת שביעות רצון (CSAT).

 

מפת המציאות: מתאוריה לפרקטיקה בשטח

כשעוצמים את העיניים ומדמיינים את מסע הלקוח שלכם – האם הוא נהנה מחוויה אחת רציפה וחכמה, או שהוא חווה את המבנה הארגוני המבוזר שלכם בכל אינטראקציה?

בעידן שבו חוקי המשחק משתנים מדי יום, התייחסות לשכבות הדאטה והבינה המלאכותית היא כבר לא בחירה או שדרוג עתידי – היא תנאי הסף הבסיסי ביותר לאפיון של כל תהליך דיגיטלי.

 

בשטראוס אסטרטגיה, אנו מביאים את הניסיון המעשי שצברנו בליווי החברות המובילות במשק – במגזר הפיננסי, בעולמות הבריאות, הרכב, הקמעונאות והמגזר הציבורי – כדי לעזור להנהלות לעשות Zoom Out, לחבר את חלקי הפאזל המבוזרים ולתרגם את אסטרטגיית ה-AI First מתוכניות עבודה לחוויה שמייצרת אימפקט עסקי ואמון לאורך זמן.

מוזמנים לפנות אלינו לשיח מקצועי ובחינת האתגרים הייחודיים של הארגון שלכם: hello@s-strategy.com

מי מחזיק במקלדת ה-AI? הדילמה הארגונית של כתיבת פרומפטים ו-Skills

מבוא: אשליית הפשטות מול קיר המציאות

בעידן שבו בינה מלאכותית יוצרת (GAI) הופכת לחלק בלתי נפרד משיטת העבודה היומיומית, ארגונים רבים מוצאים את עצמם בצומת דרכים ניהולי חדש. ההבטחה הגדולה של טכנולוגיית ה-AI הייתה מאז ומתמיד דמוקרטיזציה מלאה: שפה טבעית מחליפה את שפת הקוד, וכל עובד הופך בין לילה ל"מפתח" שיכול לייצר לעצמו כלים, אוטומציות ועוזרים אישיים. לכאורה, כתיבת Skills היא הפעולה הפשוטה ביותר בעולם. אך כאן בדיוק טמונה אשליית הפשטות.

כאשר מנסים לקחת את הכלים הללו צעד אחד קדימה, מעבר לכתיבת מיילים או סיכום מסמכים, אל עבר יצירת פרומפטים מורכבים, בניית תהליכים אוטומטיים ועיצוב "כישורים" (Skills) ארגוניים המחוברים לבסיסי הנתונים הרגישים של החברה, אנו פוגשים קיר מציאות טכנולוגי. כתיבת skills או פרומפט יציב, מאובטח, שלא "מהנדס" תשובות לא נכונות (הזיות והמצאת נתונים) ומבין את המורכבות העסקית של הארגון, דורשת סוג חדש של חשיבה, חשיבה אלגוריתמית, לוגית ומובנית, המזכירה מאוד הנדסת תוכנה.

רוב העובדים בארגון אינם מחזיקים ברקע כזה, והניסיון לדחוף אותם לשם עלול לייצר תסכול, חוסר עקביות עסקית ואף פער דיגיטלי פנימי. מנגד, אם נשאיר את המפתחות אך ורק בידי גוף מערכות המידע (IT) והטכנולוגיה, אנו עלולים לחנוק את החדשנות, לייצר צוואר בקבוק ארגוני ולפספס את הידע העסקי הייחודי שנמצא רק אצל אנשי השטח.

כדי לפתור את הפרדוקס הזה, ארגונים מובילים נדרשים לבנות מודל הפעלה חדש כזה שמגדיר מחדש את חלוקת התפקידים והאחריות בין ה-IT לבין היחידות העסקיות.

 

מודל הזהב: קהילת ה"חלוצים" והספרייה המשותפת (The Federated Community Model)

כדי שלא לייצר צוואר בקבוק טכנולוגי מחד ואיבוד שליטה מאידך, ארגונים מובילים מאמצים מודל היברידי חכם המשלב בין שתי רגליים מרכזיות:

1. ה"חלוצים" המחלקתיים (Skills Champions)

במקום לצפות מכל עובד בארגון להפוך למהנדס Skills/פרומפטים, הארגון מזהה ומכשיר "חלוצי AI" בתוך היחידות העסקיות (למשל: אנליסט שיווקי, מנהלת גיוס ב-HR, או כלכלן בכספים). עובדים אלו, שמבינים לעומק את הצרכים העסקיים של המחלקה שלהם, עוברים הכשרה ייעודית ממוקדת. הם הופכים ל"מתרגמים" של הצורך העסקי ל-Skills ופרומפטים מדויקים עבור עמיתיהם למחלקה.

2. ספריית ה-Skills הארגונית (The Enterprise Skills marketpalce)

כדי למנוע מצב שבו מחלקת הכספים ומחלקת הרכש מפתחות בנפרד כלי דומה לניתוח חוזים, הארגון מקים פלטפורמה שיתופית בסגנון "קוד פתוח פנימי". ה"חלוצים" מכל הארגון יכולים להעלות לספרייה זו פרומפטים וכישרונות (Skills) מוצלחים שפיתחו. ה-IT משמש כ"עורך ראשי" (Reviewer): הוא בוחן את הפרומפט מנקודת מבט של אבטחת מידע, יעילות עלויות ודיוק טכנולוגי, ולאחר אישור מהיר – ה-Skill הופך לזמין לשימוש בטוח עבור כלל עובדי הארגון.

התוצאה היא סינרגיה מושלמת: הידע והחדשנות מגיעה מלמטה (מהשטח), בעוד שהסטנדרטים, הבקרה והאבטחה מנוהלים מלמעלה (מה-IT)ברמה של בקרה אנושית ובקרת AI.

 

לגשר על פער הנדסת התוכנה: שיטת ה"צמדים" (Pair Prompting)

אחת הטעויות הנפוצות של ארגונים היא הציפייה שקורס של מספר שעות יהפוך אנשי שיווק, כספים או משאבי אנוש ל"מהנדסי פרומפטים" מיומנים. כתיבת פרומפט בסיסי היא אכן קלה, אך הפיכתו לכלי עבודה יציב, שאינו מושפע משינויי גרסאות של מודלי שפה ושומר על אבטחת המידע הארגונית, דורשת הבנה מבנית ולוגית עמוקה – הבנה שקרובה מאוד לעולמות הנדסת התוכנה.

בשנה-שנתיים הקרובות, הדרך הנכונה והפרקטית ביותר לגשר על הפער הזה אינה בהמתנה להכשרות ארוכות או לפלטפורמות טכנולוגיות מורכבות, אלא באימוץ שיטה השאולה מעולם הפיתוח: עבודה בצמדים (Pair Prompting).

 

כיצד זה עובד בפועל?

במקום לעבוד בנפרד, הארגון מייצר "גשר אנושי" קבוע:

  • איש הביזנס (החלוץ): מביא את ההבנה העמוקה של התהליך העסקי, את הניואנסים של הלקוח או של המוצר, ואת הבעיה האמיתית שצריך לפתור.
  • איש הטכנולוגיה (מערכות המידע): מביא את החשיבה הלוגית, ההבנה כיצד המודל "חושב", כיצד לנסח תנאים מורכבים (Guardrails) וכיצד למנוע טעויות ואבטחת מידע לקויה. וכאן יש מקום חשוב לפתוח את המחשבה. הצד הזה של הצמד יכול להיות Skill אשר ״עושה מיקור חוץ״ ליכולות הליווי של ה

במפגשים תקופתיים קצרים וממוקדים, השניים יושבים יחד ומלטשים את ה-Skills והפרומפטים שהחלוצים פיתחו בשטח. איש הטכנולוגיה מסייע לתרגם את הכוונות העסקיות למבנה לוגי רובוסטי, ואיש הביזנס מוודא שהתוצר נשאר שימושי ורלוונטי לחיי היומיום בארגון.

זוהי אינה רק שיטת עבודה, זוהי מתודולוגיית הכשרה חווייתית. דרך העבודה המשותפת, אנשי הביזנס רוכשים לאט לאט את "החשיבה האלגוריתמית", ואנשי הטכנולוגיה באופן אהושי או בסיוע Skiils מתחברים בצורה חסרת תקדים לצרכים העסקיים האמיתיים של הארגון.

 

סיכום: העתיד שייך לצמדים (והשותפים) הנכונים

בסופו של דבר, מהפכת ה-GAI היא הרבה פחות אירוע טכנולוגי והרבה יותר אירוע תרבותי וארגוני. היא מאלצת אותנו להמיס את החומות המסורתיות שבין "הטכנולוגיה" ל"עסקים" ולפתח מודל הפעלה חדש לחלוטין.

ארגונים שינסו להסתמך על קצה אחד של המתרס, בין אם בריכוזיות יתר של מערכות המידע שתחנוק את היצירתיות, ובין אם בביזור מוחלט שיוביל לכאוס, חוסר אבטחה ופערים דיגיטליים. ימצאו את עצמם מתוסכלים ומאחור. המנצחים הגדולים של השנתיים הקרובות יהיו אלו שידעו לייצר את הבלנס העדין: מהירות וחדשנות שמגיעות מהשטח, לצד הגנה, הכוונה וסטנדרטים שמגיעים מלמעלה.

 

אז מאיפה מתחילים מחר בבוקר?

  1. מזהים את ה"חלוץ" (Champion) הראשון במחלקה שלכם.
  2. משדכים לו שותף טכנולוגי מאגף מערכות המידע וחיבור ל Skills "IT" הנכונים.
  3. מתחילים לייצר את ה-Skill או הפרומפט הראשון בשיטת ה"צמדים" (Pair Prompting).

אין צורך לחכות לתוכניות עבודה גרנדיוזיות או למהפכות קוד מורכבות. הדרך לפיצוח האתגר הניהולי הזה דורשת פשוט צעד ראשון, מעשי וממוקד.

 

כדי להפוך את המודל הזה מתאוריה יפה על הנייר לשיטת עבודה מניבה בארגון שלכם, נדרש הליווי הנכון. אנחנו כאן כדי להיות השותף שלכם למסע הזה – לעזור לכם למפות את ה"חלוצים" בארגון, לחבר ביניהם לבין האנשים הטכנולוגיים הנכונים, ולבנות יחד את הכלים, התהליכים וההכשרות שיעבירו אתכם משיח על פרומפטים לערך עסקי אמיתי ומדיד בשטח.