יישום יכולות AI ו Gen AI בארגוני האנטרפרייז המובילים במשק, מגמות לשנת 2024. תובנות מהפאנל המקצועי

מהפכת ה- AI וה-Gen AI משנה את הכללים בכל ענף ותחום עסקי, ולא בכדי ביל גייטס טען שמדובר במהפיכה הגדולה ביותר מאז האינטרנט. כחברה המלווה את מרבית ארגוני האנטרפרייז במגוון מגזרים במשק הישראלי, צברנו בשנה האחרונה ניסיון עשיר בפיצוח וזיקוק ה Use Cases העסקיים ליישום הטכנולוגיה, במטרה למקסם את הערך העסקי.

שמחנו והתכבדנו להתארח בוועידת הפסגה השנתית של אנשים ומחשבים, במסגרתה אירחנו פאנל מקצועי תחת הכותרת: יישומי AI ו Gen AI מתקדמים בארגוני האנטרפרייז המובילים במשק, ומגמות ל 2024.

בפאנל השתתפו מקבץ מדהים באיכותו של סמנכ"לים, מנהלות ומנהלים בכירים שהגיעו כדי לשתף בתובנות, בניסיון ובלקחים האישיים שלהם מיישום בפועל של Use Cases עסקיים בתחומים שונים בהם מנפו יכולות מתקדמות של AI ו Gen AI.

לבקשת הקהל, קיבצנו עבורכן.ם תובנות מרכזיות מתוך הפאנל.

אביתר פרץ, סגן בכיר לחשב הכללי – דאטה חדשנות ודיגיטל

"אימוץ טכנולוגית Gen AI בארגון הינו תהליך הדורש טרנספורמציה אמיתית בארגונים באופן כללי, ובמשרדי הממשלה במיוחד, שם לדעתי חייבים לאמץ גישה פרואקטיבית בנושא. כיום התחום הזה כולל בתוכו שני אתגרים מרכזיים: האתר המעשי של הטמעת הטכנולוגיה (שכוללת את איסוף הדאטה ובניית מודלים על בסיסו), בניית תרבות ארגונית המבינה את ההזדמנויות ושואפת להתנסות בה. הארגון כולו צריך לאמץ DNA שחי ונושם את הנתונים, למרות חסמים היסטוריים שמשרדי הממשלה מתאפיינים בהם. כדי שזה יקרה, הצד העסקי, זה שחי ונושם את השטח חייב להתקרב לעולמות הטכנולוגיים ולהכיר את היכולות וההזדמנויות השונות. האתגר השני, מהותו בעיקר בהיבט של חיבור בין Gen AI לבין המשרדים הממשלתיים, הוא תפיסת "האח הגדול":

ציבור נרחב חושש ממתן כלים מתקדמים שכאלו לגורמי שלטון מסיבות ברורות, בעיקר כשאין שקיפות מלאה. מצד שני, האזרח יכול להפיק ערך רב על ידי שילוב כלי AI במשרדי הממשלה השונים, כמובן שגם נדרשת רמת אבטחה גבוהה ובלתי מתפשרת. 

לגבי טיפים למנהלים אחרים שמתמודדים עם שאלות דומות סביב הטכנולוגיה והיישום העסקי שלה, אני מציע לזכור שצריך להפריד בין השימוש הפרטי והביתי בטכנולוגיה, לבין הצרכים, היכולות וגם רמת הסיכון שארגונים גדולים מתמודדים איתם בהיבטים שונים, בטח כשהם נתונים לרגולציה. אני סבור שחשוב מאוד לשאול מהרגע הראשון: איזה ערך אנחנו שואפים לייצר ? מה רוצים להשיג ? ולזכור שצמצום כוח אדם אינה המטרה, אלא לשפר יכולות ומתן ערך עסקי למשתמשי הקצה".

גיל טמיר, משנה למנכ"ל ומנהל אגף חדשנות וטכנולוגיה בקבוצת הפניקס

"הפניקס היא קבוצה פיננסית גדולה בשוק הישראלי, ובשנים האחרונות השקענו משאבים רבים ביוזמות הקשורות לעולם הדאטה. עולם הביטוח הוא עתיר נתונים, בהגדרה, לצד רמת יעילות שיש לה בוודאות היכן להשתפר. בשנים האחרונות אנחנו ממוקדים בסידור וארגון הדאטה, כדי לייצר תשתית טכנולוגית-עסקית, בין היתר כדי לשלב טכנולוגיות ויכולות Gen AI כדי להפיק ערך גבוה יותר לצד העסקי, ולשמחתי אנחנו חיים בעידן שבו זה גם מתאפשר בקצב מהיר.

בנינו לשם כך אסטרטגיה ארוכת טווח, עם תכנית עבודה מסודרת ברמת הרבעון, מה שמאפשר לנו לרוץ קדימה עם אג'נדה ברורה. מצד שני, חשוב להודות שהתחום נמצא עדיין בשלבי הניסוי והטעיה. גם בתוך הקבוצה יש אזורים שבהם הדברים זזים מהר יותר ואחרים שפחות, אבל לשמחתי כן יש ניסויים שהבשילו לכדי מוצרים שיושקו ממש בקרוב, והמטרה היא להמשיך ולרוץ מהר תוך שמירה על רמת אבטחת מידע גבוהה, כיאה לארגון פיננסי גדול ומוביל במשק.

כיוון שמדובר באירוע משמעותי שאנחנו רק בתחילתו, נדרשת מנהיגות ארגונית אמיתית, הובלה ודוגמא אישית, אחרת העניין בהזדמנות לא יחלחל פנימה. לגבי השאלה: האם היוזמות הטכנולוגיות הללו ממוקדות לקוחות קצה או משתמשים פנימיים, התשובה היא שזה לא באמת משנה. כי ברגע שהשירות פוגש משתמשים פנימיים ומצליח לשפר את התפוקה, את רמת הדיוק והמהירות שלהם, הרי שלקוח הקצה הוא הראשון ליהנות מכך. באופן כללי, אנחנו שואפים ליוזמות שיביאו לשינוי עסקי אמיתי, שמזיזים את המחט, לא מהלכים קטנים".

נעמי ישראלי, סמנכ"לית החטיבה הטכנולוגית, רפאל

"אם יש משהו שתקופת המלחמה והמשבר הנוכחי מלמדים אותנו, זו החשיבות האדירה שיש למינוף של דאטה איכותי, מהיר ובזמן אמת. לאור אופי העבודה והתעשיה (תעשיה בטחונית), אנחנו לא יכולים לקלוט כמות גדולה של עובדות ועובדים מיומנים בטווח הקצר, לכן בשיתוף שטראוס אסטרטגיה עברנו ביחידת ה IT לתפיסה מוצרית, עם מנהלי מוצר שעובדים ישירות עם הצדדים העסקיים, כמו למשל בעולם של ניהול שרשרת האספקה, ומגדירים יחד איתם את הדרישות והצרכים המדויקים.

הקמנו גם מחלקת דאטה ו Gen AI, וגם מולם הצרכים העסקיים מגיעים מהשטח בערוץ תקשורת ישיר, במטרה לבחון הזדמנויות למינוף הדאטה וטכנולוגיות Gen AI כדי לשפר ולייעל תהליכים. כך למשל, הצלחנו לקצר את זמני האספקה, תהליכים שבהגדרה הינם מורכבים מאוד. השימוש בדאטה וב Gen AI מאפשר להנגיש ללקוחות הקצה את המידע שהם זקוקים לו מבלי לעצור או להאט את התהליכים. כבר היום אנחנו מזהים אזורים נוספים שבהם ניתן לשפר תהליכים בעזרת הטכנולוגיה.

לגבי שאלת החזר ההשקעה (ROI) של יישום הטכנולוגיה הזו, זו נקודה כואבת, ללא ספק. יש אצלנו בדיקת ROI כתפיסה אבל לצד אזורים שבהם קל יחסית למדוד את ההשפעה (כמו משל בכל שרשרת האספקה), מנגד ישנם אזורים אחרים כמו למשל בפיתוח, שבהם התרומה של הטכנולוגיה מורגשת אבל קשה עדיין לכמת. בכל מקרה, הארגון קיבל החלטה ברורה: להמשיך ולהשקיע בחיפושים אחר אזורים עסקיים שבהם להשקעה תהיה השפעה חיובית ברורה.

יחד עם זאת, לא בכל מחיר: לצד ההזדמנויות הרבות שהטכנולוגיה מייצרת, והחשיבות שבניסוי וטעיה כדי ללמוד, אנחנו מבינים שלא תמיד הטכנולוגיה מספקת מענה שמייצר את הערך לו ציפינו, וזה בסדר. כחלק מהלמידה אנחנו מדייקים כל הזמן את האזורים שבהם התרומה והערך הם משמעותיים ביותר ומתמשכים".

קובי כץ, סמנכ"ל וראש חטיבת הטכנולוגיות, מכבי שירותי בריאות

"ענף הבריאות הוא ענף שבהגדרה הוא עשיר בדאטה. אנחנו כקבוצת מכבי, משלבים דאטה ממספר פעילויות ומקורות, והתחלנו כאסטרטגיה למנף את הדאטה כדי לייצר ערך עסקי וצרכני אמיתי, ומשקיעים את המשאבים כדי להשיג זאת. אנחנו בונים Data Lake שיאפשר לבצע מחקר על בסיס ניתוח ומינוף הדאטה, כדי לייצר על בסיסה תובנות רוחביות על התהליכים השונים. בנוסף, למכבי יש מכון מחקר שמאפשר לסטארטאפים וגופים נוספים לחבור אליו ולייצר מוצרים על בסיס הדאטה שרכזנו.

תחום נוסף שנהנה ממינוף הדאטה: השירות ללקוח, למשל, אנחנו ממנפים מודלים של Gen AI הן לטובת הצוותים הרפואיים, כדי שאלו יוכלו לקבל המלצות ונתונים ממגוון רחב של מקורות, וגם למנף את הדאטה העשירה וכלי Gen AI כדי לחזק את יכולת המניעה המוקדמת, הפרואקטיבית, אצל מטופלים, כדי למנוע מראש צריכת שירותים רפואיים".

"אנחנו במכבי עוסקים ב Gen AI כבר כחצי שנה, ומחפשים לבנות את "המכונה" שתוכל לייצר ולאפשר Use Cases מגוונים בתוך הקבוצה. בדומה להרבה תחומים אחרים, לרוב מגלים את האתגרים האמיתיים תוך כדי תהליך ההתעמקות במשמעויות ובעשיה בפועל, לכן אפשר ומומלץ למשל לחבור לחברות הטכנולוגיה השונות, אלו שמצד אחד יכולות לשמש כשותף עסקי-טכנולוגי שיוכל לסייע באתגר היישום, וכמובן להנות מהידע והניסיון שיש להם מול ארגונים אחרים ובתחומים אחרים. האסטרטגיה שלנו בעולם הזה היא Multi Cloud מתוך הכוונה ליהנות מיכולות ה AI המתקדמות של 2 ספקי ענן מובילים לפחות, כאמור לטובת בניית המכונה שתאפשר הרצת על IO של Use Case עסקי, בין שמדובר בעולם פונה לקוחות ובין שמדובר בעולמות המצוינות התפעולית, ב Back Office". 

ליאור ג'ורג'י, סמנכ"ל חטיבת טכנולוגיות המידע, בנק ישראל

"אנחנו משלבים טכנולוגיות ויכולות Gen AI ברבדים שונים בארגון: החל מהשקעה בהון האנושי: הדרכות ועידוד שימוש בכלים השונים במטרה לשדרג ולייעל את המשימות הפרטניות, תוך גיוס כוח אדם מקצועי שיחזק את המערך הקיים. בנוסף, הקמנו פורום חוצה ארגון המהווה פלטפורמה לשיתוף רעיונות, יוזמות ומידע לגבי ההזדמנויות הרלוונטיות ביותר שבהן נוכל להטמיע ולרתום את הטכנולוגיה". יחד עם שטראוס הובלנו תכנית X-Labs in a Box במסגרת צוותים מולטי דיסציפילנריים של מנהלים ממגוון חטיבות בבנק יצרו 3 מיזמים עסקיים מבוססי Gen AI עבורם נבנתה תכנית עסקית ויישומית פרקטית בהתבסס על כלים ושיטות מעולם חברות המוצר המובילית. זה אפשר לנו לבנות מיזם מתקדם סביב פעילות ניהול המזומנים (Cash IO), כמו כן פיתחו דש בורדים שמאפשרים לצדדים העסקיים לחזות את הביקוש למזומנים ולהגיב בזמן אמת בהתאם (כולל מודלים של תחזיות ריבית, למשל), וגם מאגר דאטה עליו רצים מודלים שמאפשרים לתחקר ולתשאל בקצב מהיר ביותר".

רוני ליכטנשטיין-שני, סמנכ"לית  One Zero

לפני כחודש הצטרפנו למספר מצומצם ביותר (3) בנקים גדולים שהיו הראשונים להטמיע צ'אט בוט חכם מבוסס Gen AI, לטובת לקוחות הבנק. שיתוף הפעולה עם AI21 LABS מאפשר ללקוחות לקבל מענה זמין ומהיר באמצעות הבוט, וזאת לאחר שגילינו שכ 60% מהפניות למוקד השירות יכולות לקבל מענה אפקטיבי דרך הבוט. מבחינת המדדים העסקיים: ראינו ירידה חדה בפניה לקבלת מענה אנושי, לצד עליה ברמת שביעות הרצון של הלקוחות. הסטה משמעותית לדיגיטל. מדד חשוב נוסף: צמצום טווח הטעות האנושית, תפיסה שמגיעה ישירות מאמנון שעשוע (תפיסה המושרשת בבסיס חברת מובילאיי, שם צמצום טווח הטעות היא קריטית ברמת חיי האדם). המטרה היא שהטכנולוגיה תצמצם לאפס את טווח הטעות האנושית בבנק.

עם הפנים קדימה, המגמות או האזורים שכדאי לשים אליהם לב נוגעות בעיקר לכך שארגונים חייבים לעשות הרבה יותר אימוני כוח, לגדל שרירים בעולמות האלה. ממחקר של הארוורד עולה שכ 72% מההון האנושי בארגונים פיננסיים יהפכו ללא רלוונטיים בשנים הקרובות, הודות ל Gen AI. כמנהלת ה HR של הבנק, אני משלבת גם בתחום זה טכנולוגיות Gen AI, למשל: כבר בשלב הגיוס, נעשה שימוש ב Chat GPT כדי לשפר ולדייק תיאורי משרה (מה שהיה לוקח ימים לוקח כעת שניות בודדות), דרך סריקה ועיבוד ל מסמכי קורות חיים כדי לקצר זמנים ולאתר את המועמדים המתאימים ביותר למשרות ספציפיות.

אנחנו יודעים גם לשלב Gen AI בתהליכי המשוב של עובדים: מניתוח הדאטה המובנית למשל ביצועים יבשים, ועד שילוב מידע רך, הטכנולוגיה יודעת להמליץ על צרכי העובד אל מול הארגון בצורה מותאמת יותר.

עם הפנים קדימה, המגמות או האזורים שכדאי לשים אליהם לב נוגעות בעיקר לכך שארגונים חייבים לעשות הרבה יותר אימוני כוח, לגדל שרירים בעולמות האלה. ממחקר של הארוורד עולה שכ 72% מההון האנושי בארגונים פיננסיים יהפכו ללא רלוונטיים בשנים הקרובות, הודות ל Gen AI. כמנהלת ה HR של הבנק, אני משלבת גם בתחום זה טכנולוגיות Gen AI, למשל: כבר בשלב הגיוס, נעשה שימוש ב Chat GPT כדי לשפר ולדייק תיאורי משרה (מה שהיה לוקח ימים לוקח כעת שניות בודדות), דרך סריקה ועיבוד ל מסמכי קורות חיים כדי לקצר זמנים ולאתר את המועמדים המתאימים ביותר למשרות ספציפיות.

אנחנו יודעים גם לשלב Gen AI בתהליכי המשוב של עובדים: מניתוח הדאטה המובנית למשל ביצועים יבשים, ועד שילוב מידע רך, הטכנולוגיה יודעת להמליץ על צרכי העובד אל מול הארגון בצורה מותאמת יותר.

בסופו של יום, זו האחריות של הארגון לשלב את הכלים והטכנולוגיות וגם לעודד את העובדים להתנסות ולהשתמש בהם. אם רוצים שינוי תרבותי אמיתי, חשוב לאפשר לעובדים להתנסות בטכנולוגיה, מה שיעצים אותם וכמובן את הארגון כולו."

נעמה פרי כהן, מנהלת אגף טכנולוגיות, דיגיטל וחדשנות, חטיבת המרכזים הרפואיים הממשלתיים

"יש לנו ניסיון משמעותי בעולם של בינה מלאכותית יוצרת והבנו מאוד מהר את החשיבות האדירה שיש באימון המודלים והתאמתם לעולם התוכן והמושגים של הארגון, במיוחד כשמדובר בעולם הרפואה, ובטח כדי לאפשר לצוותים הרפואיים להסתמך על הכלים הללו. בנוסף, כגוף שמרכז דאטה של כ 25 בתי חולים ומוסדות רפואיים מובילים בישראל, המודל שהטמענו שמנתח את הדאטה מותאם לעולם הרפואי, וככזה יכול לספק תמונה רחבה מאוד עבור המשתמשים שמעוניינים בתובנות ונתונים שמגיעים ממגוון רחב של מקורות במטרה לחזק את האמינות שלהן. 

בנקודה הזו משתלבת גם הארכיטקטורה שתכננו והתאמנו, שהופכת לקריטית כשרוצים לשלב טכנולוגיות כגון Gen AI. חשוב לזכור שכדאי להתחיל בצעדים קטנים ומדודים, לא לרוץ ולבנות "חלליות", אלא להתחיל מקטן, למשל לוודא את איכות ותקינות הדאטה, לוודא שהיא אמינה, ולוודא שיש מנגנוני אבטחה אנושיים – הכוונה לבקרות אנושיות שיודעות לבקר ולתקף את התוצרים של ה Gen AI."

אסף שיפ, CTO שטראוס אסטרטגיה

הבנו שכחברה המייעצת ומלווה ארגונים גדולים, כשמדובר ב Gen AI אנחנו חייבים להטמיע את התרבות וההבנה המקצועית בתוך החברה, לכן בנינו Task Force פנימי שיעסוק בתחום בצורה עמוקה ורצינית. יש לנו כיום כ 100 יועצות ויועצים מקצועיים שמתנסים בעצמכם בשלל כלים וטכנולוגיות, בנוסף לניסיון הקריטי שנלמד בכל פרויקט שנעשה בכל תחום עסקי. ב"רוח המלחמה" אנחנו שואפים לחתור למגע, במובן של אימוץ גישה פרואקטיבית במטרה לחבר את הצד העסקי לטכנולוגי בשלבים מוקדמים של כל פרויקט ועבודה משותפת.

לרוב, הארגונים אינם מכירים את מגוון הפתרונות, האפשרויות וההזדמנויות שזמינות שם בחוץ, ודווקא בגלל זה אנחנו מאמינים שחשוב להתחיל ממיפוי הצרכים העסקיים ואז אליהם לחבר פתרונות טכנולוגיים נכונים.

בנוסף, חשוב להבין שמדובר בהשקעה, לרוב יקרה. העובדה הזו משפיעה על תהליך קבלת ההחלטות שכל ארגון נדרש אליו כשהוא בוחן היכן להתנסות במסגרת הטכנולוגיה.

שתי דוגמאות למהלכים שביצענו עם לקוחות: הראשונה: חברת הייטק שמייצרת הרבה מסכי נתונים, עזרנו להם לשלב Gen AI שמייצר אוטומציה בתהליך, מה שחוסך להם זמן פיתוח יקר ורב, מקצר את הזמנים באופן דרמטי, Figma to React.

דוגמה נוספת הקשורה לעולם ה OCR. בעיקר בתחום הפיננסי אבל לא רק, כל מי שהתנסה בזה מכיר את העובדה שהטכנולוגיה לא מדויקת ב 100%, מה שמייצר צורך לניהול ובקרה אנושיים למסמכים שמתקבלים. בשילוב Gen AI שיפרנו פלאים את איכות הסריקות שהתקבלו, בין היתר על ידי "לימוד" עולם התוכן והקונטקסט העסקי, כדי לאפשר ל Gen AI לשפר את יכולת הזיהוי של הדאטה.

נשמח לבחון חיבור של הצוות המקצועי של שטראוס אסטרטגיה אל ההנהלה או הגורם העסקי שלכם.

עוד כתבות עבורך

יש לכם AI בארגון. אז למה שום דבר לא השתנה?

רכשתם רישיונות. פתחתם גישה לעובדים. קיימתם הדרכות. אולי אפילו הקמתם קבוצת AI פנימית, הפצתם מדריכים ואספתם כמה סיפורי הצלחה.

ואז, כמה חודשים אחרי, מגיעה השאלה שהרבה הנהלות מתקשות לענות עליה: מה בעצם השתנה?

חלק מהעובדים כמעט לא משתמשים בכלים. אחרים משתמשים בהם מדי יום. אבל גם בארגונים שבהם שיעורי השימוש נראים טוב, לא תמיד רואים שינוי מקביל בפרודוקטיביות, בזמני העבודה, באיכות התוצרים או בתוצאות העסקיות.

קל להסיק מכאן שיש בעיית אימוץ AI. שהעובדים עוד לא התרגלו, שהם צריכים עוד הדרכה, עוד דוגמאות, אולי כלי אחר.

אבל במקרים רבים זו בכלל לא הבעיה.

רבים מתארים את זה כ"פער האימוץ" – הפער בין הרישיון שנרכש לתוצאה העסקית שמתקבל. אבל המונח הזה מטעה. בפועל מדובר בארבע בעיות משלימות.

"אימוץ AI" הוא שם לארבע בעיות משלימות.

הטיפול בהן הוא ההבדל בין כלי שנמצא בארגון לבין שינוי שבאמת מייצר ערך.

מה ההבדל בין גישה לשימוש ב-AI לבין ערך עסקי מ-AI?

גישה לכלי, שימוש בכלי, שינוי באופן שבו העבודה מתבצעת ויצירת ערך עסקי הם ארבעה שלבים משלימים.

העובדה שעובדים משתמשים ב-AI לא אומרת שהעבודה שלהם השתנתה. והעובדה שהעבודה השתנתה עדיין לא מוכיחה שנוצר ערך שאפשר לראות במדדים העסקיים.

מודל ארבעת השלבים של אימוץ AI:

שלבמה קורה בפועלמה עדיין לא הוכחנו
גישה לכלי AIלעובדים יש רישיון וכלי זמיןשהם משתמשים בו
שימוש בכלי AIהעובדים נעזרים ב-AI בעבודהשהעבודה עצמה השתנתה
שילוב כלי AI בעבודהשלבים בתהליך מתקצרים, משתנים או נעלמיםשנוצר ערך עסקי
ערך עסקי מאימוץ AIהשינוי משפיע על זמן, עלות, איכות, תפוקה או הכנסהכאן מתחילה התוצאה

 

בפועל, הרבה ארגונים נתקעים דווקא במעבר שבין שימוש לשינוי. הכלי כבר נמצא בעבודה, אבל העבודה עצמה עדיין מתנהלת כמעט באותה צורה.

חיסכון במשימה לא בהכרח מקצר את התהליך

נניח שחברת צוות מכינה מסמך באמצעות AI בתוך 40 דקות במקום שעתיים. על הנייר, זה שיפור משמעותי בפרודוקטיביות.

אבל מה קורה למסמך אחר כך?

אם הוא עדיין עובר דרך אותם שלושה גורמים לאישור, מחכה יומיים בתיבת המייל ומגיע לאותה ישיבה שבועית, הארגון לא בהכרח נע מהר יותר.

המשימה התקצרה. התהליך כמעט לא השתנה.

אותו הדבר יכול לקרות בפיתוח. צוות הפיתוח כותב קוד מהר יותר בעזרת AI, אבל אם צוואר הבקבוק נמצא בבדיקות, בתלויות בין צוותים או בזמן שמחכים להחלטה, מהירות כתיבת הקוד לבדה לא תקצר בהכרח את זמן ההגעה לפרודקשן.

גם בתהליך גיוס אפשר לקצר משמעותית את הזמן שנדרש לסכם קורות חיים ולהכין שאלות לראיון. אבל אם המועמדים עדיין ממתינים שבוע בין שלב לשלב בגלל זמינות של מנהלים, זמן הגיוס הכולל כמעט לא השתנה.

זו הבחנה חשובה: רוב הארגונים משפרים נקודתית ולא את התהליך.

ארגון יכול לשפר מאוד את הביצועים של משימות בודדות בלי לשנות באופן משמעותי את הקצב שבו הארגון כולו פועל.

שימוש הוא אינדיקציה. לא תוצאה.

מספר משתמשים פעילים, תדירות שימוש, ניצול טוקנים וכמות אינטראקציות הם מדדים חשובים להבנת אימוץ כלי AI.

אבל הם לא מדדי תוצאה.

הם מספרים לנו שהכלי נכנס לעבודה. הם לא מספרים לנו מה קרה לעבודה בעקבותיו.

ארגון יכול להציג שיעורי שימוש מרשימים ועדיין להמשיך לעבוד כמעט בדיוק כפי שעבד קודם. העובדים פשוט מבצעים חלק מהמשימות הקיימות מהר יותר בתוך תהליך שלא תוכנן מחדש.

לכן השאלה "כמה עובדים משתמשים ב-AI?" היא רק נקודת פתיחה.

השאלה המעניינת יותר היא: איזו עבודה מתבצעת היום אחרת בגלל AI?

לא כמה פרומפטים נכתבו השבוע. לא כמה רישיונות פעילים. אלא מה השתנה בדרך שבה עבודה עוברת מתחילתה ועד שהיא מייצרת תוצאה.

לא רק מה התקצר. מה השתנה או נעלם?

כדי לזהות ערך אמיתי, כדאי להסתכל על תהליכי עבודה ולא רק על משימות.

ניקח לדוגמה תהליך הכנת הצעה ללקוח.

לפני AI, צוות הלקוחות אסף מידע ממספר מקורות, ביקש נתונים מצוות נוסף, ניסח טיוטה, העביר אותה לבדיקה, קיבל תיקונים ורק אז שלח אותה.

אחרי אימוץ AI, ניסוח הטיוטה יכול להתקצר משעתיים לעשרים דקות.

זה מועיל, אבל אם איסוף המידע עדיין ידני, ההמתנה לנתונים נמשכת יום והאישור הסופי לוקח עוד יום, שיפרנו משימה ולא בהכרח שיפרנו את התהליך.

השינוי המשמעותי מתחיל כשהתהליך עצמו משתנה.

המידע יכול להיאסף אוטומטית. הטיוטה יכולה להיווצר בפורמט קבוע. בדיקות מסוימות יכולות להתבצע לפני שהמסמך מגיע לאישור (בהתאם למדיניות אבטחת המידע וממשל הנתונים של הארגון). במקרים פשוטים אפשר אולי לוותר על שלב אישור שהיה נחוץ בעבר.

במקרה כזה, לא רק "כתיבת ההצעה נהייתה מהירה יותר". לקוחות יכולים לקבל הצעה בתוך כמה שעות במקום בתוך יומיים.

AI יוצר ערך כשהוא מקצר שלבים בתהליך.

כאן כבר לא מדובר רק בעובדים שמבצעים את אותה משימה מהר יותר. העבודה עצמה השתנתה.

איזו החלטה מתקבלת אחרת בזכות AI?

לעיתים הערך הגדול ביותר של AI לא נמצא במהירות שבה המידע נוצר, אלא במה שהארגון עושה איתו.

נניח שעד היום מנהלי אזורים קיבלו פעם בשבוע דוח שמרכז ביצועי מכירות, נטישת לקוחות וחריגות שירות. הדוח הגיע ביום ראשון, וביום שלישי התקיימה ישיבת הנהלה שבה הוחלט מה דורש טיפול.

עכשיו AI מאפשר לעדכן ולסכם את אותו מידע מדי בוקר.

זה נשמע כמו שיפור משמעותי. אבל אם הארגון עדיין מחכה לישיבת יום שלישי כדי לקבל החלטה, חלק גדול מהיתרון נעלם.

השינוי מתחיל כשגם שגרת הניהול משתנה.

למשל, בכל בוקר מתקיים עדכון קצר שבו עולות רק חריגות שעברו רף מוגדר. במקרים מסוימים יש למנהלים סמכות לפעול מיד, בלי להמתין לישיבה השבועית או לאישור נוסף.

פתאום דוח שהיה בעיקר כלי דיווח הופך לכלי שמניע פעולה.

אותו עיקרון נכון בשירות. אם AI מזהה בתוך יומיים עלייה חריגה בפניות בנושא מסוים, במקום לגלות אותה בסיכום החודשי, השאלה היא מה קורה בעקבות המידע.

האם צוות השירות יכול לשנות תסריט מענה? האם צוות המוצר מקבל התרעה? האם אפשר לפנות באופן יזום ללקוחות שנפגעו?

אם כן, AI לא רק הפיק מידע מהר יותר. הוא שינה את מהירות התגובה ואת הדרך שבה הארגון מקבל החלטות.

AI שמייצר מידע מהר יותר הוא יכולת טכנולוגית. AI שלא משנה החלטות – לא משנה ארגון.

איזה מדד עסקי אמור להשתפר?

אם אי אפשר להגדיר איזה מדד אמור להשתנות בעקבות אימוץ AI, קשה לדעת אם נוצר ערך.

לפני שמרחיבים שימוש בכלי, כדאי להיות מסוגלים להשלים משפט פשוט:

"אם המהלך הזה מצליח, אנחנו מצפים לראות שינוי ב…"

התשובה לא צריכה להיות "כמות המשתמשים".

היא יכולה להיות זמן טיפול בפנייה, זמן הכנת הצעה, זמן קבלת החלטה, מספר משימות לצוות, זמן שחרור גרסה, שיעור טעויות, עלות טיפול, שביעות רצון לקוחות, שיעור המרה או כל מדד אחר שמתאים לתהליך.

אם צוות מכירות מקבל תובנות טובות יותר לפני שיחה, האם שיעור ההמרה השתנה?

אם צוות שירות מזהה בעיות מוקדם יותר, האם זמן הטיפול ירד?

אם פיתוח עובד מהר יותר, האם גרסאות באמת מגיעות ללקוחות מהר יותר?

אם מדד לא השתנה – לא קרה שינוי.

הבחנה כזאת גם משנה את הדרך שבה בוחרים איפה להטמיע AI.

במקום לשאול "איפה העובדים יכולים להשתמש בכלי?", שואלים: "באילו תהליכים יש לנו צוואר בקבוק משמעותי שאפשר לשנות?"

זו נקודת מוצא אחרת לגמרי.

ומה עושים עם הזמן שהתפנה – זו השאלה הניהולית החשובה ביותר ב-AI

אם משימה שלקחה שלוש שעות לוקחת עכשיו שעה, נוצרה לארגון קיבולת חדשה.

זמן שנחסך ולא מנוהל – נעלם.

זו אחת השאלות הניהוליות החשובות באימוץ AI: לא רק כמה זמן נחסך, אלא מה הארגון עושה עם הקיבולת שנוצרה.

אפשר להשתמש בה כדי להגדיל תפוקה, לקצר זמני תגובה, לשפר שירות או להעביר יותר זמן לעבודה מורכבת ובעלת ערך גבוה. אפשר גם לבחור לצמצם עלויות.

זו כבר אינה החלטה טכנולוגית. זו החלטה ניהולית.

חיסכון בזמן אינו סוף החישוב. השאלה היא לאיזה ערך הארגון מתכוון להמיר את הזמן הזה.

 

כלי ניהולי להערכת אימוץ AI

במקום להתחיל מהכלי, כדאי לבחור תהליך עבודה מוגדר ולשאול עליו חמש שאלות:

1איזו עבודה באמת השתנתה?

לא האם העובדים משתמשים ב-AI, אלא מה הם עושים היום אחרת.

2איזה שלב נעלם?

האם שיפרנו משימה נקודתית או את זמן המחזור של התהליך כולו?

3איזו החלטה מתקבלת אחרת?

האם מידע מהיר או איכותי יותר מוביל גם לפעולה אחרת?

4איזה מדד עסקי אמור להשתפר?

מה אמור להשתנות אם ההטמעה מצליחה?

5מה עושים עם הקיבולת שהתפנתה?

איך ממירים יעילות נקודתית לערך ארגוני?

 

השאלות האלה משנות גם את הדיון בהנהלה.

במקום לשאול "למה העובדים לא מאמצים AI מספיק מהר?", אפשר לשאול שאלות הרבה יותר שימושיות:

איפה בדיוק ציפינו שהעבודה תשתנה? מה מנע מהשינוי לקרות? איזה שלב עדיין מעכב את התהליך? איזו החלטה עדיין מתקבלת באותה דרך? ואיזה מדד היה אמור לזוז ועדיין לא זז?

זה כבר דיון אחר לגמרי על הטמעת AI.

הטמעת AI היא שינוי בדרך שבה הארגון עובד

רישיון הוא תנאי לגישה. הדרכה יכולה לעזור לעובדים להתחיל להשתמש. שימוש בכלי AI הוא סימן לכך שהטכנולוגיה נכנסה לארגון.

אבל אף אחד מאלה אינו היעד.

היעד הוא לשנות עבודה בצורה שמייצרת ערך.

לכן ארגונים שרוצים להתקדם מעבר לשלב ההתנסות צריכים להפסיק להסתכל רק על הטמעת כלי AI ולהתחיל להסתכל על תהליכים, החלטות ומדדים.

כי השאלה החשובה כבר אינה כמה עובדים משתמשים ב-AI.

השאלה היא מה בארגון עובד אחרת מאז שהם התחילו. ואם שום דבר לא עובד אחרת, ההטמעה לא הצליחה.

 

זהו המאמר השני בסדרה על הטמעת AI בארגונים. בהמשך הסדרה נעמיק גם בזווית האנושית – איך השינוי הזה נראה מנקודת המבט של העובד עצמו.

 

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