תובנה · בינה מלאכותית וארגונים
בינה מלאכותית לא משנה ארגונים, היא חושפת אותם
ככל שאני מתעסק יותר בבינה מלאכותית, אני משתכנע שההשפעה הגדולה שלה אינה רק במה שהיא יודעת לעשות עבורנו, אלא במה שהיא מאלצת אותנו לראות על עצמנו.
לאחרונה ישבתי לקפה עם חבר שמנהל חברת טכנולוגיה. תוך כדי שיחה הוא שאל אותי: "מה לדעתך תהיה ההשפעה הכי גדולה של AI על ארגונים?"
אני מניח שהוא ציפה שאדבר על אוטומציה, חיסכון בזמן, פרודוקטיביות, או אולי אפילו על החלפת עובדים. אבל מצאתי את עצמי אומר לו משהו אחר לגמרי: "אני חושב שההשפעה הכי גדולה של AI תהיה שהוא יחשוף כמה מעט אנחנו באמת יודעים להסביר על הארגון שלנו." הוא הסתכל עליי קצת מופתע, אז ניסיתי להסביר דרך דוגמה.
דוגמה קטנה שממחישה את העניין
נניח שארגון השקיע במערכת AI שאמורה לעזור להנהלה לקבל החלטות אסטרטגיות. המערכת מחוברת כמעט לכל מה שיש בארגון: תוכניות עבודה, דוחות כספיים, נתוני מכירות, CRM, מחקרי שוק, מצגות דירקטוריון ומסמכי מדיניות. לכאורה, יש לה את כל מה שנדרש כדי לתת תשובה טובה.
ואז, בישיבת הנהלה, המנכ"ל שואל שאלה מעשית מאוד: "אם נצטרך לקצץ השנה 20% מההשקעות שלנו, אילו פרויקטים אסטרטגיים אסור לנו לעצור, ועל אילו אפשר לוותר?"
המערכת עוצרת לרגע, ואז מחזירה שאלה: "לפני שאוכל לענות, אנא הגדירו מהו 'פרויקט אסטרטגי' עבור הארגון שלכם."
ופה, בעיניי, מתחיל הרגע המעניין.
- סמנכ"ל הפיתוח עונה: "כל פרויקט שמפתח טכנולוגיה חדשה."
- סמנכ"ל המכירות אומר: "כל פרויקט שמביא לקוח אסטרטגי."
- סמנכ"ל הכספים חושב אחרת: "כל פרויקט שמייצר תשואה גבוהה."
- סמנכ"ל התפעול בטוח שהתשובה ברורה: "כל פרויקט שמגדיל את יכולת הייצור."
- והמנכ"ל, שמקשיב לכולם, אומר: "זה כנראה שילוב של הכול."
ה-AI לא נתקע כי חסרים לו נתונים. הוא נתקע כי חסרה לו הגדרה.
כאן, לדעתי, נמצאת התובנה
ברגע כזה מבינים שהאתגר הוא לא בהכרח טכנולוגי. הרבה פעמים הוא ניהולי, ארגוני ואפילו תרבותי.
ראיתי לא מעט ארגונים שמקבלים החלטות טובות מאוד לאורך שנים, אבל חלק גדול מהיכולת הזו נמצא בראש של אנשים מנוסים. זה לרוב עובד, עד שמנסים לתרגם את זה לשפה משותפת, לכללים ברורים או למערכת שצריכה להבין את ההיגיון שמאחורי ההחלטה.
אנחנו משתמשים כל הזמן במונחים כמו "פרויקט אסטרטגי", "לקוח אסטרטגי", "חדשנות", "עדיפות גבוהה" או "קריטי". אבל כשמבקשים מחמישה מנהלים להגדיר את אותו מושג, לא פעם מגלים חמש פרשנויות שונות. כולן הגיוניות, אבל לא בהכרח זהות.
דוגמה דומה מעולם הלקוחות
ארגון מבקש ממערכת AI להמליץ לאילו לקוחות להקדיש את משאבי ההנהלה הבכירה ברבעון הקרוב.
- מבחינת המכירות, לקוח אסטרטגי הוא לקוח עם פוטנציאל הכנסות גבוה.
- מבחינת השירות, זה לקוח עם מורכבות גבוהה וסיכון נטישה.
- מבחינת הפיתוח, זה לקוח שמוביל דרישות מוצר חשובות.
- ומבחינת הכספים, זה אולי לקוח רווחי, יציב ומשלם בזמן.
אם הארגון לא הגדיר לעצמו מה באמת הופך לקוח ל"אסטרטגי", ה-AI עלול להפיק המלצה שנראית מדויקת, אבל למעשה נשענת על פרשנות אחת בלבד מתוך כמה פרשנויות אפשריות.
אינטואיציה עובדת מצוין, עד שהיא צריכה להפוך לשיטה
אני מאמין מאוד באינטואיציה ניהולית. אצל מנהלים מנוסים היא אינה תחושת בטן אקראית, אלא תוצאה של שנים של ניסיון, הצלחות, טעויות והיכרות עמוקה עם המציאות. אבל יש לה מגבלה אחת משמעותית: קשה מאוד להעביר אותה הלאה כפי שהיא.
כל עוד כולם יושבים באותו חדר ומכירים את אותם אנשים, לקוחות ובעיות, זה לרוב עובד. אבל כשהארגון גדל, מתפצל בין אתרים, הופך לגלובלי, קולט עובדים חדשים או מטמיע מערכת AI, כבר אי אפשר להסתמך רק על הבנה לא כתובה. מערכת AI לא יודעת "להרגיש" למה התכוונו. היא צריכה בהירות, הגדרות ועקביות.
לא רק איכות נתונים, גם איכות הגדרות
במשך שנים דיברנו, ובצדק, על איכות נתונים. אבל בעידן ה-AI זה כבר לא מספיק. צריך לדבר גם על איכות ההגדרות. אם אותו מושג מקבל משמעות שונה אצל כל מנהל, גם המערכת המתקדמת ביותר תתקשה להבין על בסיס איזו משמעות עליה לפעול.
ויש כאן גם סיכון משמעותי: אם מטמיעים AI על בסיס עמימות קיימת, לא בהכרח מתקנים את הבעיה. לפעמים פשוט מאיצים אותה. החלטות לא ברורות מתקבלות מהר יותר, פרשנויות לא מוסכמות מקבלות תוקף של "מערכת", ובלבול שהיה פעם איטי ואנושי עלול להפוך לבלבול אוטומטי, עקבי ומשכנע יותר.
מה הבינה המלאכותית באמת מציפה בארגון
בארגונים, הנה כמה מהדברים שצפים מהר מאוד:
- תהליך אחד שמתברר כשלושה תהליכים שונים.
- החלטה שמתקבלת לפי ניסיון של אדם מסוים, ולא לפי עיקרון מוסכם.
- ידע קריטי שמעולם לא תועד.
- מחלקות שונות שמשתמשות באותה מילה, אבל בפועל מתכוונות לדברים שונים.
הדברים האלה לא נוצרו בגלל AI. הם היו שם גם קודם. הבינה המלאכותית פשוט שמה עליהם זרקור.
לכן, בעיניי, זו קודם כול מהפכה ניהולית
אין ספק שארגונים שישתמשו ב-AI רק כדי לעבוד מהר יותר ירוויחו כנראה לא מעט. אבל ארגונים שישתמשו בו גם כדי לבחון את עצמם, את השפה שלהם, את ההנחות שלהם ואת הדרך שבה הם מקבלים החלטות, יוכלו לבנות יתרון עמוק ומשמעותי יותר.
בעיניי, אחד הצעדים הראשונים שארגון צריך לעשות לפני שהוא רץ להטמיע עוד כלי AI הוא לבנות לעצמו מילון ארגוני בסיסי: מהו פרויקט אסטרטגי, מהו לקוח מרכזי, מהי עדיפות גבוהה, מה נחשב סיכון מהותי, ומהי הצלחה. זה אולי נשמע פשוט, כמעט טריוויאלי, אבל בפועל זו אחת התשתיות החשובות ביותר לעבודה עם בינה מלאכותית. כי ככל שהשפה הארגונית ברורה יותר, כך גם ה-AI יכול לסייע בצורה מדויקת יותר.
אני לא בטוח שבעתיד נמדוד ארגונים רק לפי מודל ה-AI שבחרו או לפי הכלים שהטמיעו. אולי נשאל שאלה פשוטה יותר: האם הארגון יודע להסביר לעצמו איך הוא מקבל החלטות?
אם התשובה היא לא, כנראה שהאתגר הגדול אינו רק הבינה המלאכותית, אלא הבינה הארגונית. ורק אחרי שנבין את עצמנו טוב יותר, נוכל באמת להפיק מ-AI את הערך שהוא מסוגל לתת.
נסו את זה בישיבת ההנהלה הבאה
בקשו מכל אחד מהמנהלים לכתוב, בלי להתייעץ עם האחרים, הגדרה קצרה למונח שאתם משתמשים בו כל הזמן: "פרויקט אסטרטגי", "לקוח מרכזי" או "עדיפות עליונה". אני מניח שהתוצאות יפתיעו אתכם.
מוכנות ארגונית ל-AI היא חלק מחטיבת Executive Advisory שלנו.
המאמר משקף את דעתו האישית של הכותב בלבד. זהו מידע כללי, ולא ייעוץ מקצועי או המלצה לנקוט פעולה כלשהי, וכל שימוש בו הוא באחריותו הבלעדית של הקורא.