השלבים ליצירת ערך מבינה מלאכותית בארגון
בינה מלאכותית גנרטיבית כבר אינה טרנד, היא מציאות שהופכת לעובדה קיימת. היא עוד בחיתולים והיא כבר משנה את הדרך שבה ארגונים יוצרים, מספקים ומפיקים ערך. כדי להפוך את הטכנולוגיה החדשה למרכיב עסקי משמעותי, עליכם לחשוב כיצד היא מוטמעת בארגון שלכם בצורה כזו שתשנה משמעותית את מודל יצירת הערך שאתם מספקים לעובדיםף ללקוחות ולשאר בעלי העניין.
למרות הפוטנציאל, ובעיקר בגלל שזו טכנולוגיה צעירה שמתקדמת בקצב מסחרר ארגונים רבים עדיין מתקשים לעבור משלב ההתרגשות לשלב התוצאות.

חלק מהקושי נעוץ בכך שטכנולוגיית ה GenAI עדיין נתפסת כעוד כלי, עוד פיילוט, עוד מוצר מדף. אך בניגוד לכלים אחרים, בינה מלאכותית היא טכנולוגיה כללית, היא דומה יותר לחשמל מאשר לעוד CRM או ERP ארגוני. זו טכנולוגיה שתפגוש את כל העובדים והמחלקות בארגון, והיא צפויה לשנות את צורת העבודה של כולם.

כדי להצליח בתהליך נדרשים מספר שלבים משמעותיים שיסייעו לכם בהטמעת הטכנולוגיה.

שלב 1: יצירת השערת ערך (Value Hypothesis)
השערת ערך היא ההחלטה האסטרטגית הראשונה, והיא קריטית. היא מגדירה שני דברים:
1. איפה נמצא הערך העסקי הגבוה ביותר עבור הארגון שלכם.
2. מה רמת הקושי והסיכון בדרך להגשת אותו ערך עסקי.

השערת הערך צריכה להתבסס על מטרת הארגון, הערכים שלו, מצב פיננסי, תהליכים תפעוליים, מערכות קיימות, תחרות, ורגולציה. כאן גם מתחילה ההבחנה בין שני סוגי ערך:
- ערך קצר טווח שמבוסס על יעילות. שיפור זמן עבודה, אוטומציה של משימות, וצמצום חיכוך תפעולי.
- ערך ארוך טווח שמבוסס על המצאה מחדש. שינוי מודלים עסקיים, מוצרים ושירותים.

ארגונים רבים מתחילים בשיפור היעילות. זה חשוב, אבל אם לא מסתכלים גם על התמונה הגדולה יותר, הארגון עלול למצוא את עצמו בעוד שנתיים עם ==חוב טכנולוגי ותהליכי עצום==. לכן, כבר בשלב ההשערה, יש להגדיר שאיפה כפולה: יעילות עכשיו והמצאה מחדש של מודלים עסקיים בהמשך.

שלב 2: תיעדוף יוזמות שמייצרות את רוב הערך
לא כל יוזמה מניבה את אותו ערך. היכולת של טכנולוגיית הבינה המלאכותית לייצר ערך בכל הארגון היא חרב פיפיות, הרעיון לייצר אין סוף פיילוטים עלולה לגרום לפיזור דיגיטלי / טכנולוגי. תופעה שראינו בעבר בתהליכי הטרנספורמציה הדיגיטלית. יוזמות דיגיטליות רבות שלא מתחברות לכדי מנוף טכנולוגי/דיגיטלי שמשנה את כללי המשחק והיתרון של החברה בשוק. במקרים רבים מיקוד ויצירה של עד 5 יוזמות ארגוניות צפויות להניב עד 80% מהערך. הצלחה אינה נמדדת בכמות הפיילוטים, אלא במיקוד.

כדי לתעדף נכון, צריך לשאול:
- עד כמה ה-Use Case משפיע על שרשרת הערך כולה?
- האם נוצר ROI מדיד?
- האם נזכה לאימוץ גבוה בצוותים?
- האם היוזמה מאפשרת הרחבה של תחומים נוספים בארגון ?
- האם ניתן להרחיב את היוזמה ליצירת ערך נוסף בהמשך ?

שלב 3: זיהוי דפוסים שמאפשרים סקייל (Patterns)
אחת ההזדמנויות הכי גדולות בטכנולוגיית ה GenAI היא שימוש חוזר. אחרי שהארגון מפתח יכולת עבור Use Case אחד, ניתן לרוב להתאים אותה לעוד אזורים עם מאמץ נמוך יחסית - דפוסי שימוש חוזרים.
חשוב לפרוץ את דפוס ה-"צ'טבוט" שיח מבוסס סיכום ומענה, צריך לחשוב בצורה רחבה יותר על יצירה חדשה של דפוסי עבודה שלא היו אפשריים קודם לכן. (Net-new creation and augmentation). כלומר, יצירת של פתרונות, שירותים ותהליכים שלא היו אפשריים קודם.

שלב 4: בחירת התשתית והכלים
זהו שלב קריטי בו מתקבלת ההחלטה שעלולה ליצור או למנוע את החוב הטכנולוגי. אם כל יחידה בוחרת מודל וכלי אחר, הארגון יוצר "חוסר-תיאום" שמקשה על סקייל, אבטחה, ממשל, ועלויות.

השאלות הנכונות לשלב זה הן לדוגמא:
- האם שימוש במודל ציבורי כמו ChatGPT, Gemini או Claude מספיק עבור Use Case לא שאינו רגיש עסקית?
- האם נדרש מודל פרטי בסביבה מאובטחת?
- האם צריך להוסיף ידע ארגוני ייחודי, והאם עדיף לעשות זאת באמצעות RAG או Fine-tuning?
- האם במקרים מסוימים יש צורך בבניית מודל ייעודי?

הבחירה לא רק טכנולוגית. היא אסטרטגית. היא תקבע כיצד תתפתח היכולת של הארגון לממש את החזון והערך באמצעות טכנולוגיות ה GenAI.

שלב 5: הגדרת פתרונות שממקסמים ערך עם נתונים ייחודיים
ברוב הארגונים, הכלי עצמו לא יוצר בידול תחרותי. הנתונים הארגוניים הם הנכס הייחודי של הארגון - הם המפתח האמיתי להצלחה. זאת גם הסיבה שפתרונות GenAI ארגוניים דורשים ניהול ממשל נתונים משמעותי - הרשאות, ניטור איכות, והגנות מפני זליגת מידע.

שלב 6: הערכת עלות, סיכונים והשפעה סביבתית
כמו בכל פרויקט טכנולוגי גם בפרויקטים מבוססי GenAI נדרש תהליך של הערכת סיכונים. אלא שבפרויקטים אלו נדרש גם לשים לב לנושאים חדשים של שקיפות לתהליכי הבינה המלאכותית, שימוש אחראי בבינה מלאכותית (Responsible AI), פיקוח אנושי - (Men In The Loop). ניהול נכון של התהליך צריך לשים לב לשילוב נכון של אוטומציה והגברת היכולת של העובדים.

רוב הסיכונים מוכרים מפרויקטים דיגיטליים/טכנולוגיים :
- עלות פיננסית: פיתוח, תשתיות, רישוי, תחזוקה.
- עלות תפעולית: שינוי תהליכים, הדרכה, אימוץ.
- עלות סיכונים: רגולציה, פרטיות, הזיות מודל, פגיעה במותג.
- עלות סביבתית: צריכת אנרגיה ופליטות.

שלב 7: לפתח, להטמיע, לבדוק וללמוד
בניגוד לפרויקטים בעבר טכנולוגיית ה GenAI היא טכנולוגיה שמשתנה במהירות. לכן, ההטמעה אינה אירוע חד פעמי, אלא מערכת ניסויים עם מדדים, בקרות ולמידה. כל יישום והטמעה הוא גם תהליך של שיפור. חשוב לאסוף ידע שמאיץ את היישום הבא. וזאת במקביל לעדכון מתמיד של העובדים ביכולות חדשות שנועדו לשפר גם את הפרודוקטיביות האישית.
יישום של תהליכי אוטומציה לצד שיפור ביכולות האישיות ייצרו טרנספורמציה ארגונית משמעותית.

לסיכום:
יישום בינה מלאכותית דומה יותר לטרנספורמציה ארגונית מאשר ליישום של עוד טכנולוגיה, וכדי להצליח חשוב לבחון את התהליך בפרספקטיבה שונה ורחבה.
מובילים דיגיטליים צריכים לחשוב כמו אסטרטגים, ולא רק בפרספקטיבה טכנולוגית של ניסויי והטמעה. זה מתחיל בהשערת ערך ברורה אל מול היעדים העסקיים, שימוש בנתונים הייחודיים של הארגון כנכס אסטרטגי ולבסוף מימוש הפוטנציאל של הטכנולוגיה אל מול השערת הערך - אותו ערך שאנו רוצים ליצור ללקוחות ולשאר בעלי העניין.

הפוסט נכתב בהשארת המתודולוגיה של PWC
https://www.pwc.com/gx/en/issues/technology/path-to-generative-ai-value.html