העקרונות שמבדילים בין ניסויים נקודתיים ליתרון תחרותי אמיתי
בעידן הנוכחי בו לכולם יש גישה לכלי AI מתקדמים, היתרון התחרותי אינו נובע יותר מעצם השימוש בטכנולוגיה. בדיוק כפי שהיה בעבר (עם טכנולוגיות קודמות) היתרון נובע מהשאלה איך הארגון בונה את היכולות שלו סביב הטכנולוגיה, וכיצד הוא מתרגם אותן לערך עסקי, ומיישם אותן במהירות ובקנה מידה גדול יותר ביחס למתחרים.

זו אינה תפיסה חדשה, הבלוג שלי מלא במאמרים העוסקים במשמעות העסקית של הטרנספורמציה העסקית/דיגיטלית. וזה נכון גם לגבי טרנספורמציית ה AI עם הדגשים הרלוונטיים לטכנולוגיה החדשה. במאמר הבא של The AI Transformation Manifesto של McKinsey מצוינות 12 עקרונות מרכזיים שיסייעו לחברות לעבור משלב הניסוי לשלב היישום ויצירת היתרון באמצעות עיצוב מחדש של מוצרים, שירותים, תהליכי ליבה ומבנים ארגוניים תומכים.

עיקרון מספר 1 - טכנולוגיה לבדה לא יוצרת יתרון. יכולות ארגוניות כן
כמו בשלבים הראשונים של הטרנספורמציה העסקית, העיקרון הראשון הוא החשוב מכולם. חברות מנצחות לא בזכות זה שהן רכשו מודל, פלטפורמה או כלי AI חדש, אלא בזכות היכולת שלהן לאמץ כל טכנולוגיה חדשה בצורה עקבית ואפקטיבית. במילים אחרות, היתרון איננו ה AI עצמו, אלא היכולת הארגונית להפעיל AI כדי לפתור בעיות עסקיות אמיתיות. על מנת שהארגון יוכל להפעיל את כלי ה AI בצורה נכונה צריך לבנות את היכולות הללו באמצעות הכשרה מקיפה ופיתוח האוריינות של העובדים והמנהלים רק אז ניתן יהיה להניע תהליך אסטרטגי הכולל תיעדוף, פיתוח, דאטה, הטמעה ומדידת ערך. ארגון שבונה את היכולות הללו יוכל להרוויח לא רק מהגל הנוכחי, אלא גם מהגלים הבאים של התפתחות ה AI.

עיקרון מספר 2 - יש להתמקד בנקודות המנוף שיגבירו את הערך העסקי
לא כל מקרה בוחן שווה אותו ערך עסקי. לכל מודל עסקי יש מספר קטן של נקודות מנוף כלכליות, כלומר מקומות שבהם שיפור ממוקד יכול לייצר השפעה עסקית לא פרופורציונלית להשקעה. חברות מובילות לא מתפזרות על רשימות ארוכות של רעיונות. הן בוחרות את התחומים הממוקדים בהם ה AI יכול לשנות את הערך הכלכלי של הארגון.

לכן, לפני שמתחילים להרחיב יוזמות AI, כדאי לשאול איפה נמצאים המנועים האמיתיים של הרווחיות, היעילות או חוויית הלקוח. מי שמאתר נכון את מוקדי ההשפעה, יוכל להשיג קפיצה אמיתית ולא רק שיפור קוסמטי.

עיקרון מספר 3 - אם הערך לא מזיז את הביזנס, כנראה שאתם מודדים לא נכון
לפי נתוני המחקר של McKinsey, החברות המובילות שנבחנו יצרו בממוצע שיפור של 20 אחוזים ב EBITDA, והגיעו לאיזון תוך שנה עד שנתיים. מעבר למספרים, המסר ברור. טרנספורמציית AI צריכה להימדד לפי השפעה עסקית משמעותית, לא לפי פעילות טכנולוגית. חשוב להגדיר כבר בהתחלה KPI עסקיים ברורים. לא רק זמן פיתוח, לא רק דיוק של המודלים, ולא רק שביעות רצון מהכלי או הטכנולוגיה. השאלה שצריך לשאול היא האם היישום משפר את הרווחיות, מקצר זמן הגעה לשוק, מפחית עלויות, מעלה הכנסות או משפר את שימור הלקוחות. ברגע שהערך העסקי הופך למרכזי, גם הדיון בהנהלה הופך לחד וברור יותר.

עיקרון מספר 4 - ההנהלה הבכירה חייבת להוביל את הטרנספורמציה
אחד העקרונות המרכזיים של כל אחד משלבי הטרנספורמציה בעשור וחצי האחרונים הוא שאין סיפורי הצלחה אמיתיים בהם ההנהלה הבכירה לא הייתה בכיסא הנהג של התהליך. הצוותים הטכנולוגיים יכולים וצריכים לאפשר, אבל מי שחייבים להוביל את התהליך הם חברי ההנהלה הבכירה. הם אלה שאמורים להגדיר איך העסק ייראה מחדש עם AI, אילו בעיות ייפתרו, ואילו תוצאות נדרשות. (ובמציאות הארגונית הם גם אלו שמסוגלים להוביל את השינוי הארגוני הנדרש)

עבור הסמנכ"לים ושאר המנהלים בצד העסקי של הארגון זהו רגע של לקיחת אחריות מסוג חדש. לא מספיק לבקש מאנשי הטכנולוגיה "לבנות להם משהו עם AI". צריך להיות שותפים מלאים בעיצוב התהליך, בקבלת ההחלטות, בתיעדוף ובהגדרת הערך. מנהלים שלא יבינו את לעומק את ה AI יתקשו להוביל טרנספורמציה. הנהלה שמפתחת אוריינות טכנולוגית הופכת למנוע השינוי עצמו.

עיקרון מספר 5 - כל טרנספורמציה היא קודם כל טרנספורמציה של אנשים
כפי שציינתי בעיקרון הראשון, הבסיס של כל תהליך טרנספורמטיבי הוא שינוי בתפיסה של העובדים. בעולם ה AI יש לזה שכבה נוספת של יכולת מעבר להפעלה וידע כיצד ל-"דבר" עם מודלי ה AI. היכולת לפתח מוצרי AI באמצעות שפה חופשית, בעבר קראנו לזה Citizen development היום קוראים לזה vibe coding.

לפי המחקר של McKinsey כדי להגיע למסה קריטית נדרש שינוי "30 70". כלומר יותר מ 70 אחוז מהאטלנטיים הטכנולוגיים צריכים להיות מהארגון, יותר מ 70 אחוז צריכים להיות בוני פתרונות, ויותר מ 70 אחוז צריכים להיות ברמת מיומנות גבוהה. המשמעות היא ש AI לא רק מייעל לעובדים את העבודה. הוא משנה תפקידים. מהנדסים משקיעים פחות בקוד ויותר בארכיטקטורה, ובקרת איכות. מנהלים משקיעים פחות בניהול משימות ויותר בהגדרת מטרות ומדדי הצלחה. מי שלא ישקיע בהכשרות, במבנה התפקידים החדש וניהול הטאלנטים, יגלה מהר מאוד שהטכנולוגיה מתקדמת מהר יותר מהארגון.

עיקרון מספר 6 - מהירות היא יתרון מכריע
כאשר למתחרים יש גישה לאותם כלים, המנצח הוא הארגון שפועל מהר יותר. מהירות הפכה ליתרון שנוצר כאשר הארגון יודע להזיז את המשאבים שלו במהירות ולהפנות אותם להזדמנויות החשובות באמת, זאת לצד היכולת להקטין את הזמן שעובר מתובנה להחלטה ומהחלטה לפעולה. בפועל, זה דורש מודל הפעלה אחר לארגון. פחות צווארי בקבוק. יותר אוטונומיה למנהלים. שימוש חוזר ביכולות טכנולוגיות ובדאטה. תקצוב מתמשך שמחובר לתוצאות, ולא רק לפרויקטים חד פעמיים. ארגונים איטיים יישארו תמיד בשלב הדמו, ארגונים מהירים יהפכו את ה AI למנוע צמיחה.

עיקרון מספר 7 - פלטפורמות טכנולוגיות הן נכס אסטרטגי
אחד הרעיונות החשובים במחקר של McKinsey הוא שפלטפורמות אינן שכבת תשתית בסיסית, אלא מנוע אסטרטגי. הן קובעות את מהירות הביצוע, מפחיתות עלויות באמצעות שימוש חוזר, מאפשרות לצוותים לגשת לטכנולוגיה ולדאטה, ומייצרות בסיס לגידול אחראי. לכן, חברות מובילות מנהלות פלטפורמות כמו שמנהלים מוצר אסטרטגי. עם צוות ייעודי, תוכנית, תקציב ורמות שירות. ההנהלה נדרשת להבין שהשיחה על ארכיטקטורה כבר אינה שיחה טכנית בלבד. היא שיחה על גמישות עסקית, על עלות, על מהירות, ועל בידול. מי שמבין את מגבלות הפלטפורמה שלו מבין גם את גבולות היכולת העסקית שלו.

עיקרון מספר 8 - דאטה היא תשתית חיונית לכל פרויקט AI
כל מי שעוסק ביישום של טכנולוגיות AI כבר יודע שבלי דאטה איכותי ה AI לא יכול לייצר פריצת דרך. להיפך, זה הופך למכשול משמעותי בתהליך. לצערי מניסיון אישי של עבודה של שנים עם ארגונים הדאטה עדיין לא מסודר והוא מעכב במקום לאפשר. לכן השלב הראשון בכל פרויקט AI הוא להפוך את הדאטה למוצר. להפוך אותו לנושא שקל לזהות, לגשת אליו ולצרוך אותו באפליקציות השונות. השלב הבא והמתקדם הוא העשרה, שיפור האיכות, ההקשר והייחודיות של הדאטה כדי להפוך אותו ליתרון עסקי שאי אפשר להעתיק אותו. היכולת לזהות את הנתונים הייחודים של הארגון אלו שמבדלים אותו מהמתחרים יהפוך לנכס מרכזי בפעילות של הארגון

זהו שינוי תפיסה חשוב. במקום לראות בדאטה מאגר גולמי, צריך להתייחס אליו כאל נכס אסטרטגי בבעלות עסקית. כשזה קורה, צוותים מפסיקים לבזבז זמן על איסוף וניקוי ומתחילים לייצר מהדאטה ערך עסקי בצורה מהירה יותר.

עיקרון מספר 9 - צריך להתכונן לאימוץ וסקייל כבר מהיום הראשון
פתרונות AI יוצרים ערך רק אם אנשים באמת משתמשים בהם ואם ניתן להרחיב אותם בצורה פשוטה לשאר המשתמשים. במקרים רבים האימוץ נכשל משום שהתהליכים הנלווים לכלי ה AI לא משתנים. לדוגמה, מודל שמזהה תקלות מראש לא ייצור ערך אם צוות התחזוקה ממשיך לעבוד לפי לוח שנה קבוע. לכן, אסור להשאיר את האימוץ והסקייל לשלב מאוחר יותר. חייבים לחשוב עליהם כחלק מהתכנון הראשוני. זה כולל תקציבים, עלויות ריצה, הדרכה, התאמת התהליכים העסקיים, ממשקים ותמיכה עסקית וטכנית.

עיקרון מספר 10 - בלי אמון אין למערכות ה AI סיכוי להצליח
בניגוד לטכנולוגיות אחרות, אחד האתגרים הגדולים עם כלי בינה מלאכותית הוא האמון והדיוק של המענה הטכנולוגיה שהמשתמשים מקבלים. היום כבר כולם מודעים לאתגר ההזיות והניסיונות לצמצם אותם. אבל ללא אמון של המשתמשים במענה של המודלים, אין זכות כיום לפתרון, בטח כאשר הוא מיושם במערכות קריטיות/רגישות בארגון.

כאשר מערכות AI נכשלת לספק תשובה נכונה היא מערערות את האמון של המשתמשים. לאחר מכן יהיה מאד קשה להחזיר אותם לעשות שימוש במערכת. לכן אמון דיגיטלי, הגנת מידע, סייבר, שקיפות ובקרות הם תנאי יסוד להצלחת המערכת.

עיקרון מספר 11 - פיתוח יכולת אג'נטיות (Agentic)
השלב הזה של מהפכת ה AI, צריך לבחון את היישומים הארגוניים מעבר לצ'ט. מודלי בסיס בשילוב יכולות קוד וכלים כבר מסוגלים לבצע עבודה אוטונומית מתמשכת, מה שמאפשר לבנות תהליכים מורכבים שמבוססים על סוכני AI. כדי להוביל במהפכת ה AI נדרש לבנות תהליכים אג'נטיים כולל עבודה עם דאטה בלתי מובנה, הרחבת פלטפורמות ה AI, ואוטומציה. בעיקרון ארגונים שרוצים להצליח במהפכה נדרשים לפתח יכולת agentic engineering פנימית בארגון. זה לא רק טרנד טכנולוגי. זו שכבת יכולת חדשה בארגון. מי שיפתח אותה מוקדם ייהנה ממהירות, יעילות ולמידה מצטברת. מי שיחכה, עלול לגלות שהוא לא רק מפספס הזדמנות, אלא נאלץ לרדוף אחרי המתחרים.

עיקרון מספר 12 - ללמוד מחדש כאילו העסק תלוי בזה
העיקרון האחרון, נראה ברור, אבל למנהלים ולארגונים קשה ליישם אותו. - שינוי הוא תמיד תהליך קשה ומורכב בארגונים. ובמהפכה הנוכחית קצב השינוי כה גבוה, עד שתוחלת החיים של כל מיומנות שאנו לומדים מתקצרת בחצי. הארגונים שמסוגלים ללמוד, לשכוח וללמוד מחדש הכי מהר, הם אלה שישמרו על היתרון התחרותי שלהם. ב McKinsey מציינים במיוחד את נושא הלמידה של המנהלים הבכירים כאחד הנושאים החשובים ביותר שמנכ"ל צריך לעודד כדי להאיץ טרנספורמציית AI. כך נוצרת בקרב ההנהלה נקודת שכנוע משותפת לגבי ההזדמנות והדרך.

מנהלים חייבים להפנים, למידה אינה פעילות צד. היא מנגנון שמסייע להנהיג את הארגון. מי שמבקש להוביל AI בארגון חייב להשקיע באופן אישי ומתמשך בהבנת הכלים, היכולות, והמגבלות, מקרי השימוש וההשלכות הארגוניות.

לסיכום
ממש כמו בתהליכי הטרנספורמציה הקודמים בעשור האחרון, גם טרנספורמציית AI איננה פרויקט טכנולוגי, אלא טרנספורמציה עסקית כלל ארגונית עם דגש גדול על בניית יכולות ושיפור האוריינות הדיגיטלית של העובדים. שנים עשר הנקודות של McKinsey רק מדגישות את העובדה שללא מיקוד בערך, הנהגה של ההנהלה הבכירה, שינוי במבנה התפקידים, פלטפורמות נכונות, דאטה איכותי, אמון, מהירות ולמידה מתמדת - לא תהיה באמת טרנספורמציה אלא שוב כמו במקרים קודמים יוזמות דיגיטליות (או AI) מפוזרות בארגון.

מנהלים צריכים להבין שלא ניתן לדלג על עבודה יסודית. אפשר להאיץ אותה, אבל לא לעקוף אותה. היכולות נבנות זו על גבי זו, ויחד הן מייצרות ערך מצטבר ויתרון תחרותי הולך וגדל.

המאמר מבוסס על המאמר של McKinsey