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

הטרנספורמציה של ה-CDO בעידן ה-AI

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

יוזמות מבוססות GenAI: לא עוד פרויקט, אלא מוצר שחי, נושם ומתפתח

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

כשהבינה המלאכותית היוצרת פגשה את X-Labs: מסע של שילוב מנצח

כאשר הסערה של Generative AI נכנסה לחיינו ולא רק ברמה האישית אנחנו הבנו בשטראוס וב X-Labs  שזו לא רק מהפכה טכנולוגית זה ממש מערכת הפעלה חדשה שנהפוך את עולם היזמות למשהו אחר. 

ב X-Labs לקחנו משימה שאפתנית, למרות שברור לנו שהטכנולוגיה לא מספיק בשלה אני מזכיר מדובר על שנת 2022 אנחנו נשלב את כוחה של GAI  (Generative AI) בכל היבט שנוכל 

החל מעיצוב חוויית למידה פורצת דרך, דרך גיבוש מיזמים חדשניים שמגדירים מחדש את גבולות האפשרי, ועד ליצירת שיח ארגוני שמעצים חדשנות, הסיפור שלנו הוא הרבה מעבר לשילוב טכנולוגי. זהו סיפור של טרנספורמציה תרבותית עמוקה, של שינוי דפוסי חשיבה, ושל הבנה מחודשת של הפוטנציאל הטמון בטכנולוגיה. 

GAI זה לא עוד כלי אוטומציה. זה שינוי פרדיגמה של ממש בתחום שמביא לידי ביטוי את היכולת ליצור יש מאיןליצור טקסטים מקוריים, להפיק תמונות עוצרות נשימה, להלחין מוזיקה, ולפתח קוד תוכנה. יכולות אלו פותחות פתח לעולם שלם של הזדמנויות שלא היו קיימות בעבר, ואנחנו ראינו בכך הזדמנות לא רק להשתפר, אלא להוסיף תבלינים חדשים לארגז הכלים שלנו. 

ידענו שאנחנו נתמקד במספר צירים – או יותר נכון, בכמה שאלות מרכזיות. איך אנחנו יכולים להשתמש ב-GAI כדי להבין טוב יותר את הצרכים של הלקוחות שלנו? איך אנחנו יכולים לפתח מוצרים חדשים בצורה מהירה ויעילה יותר? ואיך אנחנו יכולים לוודא שאנחנו עושים את זה בצורה אחראית ואתית 

עיצוב חוויות יזמות מותאמות אישית: X-Labs שמה דגש על התאמת חוויית יזמות לצרכים הייחודיים של הארגונים המובילים בישראל מתוך הבנה שזה שונה מעולם הסטראטאפים . GAI  מאפשר להתאים ארגז כלים מבוסס פרומטים כן אני ממש יצרנו prompts for enterprise entrepreneurs , כמובן שמי שמעוניין מוזמן ליצור איתנו קשר. כאמור זה מלווה אותנו בכל תהליך היזמות הייתר 

  • בניית פרסונות  
  • ניתוח סקרים על מנת להבין את הכאב והצורך 
  • הגדרת הצעות הערך החדשות ואפילו כתיבת Press Release 
  • ניתוח שוק מעמיק ואיתור הזדמנויות עסקיות 
  • פיתוח קונספטים חדשניים ועיצוב חוויית משתמש 
  • האצת תהליך הפיתוח והגעה מהירה לשוק 
  • יצירת מצגות משקיעים 

 

חשיבת מוצרית משולבת GAI :  ספקיות הענן נותנת נקודת התחלה מדהימה בעבודה עם GAI ולא רק הם יש מאות סטרטאפים (אלפים) שמנגשים יכולות אלו בתור SaaS או מוצרי מדף. שימוש בGAI לחלוטין מאיץ את התהליך היזמי לקראת ה MVP ולא פעם גם לקראת ה Product Market Fit. הערת אזהרה לעיתים אפשר לראות שברמת ה MVP שימוש ב GAI זה הדבר הנכון אבל להגיע ל PMF לפעמים דורש התאמות של טכנולוגיות AI או אפילו כתיבת קוד מסורתית. מספר דוגמאות אמיתיות שחלקם אפילו הגיעו לשלב ה PMF וחלקם היו רק במסגרת תוכנית X-Labs לבדיקות MVP 

  • הנגשת רגולציה בינלאומית באמצעות ממשק שיחה מבוסס Teams ו Azure   OpenAI ויכולת מוצריות מתקדמות ומותאמות לתהליך עבודה. במקרה זה ארכיטקטורה נכונה ושימוש במודל הנכון יצרה חיסכון תפעול של 95 אחוז למול היישום המומלץ והפשוט למימוש (לא תמיד פשוט זה זול) 
  • מוצר מהפכני שמסייע להורים לנהל את השיח היום יומי עם הילדים המתבגרים שלהם ביותר קלות ולאורך זמן. זה הרבה יותר מצ׳אט  
  • מנגונון התאמה אישי שנועד להמליץ על חבילות שרות ובצורה כזו להגדיל את אחוזי מימוש חבילות השרות תוך חיזוק מתן איכות השרות 
  • מנגנון המלצות לפעולה שנציג השרות יכול להציע על סמך הבנת המצב הקיים וסל האפשרויות שניתן להציע 
  • סיוע בתהליכי אנליזה והפיכה של תהליכים ידניים לתהליכים שמשלבים בין הכח של הבינה המלכותית ולבין בקרה חכמה של בן האנוש 

 

שילוב אחראי ״בצוות X-Labs ״ GAI:  לקראת תחילת 2024 הבנו שצריך פשוט צריך שגם אנחנו נייצר לנו כלים פנימים שישמשו את חברי X-Labs . גילוי נאות לא היה לנו 100 מיליון דולר להשקיע כמו חברות יעוץ אחרות. אנחנו עשינו זאת כמו שאנחנו עושים את רוב הדברים ב X-Labs … , Lean , Smart , Fast. אם זה באמצעות שילוב GAI ב Lean Canvas דרך תהליך הפיתוח ועד ייצירת תאום דיגיטלי של אחד מהנטורים של X-Labs 

בתחילת המסע של שילוב ה GAI  ידענו שזה ישפיע על המסע היזמי . היום אנחנו כבר בטוחים שזה משפיע ויותר מזה שהמציאות תעלה על כל דימיון.