דמיינו לכם חברת B2B מצליחה שמעוניינת לשלב Chatbot במוצר שלה, כדי לייעל את השירות והתקשורת עם הלקוח. לטובת המשימה, לקחה החברה צוות פרילנסרים מומחי AI שיעבדו על פיתוח הפיצ'ר. כאשר הגיע השלב בו צריך לייצר אינטגרציה בין הפיצ'ר לפלטפורמה של המוצר הקיים, צפו על פני השטח מוקשים שונים: איך טכנולוגיית ה-AI בכלל עובדת בפיצ'ר הזה? למה היא צריכה זמן ללמוד? למה צריך אותה? האם זה על חשבון שירות הלקוחות הקיים? החלו חיכוכים בין בעלי עניין שונים בחברה, עד כדי כך שה- Chatbot נגנז ולא הוטמע במוצר. אז מה בעצם קרה פה?
ראשית, אפשר לזהות את הבעייתיות בחוסר התקשורת בין אנשי ה-AI לשאר העובדים בחברה, שיש להם אחריות מקצועית (Ownership) לאותו הפיצ'ר. כלומר, צוות ה-AI לא תקשר לצוותים האחרים איך הטכנולוגיה עובדת, מה הם התהליכים שצריכים להתקיים, אופן עליית דברים לאוויר, למה עליהם לצפות אחרי עליית הפיצ'ר וכדומה.
שנית, לא נעשה ניסיון מקדים לפתור את ההיבט הפסיכולוגי-רגשי שיש בקרב אנשים רבים, בהם גם חלק גדול מעובדי החברה, בנוגע לשילוב טכנולוגיית AI במוצר. יש מי שמתלהבים מכניסה של טכנולוגיות חדשות, ויש מי שחוששים מהן, לא יודעים אם זה הולך "לקחת" להם חלק מהעבודה או להחליף אותם במובן מסוים. אלו הן דאגות שנובעות בדרך כלל מתחושות רגשיות חזקות כלפי הטכנולוגיה ואיך היא הולכת לבוא לידי ביטוי במוצר.
שלישית, חסרה התמודדות עם חוסר ההבנה הבסיסית של הטכנולוגיה. אנשים רבים נוטים לחבר את ה-AI לאחד משני קצוות; או שרואים בכך טכנולוגיה שצריך "להכתיב לה מה לעשות", בדומה למשל לכתיבת קוד - אם לוחצים על X אז צריך שייצא Y, או שרואים בכך טכנולוגיה ש"תעשה עבורי הכל" כמעין תחליף ללא גבולות לאנושות. חשוב להבהיר שלטכנולוגיה יש עדיין מגבלות מסוימות ולא מדובר בשלב זה במעין "ג'יני" שאפשר לבקש ממנה הכל, או לצפות ממנה ליכולות על-אנושיות.
איך כדאי להטמיע צוות AI בתוך הארגון?
- היכרות נכונה עם הטכנולוגיה: החשיפה לאופן בו הטכנולוגיה עובדת צריכה להיות בצורה שמותאמת לצוות שאיתו עובדים. כלומר, לא רק היכרות ברמה הטכנית עם האלגוריתם, אלא לימוד על השימושים ב-AI ועל היתרונות והחסרונות, באופן שיסייע להפיג את החשש ואת תחושת הזרות מהטכנולוגיה.
- The Never Ending Road Show: לבצע מעין מסע הסברה שוטף לעובדים על הטכנולוגיה, גם בסדנאות והרצאות קבוצתיות, גם בפגישות אחד-על-אחד, גם בפורומים של מנהלים / חברי הנהלה. מפגשים כאלה כדאי לבצע בכל פעם שיש רלוונטיות לדבר על הטכנולוגיה בתוך עולמות התוכן של העובדים, ובכל שיח לבצע התאמה לתחום העיסוק של העובדים ולהציג דוגמאות של יישום הטכנולוגיה בתעשייה שלהם, למשל: איך AI מתחבר לעבודתם של המפתחים והאנליסטים, איך AI מתחבר לעבודתם של מוזיקאים, עורכי וידאו, אנשי קריאייטיב. בין אם מדובר בשילוב רכיבי AI בתוכנות בהן עושים שימוש, בתהליך היצירה וכו'.
- בחירת פרויקטים מתאימים: שילוב טכנולוגיית AI בארגון יכול להיות תהליך יקר שדורש משאבים רבים, לעיתים עם יותר סיכונים, וכזה שלא בהכרח מבטיח הגעה לתוצרים הרצויים בגלל האופי המחקרי של התהליך. לכן, יש חשיבות גדולה לבחור פרויקטים שבאמת נכון לנו כארגון לשלב בהם את הטכנולוגיה:
- Business impact: נבחר בפרויקטים שמשרתים את הערך שמייצר הארגון ללקוחות שלנו, כאלה שישרתו את פעילות העסקית של הארגון ו/או את המוצר שלו, ושנוכל למדוד אותם בהתאם למטריקות הארגוניות הקיימות. כלומר: פרויקט שיניב רווח כספי ולא יהיה רק "מגניב" או מורכב טכנולוגית.
- מעבר מ- Quick wins ל- Big Rocks
- Quick wins: לעיתים נרצה להתחיל בפרויקטים לטווח קצר עם סיכון נמוך יחסית וערך משמעותי. אלו יהיו פרויקטים שקל יותר ליישם ולכן יתאימו לצוות קטן שעדיין מדייק שיטות עבודה וטרם ביסס את עצמו בארגון. בנוסף, פרויקטים כאלה יסייעו בבניית תשתיות פנים ארגוניות, בהן ביסוס מערכות יחסים בין צוות AI לצוותים אחרים ומיצוב צוות AI כחלק אינטגרלי מפעילות החברה. פרויקטים כאלה אצלנו, לדוגמה, יכולים להיות פרויקט עם מחלקת המוזיקה, פרויקט עם מחלקת הוידאו וכדומה. העבודה עליהם תהיה יותר ממוקדת ופחות רוחבית ברמה הארגונית.
- Big rocks: שלב מתקדם יותר הוא מעבר לפרויקטים גדולים ובעלי השפעה אסטרטגית, המהווים נקודות ציון (milestones) בהתפתחות החברה. הסיכון בפרויקטים כאלה הוא גבוה יותר, אבל הביזנס אימפקט והערך המתקבל גדולים ומשמעותיים.
- תכנון קדימה: בהרבה מקרים כל החברה נמצאת עמוק בתכנון הרבעוני, כאשר צוות ה-AI ימצא את עצמו ללא בקשות פיצ'רים אם לא נערך בעצמו מבעוד מועד. הסיבה לכך טמונה בשוני בתהליך התכנון; תהליך קלאסי מתחיל ביוזמה של ההנהלה ו/או דרישות מאחלת המחלקות, עובר למחלקת המוצר לאפיון ועיבוד, הלאה לצוותי הפיתוח להערכות זמן וחוזר למוצר לתעדוף.
- התהליך בפיצ'רים מבוססי AI מתחיל במחלקת ה-AI, ממנה מגיעים עיקר הרעיונות שמעובדים לכדי פיצ'ר רלוונטי, שעובר למחלקת המוצר, חוזר לערכת זמנים במחלקות הפיתוח ו-AI, ורק אז מגיע שוב למחלקת המוצר לתעדוף.
לכן צוות AI, בשונה מצוותי פיתוח, יצטרך להגיע לתכנון האסטרטגי הרבעוני עם הרבה מאוד יוזמות מהצד שלו, כדי לגרום לשילוב הטכנולוגיה בכמה שיותר פרויקטים רלוונטיים שמתוכננים לביצוע.
דרך נוספת להסתכל על כך, היא בחלוקה ל- 80/20: בפרויקטי פיתוח סטנדרטיים ללא AI כ-80% מהפרויקטים מתחילים מרעיון שמקורו ביוזמה חיצונית, ובמסגרת תהליך העבודה עליהם, הם עוברים לצוותי הפיתוח הרלוונטיים. בפרויקטים מבוססי AI, כ-80% מהם יתחילו במחלקת ה-AI, בעיקר בגלל שמרבית האנשים לא מכירים את היכולות של AI וכיצד לחבר אותן לצורך עסקי וכן משום שמדובר בעולם שמשתנה באופן תדיר ובדרך כלל רק צוות ה-AI מתעדכן ברמה השוטפת בחידושים והזדמנויות שעולים ממחקרים בתחום. לכן, צוות ה-AI צריך להיות בעל אוריינטציה מוצרית ועסקית בולטת, וכן מעורה לא רק במטרות החברה ויעדיה אלא גם במתרחש בשוק.
נראה כי הקמת מחלקת AI בארגון היא משימה מורכבת יותר ממה שלעיתים נדמה, ולמעשה דורשת לא רק את היכולות הטכנולוגיות, אלא גם כישורים בינאישיים, רגשיים ועסקיים. בנוסף, נדרשים שינויים גם בתהליכי העבודה בארגון, התאמת המבנה הארגוני וכמובן הסברה שוטפת וחשיפת הטכנולוגיה לעובדי החברה, כדי לאפשר חיבור נכון ויעיל אל צוות AI, שיפיק את הערך המקסימלי ללקוח. במציאות טכנולוגית שמשתנה ומתקדמת כל הזמן, זו ההזדמנות שלנו לעלות על הרכבת, ללמוד את החידושים ולאמץ אותם.
האזנה לפרק 
צפייה בוידאו 
קריאת הבלוג 
שאלות / פידבק
