מ־Data Custodian ל־Business Transformer

מהמחסן לעסק: כך נראה היומיום של CDO בשנת 2025

תארו לכם את התמונה: אתם נכנסים למשרד של CDO באחד הארגונים הגדולים. פעם – שולחן עמוס דוחות אקסל, שאלות רגולציה, דיונים אינסופיים על הרשאות גישה. היום? על השולחן תמצאו שרטוט של מודל חיזוי מבוסס AI, טיוטות לתכנית הדרכה ארגונית על דאטה, ורשימת משימות אסטרטגיות: מחיבור מערכות legacy ישנות, דרך הנעת הנהלה להשקעות תשתית, ועד בניית מסעות לקוח מבוססי מידע. ה-CDO של 2025 כבר מזמן לא רק “שומר הסף של הדאטה”. הוא הפך לדמות מפתח בעיצוב כיווני ההתפתחות העסקית – מתרגם בין עולם הטכנולוגיה לעולם התוצאה.

מה באמת השתנה?

בעבר, שיחות עם CDOs עסקו בעיקר בטיוב, אבטחת מידע ועמידה ברגולציה. היום, הן נשמעות אחרת לגמרי:
CDO של חברת ביטוח גדולה מספר לנו בהתלהבות כיצד מודל AI חדש מזהה לקוחות בסיכון לעזיבה – עוד לפני שהם עצמם מודעים לכך.
“פעם היינו מגיבים באיחור”, הוא אומר, “היום אנחנו מונעים. אפילו ה-CIO שלי התחיל לשאול מה עוד אפשר לחלץ מהדאטה…”המהפכה הזו לא קרתה ביום. זו תוצאה של שינוי עומק בתפיסת התפקיד: ה-CDO אינו עוד פונקציה תפעולית – אלא מחולל שינוי.

לא קסם, אלא ניהול אתגרים חכם

המציאות רחוקה מרומנטיקה: CDO של בנק גדול משתף כי ניסיונות להטמיע מודל AI לחיזוי אי־תשלומים נכשלו בשלב הראשון – לא בגלל הטכנולוגיה, אלא כי 40% מהנתונים פשוט לא היו קיימים, או לא היו נגישים.תהליך הארגון והאינטגרציה לקח חצי שנה – אך התוצאה הייתה מערכת מדויקת ומבוססת, שמייצרת ערך עסקי ברור.

שלושה שיעורים מהשטח

1. להתחיל בקטן, לחשוב בגדול
בפרויקט עם חברה יצרנית, ה-CDO בחר להתחיל בחיזוי זמני אספקה בקו ייצור אחד בלבד. ההצלחה יצרה מומנטום – שהוביל לפריסה רחבה יותר ולשדרוג כלל מערך הייצור.

2. לבנות גשרים, לא רק מודלים
70% מזמן ה-CDO מושקע בניהול תקשורת בין המחלקות – תרגום דאטה לתובנות עסקיות, הסברה טכנית למנהלים, והנעת ה-IT לשיתוף פעולה.

3. לנהל ציפיות, לא לייצר אשליות
“כדי לא לאבד אמון, למדתי להגיד: זה ייקח זמן”, אומר CDO של חברת אינטרנט. “הצלחות קטנות ואמינות עדיפות על הבטחות גדולות ללא כיסוי.”

האתגרים שפחות מדברים עליהם

• מערכות לגאסי – השקעה עצומה באינטגרציה ואחידות.

• כוח אדם היברידי – חוסר באנשי דאטה שמבינים גם את העסק וגם את הטכנולוגיה.

• תקציבים לא עקביים – ההנהלה רוצה תוצאות מהירות, אבל תשתיות לא מעניינות אותה… עד שמשהו נשבר.

• רגולציה מגבילה – שהופכת מודלים אגרסיביים ללא רלוונטיים.

איך מתקדמים נכון? עצות פרקטיות ל-CDO ולמנהלים סביבו

1. תכננו "ניצחונות קטנים" – התחילו בפרויקט עם ROI ברור כדי להוכיח ערך מהר.

2. עבדו בצוותים חוצי מחלקות – מפתחים, אנליסטים, אנשי שיווק ומכירות – כולם צריכים להבין את אותו הדאטה.

3. שימרו על איכות – עדיף דאטה אחד מדויק, מאשר חמישה חלקיים.

4. תדברו בשתי שפות – דאטה לא מייצר ערך אם לא יודעים לתרגם אותו לעולם ההנהלה.

ומה באמת מאפשר ל-CDO להצליח?

הטכנולוגיה היא רק מרכיב אחד.
CDO מצליח פועל מתוך תרבות ארגונית שמבינה את חשיבות הנתונים, ומגשרת בין אנשים, מחלקות, אינטרסים.
בארגונים שאנחנו מלווים, ההשקעה האמיתית היא לא רק במודלים או דאטה־לייקים – אלא באנשים:
סדנאות משותפות, תהליכי חיבורים בין צוותים, והפיכת השפה הדאטאית לנחלת הכלל.
זה מה שבונה את התשתית להובלת שינוי אמיתי.

לסיכום – ה-CDO של 2025 הוא המנוע העסקי החדש

הוא לא “מנהל דאטה”. הוא לא רק רגולטור פנימי. הוא ארכיטקט של חדשנות. הוא זה שמתרגם דאטה לערך עסקי. הוא המבוגר האחראי של המהפכה הדיגיטלית, גם כשהיא עטופה בהבטחות AI נוצצות. ומי שלא משקיע בו – פשוט מפספס את הזדמנות ההמראה של העשור הקרוב.

אם גם הארגון שלכם מתמודד עם שאלות ואתגרים סביב יוזמות עסקיות-טכנולוגיות (לרבות בתחום ה-AI), אנו מזמינים אתכם לפנות אלינו ונשמח להרחיב לגבי יתרונות המתודולוגיה, ולבחון יחד כיצד היא יכולה לסייע למטרות העסקיות שלכם. hello@s-strategy.com

כשהבינה המלאכותית הגנרטיבית (GenAI) נכנסת לעולמות העסקיים, ארגונים רבים ממהרים "לעשות עם זה משהו". אבל בעוד הטכנולוגיה מסחררת ביכולותיה, האתגר האמיתי הוא לא (רק) בבחירת המודל, אלא לפתח מוצר – עם ערך, תכלית, מדדים, תחזוקה ובעיקר – גישה שיטתית שתשאיר את הארגון בשליטה. אנחנו צריכים כל הזמן להזכיר לעצמנו ש genai הוא לא המטרה אלא האמצעי, בסופו של יום אנחנו נרצה ליישם יוזמות שיובילו אותנו ליצירת אימפקט עסקי.

מהניסיון שלנו בליווי חברות וארגונים המתמודדים עם האתגרים הללו, אנחנו תמיד מחזקים את העובדה ש-GenAI הוא לא עוד פרויקט – הוא מוצר מתמשך. הבדל מהותי קיים בין השקת פרויקט טכנולוגי "רגיל" – כמו פיתוח אתר, CRM או מערכת דיוור – לבין יוזמה מבוססת בינה מלאכותית. כשמדובר בהשקת יוזמה מבוססת AI קריטי להבין שמדובר במערכת לומדת, דינמית, שממשיכה להתעדכן ולהשתפר כל הזמן. ההשקה היא רק ההתחלה, בטח כשהטכנולוגיה משתנה ומשתפרת בקצבים מהירים בכל יום שחולף.

כדי לנהל נכון את המורכבות הזו, ב-Strauss Strategy פיתחנו את מודל ה־Gen AI Canvas – כלי ויזואלי שמתווה את כל רכיבי היוזמה על דף אחד, בגישה מוצרית מלאה שמיועדת לעולם הבינה המלאכותית.

אז מה כולל הקאנבס?

הקאנבס מחולק ל־12 רכיבים מהותיים, המשלבים בין ליבת מודל ה־Lean Canvas הקלאסי לבין תוספות ייחודיות לעולמות GenAI. הרכיבים החדשים מסומנים בכוכבית ומבליטים את ההיבטים הייחודיים שדורשת עבודה עם טכנולוגיה הסתברותית ולומדת:

1. הזדמנות / בעיית הבסיס לכל יוזמה:
 מהו הכאב האמיתי או ההזדמנות העסקית שאנו רוצים לפתור? זהו שלב קריטי: ללא הגדרת בעיה עסקית אמיתית, לא תתקיים הצעת ערך משמעותית.

2. פתרון מבוסס GenAI:
כאן נפרט את סוג המודל, מאפייני הפעולה, דרישות הממשק, רמת האוטומציה, שמירת ההקשר העסקי וכד'. במקום לומר "נבנה צ'אט בוט" – צריך להיכנס לעומק ולתאר את האינטליגנציה שתידרש מהמערכת, וכמובן מידת התאמתה הן לתהליכי העבודה של הארגון וגם לאתגר העסקי שגדרנו.

3. הצעת הערך הייחודית:
מה הייחוד של הפתרון שמאפשר GenAI דווקא? האם מדובר בזמינות תמידית, בשיחה טבעית, בהתאמה אישית, במהירות תגובה? זו ה-שאלה שארגונים רבים מתמודדים איתה בבואם לבחון פתרון טכנולוגי מבוסס AI.

4. למה שדווקא *אנחנו* נצליח? כאן נפרט את היתרונות היחסיים של הארגון – מה ה־unfair advantage שלנו? האם יש לנו דאטה שאין לאחרים? מומחיות ייחודית? צוות שירות מיומן שיכול להכשיר מודל?

5. לקוחות- מי המשתמשים של הפתרון? לקוחות קצה, נציגי שירות, עובדים פנימיים? הבנת קהל היעד קריטית לבחירת המודל והטון הנכון של התקשורת.

 6. נתונים (Data)- אחד החידושים המרכזיים בקאנבס הזה. כל יוזמת GenAI תלויה בדאטה – בלי מידע איכותי, המודל לא ידע לעבוד. יש להגדיר: אילו מקורות קיימים? אילו חסרים? האם המידע אמין, עדכני, ומספיק מפורט?

7. הגדרת מדדים נוספים מעבר למדדים העסקיים ה״קלאסיים״: כגון מו שיפור זמן תגובה או עלייה בשביעות רצון, יש לשלב מדדי דיוק ואמינות של המודל – למשל: מה אחוז הדיוק הנדרש כדי שנחשיב את השימוש כמוצלח?

8. ניהול סיכונים: AI מביא איתו שורת סיכונים: מהטיות בנתונים, דרך טעויות קריטיות ועד סוגיות פרטיות ואחריות. חשוב להגדיר מבעוד מועד מתי עוצרים את המודל, מתי מעבירים לאדם, ואיך נבצע בקרת איכות.

 9. ערוצים איך נגיע למשתמשים? באיזו פלטפורמה? האם מדובר בפיילוט פנימי? השקה באתר? הטמעה באפליקציה?

 10. עלויות / הכנסות זהו נדבך מוכר מה-lean canvas המקורי – כמה יעלה לנו לפתח ולתחזק את הפתרון? אילו חיסכון או הכנסות הוא צפוי לייצר? ב-AI כדאי לקחת בחשבון גם עלויות של דאטה, תשתית, תחזוקה ובקרת איכות מתמשכת.

יתרונות השיטה:

🔹 תמונה מלאה בדף אחד: הקנבס מאפשר לנהל שיחה אסטרטגית, מוצרית וטכנולוגית מול הנהלה, צוותים מקצועיים או משקיעים.

🔹 מקדיש מקום לייחוד של GenAI: בניגוד לשיטות קלאסיות, כאן אין התעלמות מהאתגרים של דאטה, דיוק, וסיכונים.

🔹 מתודולוגיה תהליכית ולא חד-פעמית: לא "בונים ומשיקים", אלא מגדירים, בודקים, לומדים, מתאימים ומתחזקים.

לסיכום פיתוח יוזמות בינה מלאכותית הוא הרבה יותר מפרויקט טכנולוגי. זהו מהלך אסטרטגי רב-שכבות שדורש ראייה מערכתית, מומחיות עסקית, ויכולת תרגום של טכנולוגיה לאימפקט אמיתי. ה־Gen AI Canvas הוא המצפן שמאפשר לנו לא ללכת לאיבוד בדרך – אלא לכוון למטרה, במדויק. אם אתם בתחילתה של יוזמה מבוססת GenAI – התחילו בקאנבס. כי בסוף, מה שלא מתוכנן – לא מתוחזק. ומה שלא מתוחזק – לא מצליח.

אם גם הארגון שלכם מתמודד עם שאלות ואתגרים סביב יוזמות עסקיות-טכנולוגיות מבוססות AI, אנו מזמינים אתכם לפנות אלינו ונשמח להרחיב לגבי יתרונות המתודולוגיה, ולבחון יחד כיצד היא יכולה לסייע למטרות העסקיות שלכם. hello@s-strategy.com