אדווה: היי לכולם אני אדווה שיסגל ואתם הגעתם ל start-up for start-up. אנחנו בפרק האחרון בחודש בנושא AI שלנו ובו בכל פרק של הפודקאסט במהלך חודש אוגוסט, סקרנו איך אפשר להשתמש ב-AI כדי לאפטם ולשפר תחום אחר בסטארטאפ שלנו. ובפרק של היום נדבר על איך אפשר להטמיע AI במוצר שלנו בצורה נכונה, ולצורך זה נמצאת איתי מירב פרלמוטר- Data Analytics Lead  ב- Tastewise, היי מירב.

מירב: היי. 

אדווה: כיף שאת פה, ואנחנו נגיד במשפט שאתם קמתם ב-2018 וש- Tastewise היא חברה שמחברת חברות מזון ככה לטרנדים הכי חמים בעולמות המזון, שאתם 76 עובדים, ובעצם הסיבה שרצינו לדבר איתך זה כי לפני חצי שנה אתם התחלתם תהליך של הטמעת ג'נרייטי ו-AI במוצר שלכם וזה יצר אימפקט מאוד משמעותי בvalue proposition בערך שאתם יכולים להציע למשתמשים שלכם, ואנחנו באמת נדבר היום על מה ההזדמנות באופן כללי בהטמעת AI במוצר, לאיזה מוצרים זה מתאים וגם לאיזה לא, איך עושים את זה בפועל וגם באתגרים שאתם פוגשים בדרך. שנתחיל?

אדווה: יאללה.

[נעימת פתיחה]

אדווה: אני רוצה שנתחיל רגע בלהבין במשפט מי אתם tastewise, כזה קצת קונטקסט שיהיה לנו לשיחה.

מירב: ברור. אז tastewise היא בעצם חברת SAS שרוצה או מתכוונת לפתור בעיות שהיו מאוד נפוצות בתחום האוכל עד היום. חברות מזון בעצם לא היו מחוברות עד הסוף למה צרכנים רוצים והיו מפתחים ומשקיעים הרבה מאוד זמן וכסף במוצרים שבסוף כשלו ולא הצליחו. אז עם הטכנולוגיה שיש היום ועם כמויות הדאטה שפשוט חשופים שם, אנחנו בעצם יכולים לייצר להם תובנות טובות יותר, מדויקות יותר, מקושרות יותר לצרכנים ולאפשר להם בעצם לייצר מוצרים שהרבה יותר מתאימים לצרכן. 

אדווה: מעולה, אז עכשיו שהבנו מי אתם, אני רוצה להבין מה בכלל ההזדמנות בלהשתמש ולהטמיע GEN AI במוצר שלנו בסוף זה, אנחנו שומעים את זה בכל מקום בתקופה האחרונה AI, AI, AI. יש תחושה שיש איזה לחץ כזה שחייבים לשים את זה במוצר, שהמשקיעים לראות את זה, שהלקוחות רוצים לראות את זה. אבל למה בכלל?

מירב: אז שאלה מצוינת. קודם כל אני אגיד שחשוב להפריד בין AI באופן כללי לג'נרטיב AI, שזו טכנולוגיה יותר חדשה. ג'נרטיב AI זה בעצם כלי חדש שמאפשר לנו ליצור קונספטים מ-0, במינימום מאמץ, זאת אומרת, זה כלי חינמי, זה כלי נגיש, וזה כלי שקל מאוד לתת לו בעצם הוראות מאוד מאוד פשוטות, ואז הוא מבצע לך עבודה שעד היום הייתה מאוד מורכבת ודרשה הרבה מאוד זמן פיתוח וחשיבה וקריאיטיב ועיצוב בשביל להגיע לתוצר סופי שה-GEN AI בעצם יכול לבד ליצור את זה עבורך במינימום זמן ולחסוך הרבה מאוד כסף. 

אדווה: ואם אני חושבת על רגע למי זה מתאים, איזה חברות או איזה מוצרים זה יכול להתאים להם וגם מהצד השני לאיזה מוצרים זה לא מתאים, כי זה גם חשוב להגיד, זה שזה איזה Buzzwords ומשהו שנראה שצריך לעשות, לא בטוח שכולם צריכים למהר להטמיע את Generative AI במוצר שלהם. 

מירב: לגמרי, אני חושבת שחשוב להבין מה Generative AI מאפשר, אבל גם לחבר את זה תמיד לצורך של החברה, מה המוצר שלי, מה ה-Value Proposition שלו, מי הלקוחות שלי, אולי יש קהל שלהם של לקוחות שאני עוד רוצה להגיע אליהם ואני לא יכול. זאת אומרת, לעשות איזשהו מיפוי, ואולי נדבר על זה בהמשך באמת, איך לבנות את התהליך הזה של ההטמעה, אבל לגמרי צריך לשאול את השאלות לגבי מה אני מנסה להשיג, והאם היכולות של GEN AI משרתות אותי במטרה אליה אני רוצה להגיע, ולמי ההזדמנות הזאת רלוונטית? ההזדמנות הזאת רלוונטית לכל מי שנמצא בארגון המוצר. זאת אומרת, אם הבנת ש-GEN AI לא בהכרח רלוונטי לך כשירות מוצרי, עדיין זה לא אומר שאתה לא יכול להשתית את היכולת של ה-GEN AI בתוך הארגון מבחינת התהליכים הפנימיים שלך. כי זה לא רק בוא נפתח מוצר חדש שיש בו GEN AI, זה גם איך אנחנו מטרגטים נכון יותר את האנשים שאליהם שאנחנו רוצים לפנות, את ה-Target Audience שלנו. זה גם איך אני כותב מיילים שיותר מותאמים ללקוח הספציפי הזה, איך אני עושה פרסונליזציה בעצם למיילים שאני כותב, אז זה יכול לשרת, את יודעת, צוותי CSM וצוותי Sales וכדומה. זה יכול להיות אפילו איזושהי מערכת פנימית של Chatbot, או אפילו מערכת חיצונית של תמיכה שנותנת מענה מידי ללקוחות, בלי הצורך לחכות לבן אדם שיענה ויבין ויחשוב וישלח לו בחזרה איזושהי תגובה. זאת אומרת, יש הרבה תהליכי ייעול פנים ארגוניים ש-GEN AI לגמרי יכול לשמש חברות, גם אם זה לא יצא החוצה ללקוחות.

אדווה: כן, אני רק אגיד שאם מישהו רוצה לשמוע על איך אפשר להשתמש ב-AI בשירות לקוחות או איך אפשר להשתמש ב-AI בפיתוח, שזה לגמרי בצורה פנימית, זה שני פרקים שכבר היו לנו החודש, אז אפשר לחזור ולשמוע אותם, נשים קישורים בתגובות. ולמי לא כדאי להשתמש ב-AI? 

מירב: אז שוב, אז בואי נפריד בין באמת השימוש הפנימי לשימוש החיצוני, אז בואי נתמקד בשימוש החיצוני. אני חושבת שזה מאוד תלוי, שוב, ותמיד זה יתחבר לזה, למה הצורך ומה ה-use cases שעליהם אני רוצה לענות. יש איזשהו risk, ואני מניחה שנרחיב עליו בהמשך, שקשור לאמינות הדאטה ואני חושבת שכתלות ב-use case שלך צריך לבחון מאוד מאוד טוב מה ה-output שה-gen AI ייצר ללקוח ולהבין אם ה-output הזה זה משהו שאתה יכול לעמוד מאחוריו ולא יחשוף אותך בעצם  לפינות של זכויות יוצרים, לפינות שלprivacy  או security או אפילו אמינות. ואני גם אפרט איך אנחנו ב- tastewise בעצם ניגשנו בכלל לאיזה סוג של מוצרים אנחנו מציינים עם ה-Gen AI כדי לא להיות חשופים לדברים האלה, אבל בחשיבה ככה מיידית על מי צריך להיזהר אולי משימוש ב-Gen AI, זה חברות שיותר המוצר שלהם ממש צריך לבנות על הג'נרטיב AI, לתת את התובנות החוצה ואת התוכן החוצה ללקוחות ואז באמת צריך לעשות שם איזושהי עבודה של QA של להבין האם התוכן הזה זה מה שאני יכולה לעמוד מאחוריו בצורה בטוחה. 

אדווה: כן, גם אמרת אמינות ואמרת גם לראות שזה מבחינה לגאלית, אבל אני חושבת שזה גם באמת העניין של האיכות. בסוף צריך לזכור שלמשל ש-ChatGPT זה מוצר מדהים, הוא עוד לא בן אדם, הוא עוד לא יעשה review לעצמו, וצריך לראות שגם מבחינת האיכות, האם זה עומד בתקן שאנחנו שמנו לעצמנו. אבל אנחנו נעבור עכשיו למקרה הספציפי שלכם, מה בעצם ההזדמנות שאתם זיהיתם לפני חצי שנה ב- tastewise שגרמה לכם להגיד, אוקיי, אנחנו צריכים להתחיל לעשות אימפלמנטציה של ג'נריטיב AI גם במוצר שלנו. 

מירב: מעולה. אז היו לנו כמה פערים בתור חברה שהיא מבוססת על אנליטיקס בסוף, הפער הראשון היה סביב המורכבות של המוצר. בסוף אתה מתעסק בפלטפורמה SAS שמכילה הרבה מאוד נתונים, גרפים, טבלאות, מלא מספרים, והיא לא מתאימה לכל אחד. זאת אומרת, יש הרבה מאוד משתמשים שקשה להם להבין מאיפה להתחיל, האם בכלל הם יכולים לסמוך על התובנות שהם יצרו, האם האנליזה שלהם הייתה מדויקת. ואני חושבת שזה אחד האתגרים הראשונים שישר שמנו לב אליהם, כשהשקנו את המוצר, כי לנו, את יודעת, בתור אנשי דאטה היה מאוד ברור איך נכון להשתמש בזה, אבל זה מאוד מאוד לא ברור ללקוחות שבחוץ, במיוחד אם הם לא אנליסטים. ואז זה אתגר ראשון שבעצם ה-Gen AI היה מאוד ברור שיכול לעזור לנו להתמודד איתו בגלל שהוא יכול ליצור חוויית משתמש הרבה יותר פשוטה. אני יכולה לתת כדוגמה פיצ'ר חדש שפיתחנו שמבוסס על Gen AI שממש תוקף את הבעיה הזאת, שבעצם פיתחנו מעין Chatbot כזה, במוצר עצמו, באינטרפייס, שהמשתמש יכול לשאול את השאלה שלו את הChatbot, ואז ה-Chatbot כבר חוסך לך את כל הנוויגציה במוצר, הוא לוקח אותך כבר לעמוד הנכון, למקום הנכון בפלטפורמה, ואפילו מסכם לך את התוצאות בהתבסס על הדאטה שנמצאת שם. אז בעצם, הנה כלי של ג'נרטיב AI, שהשתמשנו בו כדי להכיר על חווית המשתמש, ובעצם לאפשר להם להגיע למקום הרצוי, לקבל מהר יותר את התוצאות שלהם, מבלי להיתבחבש ולהסתבך בתוך הפלטפורמה.

אדווה: אז בעצם אתם זיהיתם שיש פה איזשהו קושי שמשתמשים קצת הולכים לאיבוד בתוך הדאטה שאתם מציעים להם, או בתוך כאילו כלל המידע שזמין להם במוצר, ובעצם הצלחתם לענות על אתגר זה על ידי שימוש באיזושהי בניה באיזשהו בוט AI שממש מכווין אותם לתובנה שהם בסוף צריכים לקבל.

מירב: נכון. 

אדווה: איך את יודעת שהוא נותן לך תשובות טובות?

מירב: אז זה בעצם כל האסטרטגיה שלקחנו כשהתחלנו לעבוד עם ג'נרטיב AI, אנחנו חברת דאטה, יש לנו המון נתונים, שאספנו אותם ובדקנו אותם ואנחנו עומדים מאחוריהם, יש לנו לחלוטין נתונים על האיכות שלהם, של הנתונים של tastewise. השימוש שלנו עם Generative AI לא בונה על הדאטה ש-AI מאומן עליה, אלא בעצם בונה על היכולות של Generative AI לאסוף ולהסיק מסקנות וליצור, בוא נגיד Creative Concepts, אבל שמבוססים על הנתונים שלנו האמינים. זאת אומרת, אני לא עכשיו צריכה ש-Generative AI יבוא וייתן לי מסקנות מדאטה שהוא מביא מ-אני לא יודעת איפה, אני לא צריכה את זה, זה לא השימוש שלנו בו. אנחנו בסך הכל משתמשים ביכולות שלו בשביל ליצור קונספטים מתוך הדאטה שלנו. וזה מאפשר לנו בעצם למזער את כל הריסק שקשור ל-privacy ו-security ואמינות והמצאות. לא שאני לא אגיד שהיה לנו התמודדות גם עם המצאות בקונטקסט קצת אחר, אבל לפחות בכל הפן ה-legal, הפן המשפטי, אין לנו עניין שם, בגלל שאנחנו יודעים שההמלצות שלו, או נגיד- המתכונים שהוא מייצר, הכל מבוסס על הדאטה האמין שאנחנו בעצם נתנו לו. אני כן אגיד שאנחנו לגמרי רוצים להגן על הדאטה שלנו וגם רוצים להגן על המשתמשים שלנו ששואלים אותו שאלות שקשורות לחלוטין בתהליכים פנימיים של פיתוח מוצרים שלהם. ועל כן יש כל מיני טולים שאפשר להשתמש בהם כמו אז'ור ואחרים שמאפשרים לך בעצם להתממשק מול ה-AI ולהגן על הנתונים שלך או על הנתונים שאת מזינה אותו בהם. אז זה לחלוטין איזשהו פתרון שהיה חשוב לנו ליישם.

אדווה: מעולה. יש באמת עוד כלים כאלה שעולים לך שחשוב להכיר או כלים שהשתמשתם בהם להטמעה מראש או כלים שבאמת מאשרים לכם לפתור חלק מהאתגרים שיש סביב AI שחשוב שמי שרוצה לעשות כזה תהליך יכיר?

מירב: אני יכולה להגיד שאצלנו ספציפית בחנו כל מיני כלים ספציפית שהיו קשורים לוויזואליזציה. זה עניין של לבחון את הכלים שנמצאים בשוק, ללמוד אותם. אנחנו לא דיברנו על זה, אבל זה בעצם איזשהו סקיל סט חדש שצריך ללמוד, וזה דורש השתפשפות, וזה בסדר. הרבה קריאה, הרבה ניסיון ותהייה, ובסוף למצוא את הכלי שעבור ה- Use Case שלך נותן את השירות הכי נכון. זה שזה נגיש, זה עוזר למחקר הזה.

[נעימת מעבר]

אדווה: מעולה, אז כן באמת נגעת עכשיו בדבר הזה שצריך לעשות מחקר ולזהות את הכלים, אבל נניח שעשיתי את המחקר וזיהיתי את הכלים, איך עדיין אני יודעת איפה במוצר כדאי לי להטמיע אותם, באיזה חלקים של המוצר?

מירב: מעולה. אז בעצם, את צודקת, הכל מתחיל בתהליך מיפוי של- מהמוצר שלי ולמי אני רוצה לפנות ואיזה פערים אני רוצה בעצם לכסות. ואז בעצם, once יש לך איזשהו מיפוי כזה, הרבה יותר קל להתחיל לסווג אותו להזדמנויות שהן יחסית קלות, כאילו ה-low-hanging fruits, לעומת הזדמנויות שיהיה יותר מורכב לעבוד עליהן. עכשיו, במיוחד אם זה פרויקט ה-Gen AI  הראשון בחברה, אז ברגע שזיהינו את ההזדמנויות הפשוטות יותר, יהיה הרבה יותר קל לצוות להשתפשף בכלים השונים. בדיוק דיברנו על זה, הרי איך אני יודעת מה הכלי הכי נכון לי, אני לא יודעת את זה מראש, אני יכולה לחשוב, שיהיה לי איזושהי תיאוריה, אבל בסוף אין כמו להשתפשף. וגם כתיבת פרומפטים היא השתפשפות, זאת אומרת, אפשר לגמרי לפתח מיומנות שתעזור בסוף להגיע לתוצאות מדויקות יותר עבורך, ודווקא בהזדמנויות הפשוטות זה כאילו זמן נהדר להשתפשף, להבין מי בצוות עובד על זה, האם זה הצוות של האנליסטים, האם זה בתוך הצוות של הפיתוח, האם זה בכלל אנשים מוצר. 

זאת אומרת, בגלל שזה כלי שהוא כל כך נגיש, הרבה מאוד אנשים בתוך המחלקות היותר טכניות, הרבה מאוד אנשים יכולים לכתוב פרומפטים. ואז בגלל שהפיתוח הוא יחסית מהיר, כי בחרנו בפתרונות הפשוטים יותר, אז יש לך עם מה לצאת החוצה ואז אתה יכול להתחיל לחשוף את זה ללקוחות ולחשוף את זה לפרוספקטים, ולראות את התגובה שלהם, להתחיל לאסוף פידבק, להתחיל לראות אם יש גם איזושהי רתיעה מהצד שלהם אולי, או אולי אפילו התרגשות, ואז אולי יעלו יוז קייסים חדשים שלא חשבת עליהם, ומשם הרבה יותר קל לרוץ קדימה בפיתוח, כי יש איזה שהוא פידבק חיצוני למה שעשית ואפשר לעשות איטרציות ואפשר בעצם להתקדם משם לפתרונות המורכבים יותר וכן הלאה וכן הלאה.

אדווה: אבל תגידי רגע, עולה לי משהו, כי ההזדמנויות הפשוטות ביותר הם לאו דווקא אלו שיש בהם את הריסק הכי נמוך. לצורך העניין, אם הזדמנות הפשוטה זה בוט שמוציא לי תובנות על ה-נניח על הזה שלי, זה לא בהכרח הזדמנות עם ריסק נמוך, למה? כי כשאני אומרת ריסק, יכול להיות שזו האפשרות שהאחוז הכי גדול מהיוזרים שלכם משתמש בה למשל, ויש הכי הרבה ריסק שאם תיתנו להם מידע לא נכון, אולי זה לא יגרום להם לחזור, אולי זה לא יגרום להם להירשם. זאת אומרת, איך אתם עושים איזושהי- מוודאים, ואם אתם עושים איזושהי מיטיגציה כדי לוודא שגם הריסק פה הוא נמוך?

מירב: חד משמעית, נקודה מאוד מאוד חשובה.  מין הסתם אנחנו לא נוציא משהו שנראה שהוא לא עובד, אז אולי כשמגדירים מה ההזדמנות שהיא יחסית פשוטה, אז צריך to factorize גם את העניין הזה של הריסק. קרה לנו מקרים שחשבנו שמשהו יחסית פשוט, וראינו שבסוף התוצר הוא לא מספיק טוב, היופי פה זה שלא השקענו הרבה זמן פיתוח. אז בגלל שהשקענו את היום יומיים לבדוק התכנות, מהר מאוד יכולנו לדעת אם שווה לסגת או לא. 

אדווה: עכשיו תגידי מבחינת המדידה, אני מניחה ששוב, אמרנו שהתחלתם את התהליך הזה לפני חצי שנה, בסוף גם זה לא דורש הרבה זמן פיתוח, זה דורש זמן פיתוח ולהטמיע יכולות חדשות במוצר, בהכרח בסטארטאפים קטנים אבל גם גדולים, מסית את הפוקוס אולי ממשהו אחר שתכננתם, מוסיף אלמנטים לרודמפ שעכשיו צריך לגעת בהם, מה אתם מודדים כדי לדעת שבאמת הכלים החדשים האלה שאתם מוסיפים עושים את האימפקט שרציתם שהם יעשו.

מירב: מעולה, אז בגדול אני חושבת שאנחנו לא יכולים להישאר אדישים לתגובות שקיבלנו מלקוחות. אנחנו רואים שיש קודם כל שימוש מאוד מאוד גדול בכלי AI שלנו, פתחנו את זה לקהל לקוחות שהם Power Users, ובעצם אנחנו רואים שהם ממשיכים לחזור ולהשתמש בזה בתדירות יותר גבוהה ממה שהם היו משתמשים קודם במוצר הרגיל. ויש המון בקשות נוספות מהם, זאת אומרת, הם מאוד מתרגשים מהקיים, וזה רק מעלה להם עוד תיאבון לעוד פתרונות. אז אנחנו מקבלים פשוט מבול של בקשות מלקוחות לגבי האם אפשר לעשות גם ככה, האם אתם יכולים לאפשר לי לעשות ככה, אז זה קצת גם מה שהתכוונתי קודם שאמרתי שיש לך איזה שהוא מוצר ראשוני לצאת איתו החוצה, זה כבר יביא לך המון המון אינפורמציה לגבי מה השוק צריך, כי הם מקבלים טעימה והם רוצים עוד.

אדווה: מעולה, ואם אני ממש מדברת את זה במטריקות, אז זה באמת העניין הזה של גם ease of use, נכון, גם retention, נראה שהם משתמשים עוד ועוד במוצר, וגם באמת engaged users, כאילו הם פונים אליכם, הם מבקשים עוד דברים, הם נהנים להשתמש במוצר. 

מירב: לגמרי וגם גדילה, כי בעצם אנחנו יכולים עכשיו להרחיב את הפורטפוליו שלנו, ולאפשר להם גישה לעוד סוגי מוצרים חדשים. 

אדווה: מעולה, אז דיברנו על ההזדמנות, דיברנו למי זה מתאים, למי זה לא מתאים, דיברנו על איך זה עבד אצלכם, ואנחנו מתקרבות לסיום, ובעצם השאלה האחרונה שלי זה, מה עדיין מהאתגר? מה עוד לא פתרתם? מה אתם מתקשים לפתור? איזה אתגרים מגיעים שאולי לא צפיתם מראש?

מירב: אוקיי, מה האתגרים? אז קודם כל, יש תמיד את הבקשות ל-use case-ים  שהם יותר מורכבים, שעדיין לא פיצחנו עד הסוף, או שאנחנו אולי חוששים יותר להיכנס אליהם בגלל האתגרים שדיברנו קודם שקשורים ל-privacy ושקשורים לאמינות הדאטה. מאוד חשוב לנו שהתובנות יהיו מבוססות ויהיו טובות. ואם אנחנו רואים שיש איזושהי בקשה לענות על צורך שאנחנו לא מצליחים להיות עקביים עם איכות הנתונים שאנחנו נותנים, אז אנחנו כרגע לא ניכנס לזה, או נמצא דרך אחרת לענות על הצורך הזה. אז זה אתגר אחד. אתגר שני זה טקסט בתמונות. זה משהו שאנחנו עדיין בתוכו, בתוך המחקר, עוד אין לנו מוצר שמציג את הטקסט בתמונה, וזה יכול להיות אפילו איזשהו פער טכנולוגי, שלא בהכרח קשור אלינו, אלא לחכות שהטכנולוגיה תתקדם ותאפשר את זה בצורה טובה יותר. 

אדווה: שנראה לי שזה גם אתגר, עובדה שבסוף עובדים עם טכנולוגיה שהיא בהתפתחות. אז מצד אחד זה אומר שאתם מטמיעים כלים שהם בהכרח מאוד מאוד חדשים, לא בטוח שיש להם עדיין ולידציה מאוד עמוקה, מצד שני יש מצב שכאילו, אתם כל פעם קופצים שנייה לפני הטכנולוגיה. מצד שלישי, וגם דיברנו על זה בפרק של השבוע שעבר עם גיא ברנר, אתם חייבים להיות עם אצבע על הדופק בשביל להטמיע את הדברים מהר, כי עם העובדה שזו טכנולוגיה חדשה בפני עצמה, יש הרבה אתגרים.

מירב: חד משמעית. יש גם עניין עם חוסר עקביות. זאת אומרת, אתה יכול לחשוב שמשהו נראה טוב ופתאום הוא לא יעבוד יותר. אז לא רק לחשוב על הדבר הבא, כמו שיהיו processes שמנטרים את התוצרים הקיימים כל הזמן, וגם לעקוב אחרי השימוש של המשתמשים במוצר, כדי גם ללמוד מזה המון על מה עובד להם טוב היום, ומה לא, מן הסתם זה ה-OBS, אבל גם למדנו המון על אפילו איך אנשים שואלים שאלות. זאת אומרת, בגלל שה-Engagement עם הדבר הזה הוא Free Text, אתה יכול בעצם לכתוב מה שבא לך, אתה יכול ללמוד המון על התנהגות של המשתמשים, מה הם מצפים לראות, איך הם מתנסחים, האם הניסוח שלהם באמת ה-GEN AI יודע להבין אותו, כי יכול להיות ש-GEN AI יכול לענות על הצורך שלהם, אבל בגלל הניסוח הספציפי של היוזר, הוא לא מצליח להבין ולהתממשק כמו שצריך. אז הנה עוד אתגר, איך אתה עושה התאמה בין האינפוט הגולמי לבין אחרי זה מה שאתה צריך להזין את ה-AI. אז אלה בעיקר הדברים שאנחנו כרגע מנסים לפתור. 

אדווה: מעולה, ואם יש מישהו או מישהי שמאזינים לנו עכשיו ורוצים להתחיל להטמיע GEN AI במוצר שלהם, מה טיפ אחד, תובנה אחת, שאת אומרת- הלוואי שהיית יודעת לפני חצי שנה, שהיית רוצה לשתף אותם.

מירב: אז יש לי טיפ שבסוף כאילו גם עשינו אותו, זאת אומרת, זה לא רק בדיעבד, אלא עשינו אותו בפועל, שקצת נוגע בסביב העובדה שלא כולם מבינים את הפוטנציאל ב- GEN AI ולא כולם, אני מתכונת, ללא כל הפרסונות בתוך הארגון. זה משהו שכנראה זה יצטרך להיות יוזמה מאנשים יותר טכניים, שיותר נוגעים בטכנולוגיה, אבל אם לא ניתן לכל המחלקות האחרות בעצם לטעום מהדבר ולהבין את הערך שלו, יהיה הרבה יותר קשה לקבל תמיכה ושיתוף פעולה. ומה שאנחנו עשינו, עשינו האקתון שבו בעצם כל החברה השתתפה מכל המחלקות, התחלקנו לקבוצות שבכל קבוצה השתתפו אנשים מכל המחלקות השונות בחברה וכל קבוצה הייתה לה בעצם איזו משימה קטנה. המשימה הזאת הייתה לחלוטין קשורה למוצרים שאנחנו רוצים לפתח ממש עבור TasteWise, זה לא היה סתם משימות לא קשורות, אלא לגמרי קשורות למוצר. וכל קבוצה בעצם הייתה צריכה להשתפשף ולחשוב ביחד איך הם פותרות באקתון הזה את השאלה הספציפית הזאת. ומה זה נתן? זה בעצם גם חיבר את כולם לערך ש- GEN AI יכול לספק עבור המוצר, אבל גם נתן לכולם להשתפשף עם הידיים בכלים השונים ולהפוך אותם להיות קצת פחות מאיימים והרבה יותר מוכרים. וכל הדבר הזה בעצם זה מה שגרם ל… הכי גדול של החברה כולה להתגייס לקדם בעצם כלי ג'נרטיב AI בתוך החברה. 

אדווה: מדהים, אז עם זה אנחנו נסיים ונזכיר שאם אתם רוצים לדעת כל פעם שיוצא פרק חדש, אז אתם מוזמנים לעקוב אחרינו בכל אחת מהאפליקציות, ואם יש לכם שאלות אלינו או למירב, אז אפשר שואל אותן באתר שלנו או בקהילה, אנחנו נוודא שיהיה שם, וזהו, מירב, תודה רבה.

מירב: היה לי ממש כייף, תודה רבה.

אדווה: ממש כיף שהיית ותודה לכם שהאזנתם.

[נעימת סיום]