הנה אנחנו מתחילים שוב. שוב, חברות לוקחות טכנולוגיה מהפכנית ומשתמשות בה כדי לעשות בדיוק את מה שעשו בעבר. רק שהפעם אנחנו מדברים על בינה מלאכותית, והמספרים חסרי רחמים: 78% מהחברות יישמו בינה מלאכותית גנרטיבית, אך אותו אחוז מדווח על אפס השפעה על הרווחים. ניצול יתרון הבינה המלאכותית הסוכנתית | מקינזי .

‍

ברוכים הבאים לפרק נוסף בסיפור שחוזר על עצמו כבר שלושה עשורים.

‍

ההיסטוריה שלעולם לא נלמדת

‍

שנות ה-90: אשליית התקליטורים

מה שהם עשו : "דיגיטציה של הכל! הקטלוגים שלנו נמצאים על גבי CD-ROM!" המציאות : הם לקחו את הקטלוגים המודפסים, סרקו אותם והעלו אותם על דיסק. אותם תהליכים, אותה דרך עבודה, אותה חוסר יעילות. רק על גבי מדיום אחר.

‍

שנות ה-2000: אתר האינטרנט של The Showcase

מה שהם עשו : "אנחנו אונליין! יש לנו אתר אינטרנט!" המציאות : חוברת דיגיטלית. בלי מסחר אלקטרוני, בלי אינטראקציה, בלי תהליכים שעוצבו מחדש. רק נייר שהועבר ל-HTML.

‍

שנות ה-2010: נייד = אתר מצומצם

מה שהם עשו : "אנחנו מוכנים למובייל!" המציאות : אתר אינטרנט סטנדרטי דחוס למסך קטן. אין אפליקציה מקורית, אין תהליך מותאם למובייל, אין חוויית משתמש מעוצבת מחדש.

‍

שנות ה-2020: דיגיטלי = נייר סרוק

מה שהם עשו : "אנחנו חברה דיגיטלית!" המציאות : קבצי PDF במקום נייר, מיילים במקום פקסים, אבל בדיוק אותן זרימות עבודה כמו לפני 30 שנה.

‍

‍

2025: בינה מלאכותית כלבושה חדשה לתהליכים ישנים

היום אנו עדים לחזרה נוספת של אותו תסריט:

‍

"יש לנו צ'אטGPT!"

מה הם עושים : הם משתמשים בבינה המלאכותית המתקדמת ביותר בעולם כדי... לכתוב מיילים קצת יותר טובים.

הבעיה : כלים אלה מספקים שיפורים נרחבים אך קשה למדוד אותם, מכיוון שהיתרונות נוטים להתפזר באופן דליל בין העובדים. ניצול יתרון הבינה המלאכותית הסוכנתית | מקינזי .

‍

"יש לנו טייס משנה!"

מה הם עושים : כמעט 70% מחברות Fortune 500 משתמשות ב-Microsoft 365 Copilot. ניצול יתרון הבינה המלאכותית הסוכנתית | McKinsey כדי ליצור את אותן מצגות PowerPoint שהן תמיד עושות, רק מהר יותר.

הבעיה : אין חשיבה מחדש על התהליך. אותה פגישה, אותה פגישה, אותה חוסר יעילות.

"יש לנו טייס בינה מלאכותית!"

מה הם עושים : 84% מהחברות נתקעות במצב פיילוט במשך יותר משנה. הימנעו מכור המצרף של הפיילוט ב-7 שלבים על ידי בדיקת פתרונות שלעולם לא משנים את אופן פעולתם בפועל.

הבעיה : הם מתנסים בלי סוף מבלי להטיל ספק בתהליך הבסיסי.

‍

הדפוס הנצחי: טכנולוגיה חדשה + תהליכים ישנים = בזבוז כסף

הנוסחה לכישלון

זה אותו סיפור כל פעם:

1. טכנולוגיה מהפכנית חדשה מגיעה
2. חברות מתרגשות ומשקיעות מיליארדים
3. הם מיישמים טכנולוגיה על תהליכים קיימים
4. שום שינוי מהותי לא קיים
5. הם מתלוננים ש"הטכנולוגיה לא מקיימת את הבטחותיה"

נתוני החזרה

מחקרים מאשרים את הדפוס:

• 92% מהחברות מתכננות להגדיל את ההשקעות בבינה מלאכותית, אך רק ל-1% יש יישומים בוגרים. בריחה מכור המצרף של פיילוט הבינה המלאכותית: כיצד להגדיל בהצלחה את הבינה המלאכותית מפיילוט לייצור | Rightpoint
• 90% מפרויקטי פיילוטים של בינה מלאכותית גנרטיבית לא מצליחים להגיע לייצור: בריחה מכור המצרף של פיילוטים של בינה מלאכותית: כיצד להגדיל בהצלחה את הבינה המלאכותית מפיילוט לייצור | Rightpoint
• השקעות בבינה מלאכותית יגיעו ל-109.1 מיליארד דולר בארה"ב בלבד בשנת 2024. דו"ח מדד הבינה המלאכותית לשנת 2025 | סטנפורד בינה מלאכותית

תוצאה : אותם מספרים, אותו תסכול כמו תמיד.

‍

מקרה בוחן קונקרטי: פרדוקס הדוא"ל

בואו ניקח את הדוגמה המושלמת לפרדוקס בפעולה: ניהול דוא"ל ארגוני.

הגישה הלא נכונה (זו שכולם נוקטים בה)

אנחנו משתמשים ב-ChatGPT לאימייל!"

• בינה מלאכותית לכתיבת מיילים מהר יותר
• בינה מלאכותית לסיכום מיילים ארוכים
• בינה מלאכותית לסיווג תיבות דואר נכנס
• בינה מלאכותית תציע תגובות אוטומטיות

התוצאה : מנהלים מבלים 6 שעות ביום בדוא"ל לעומת 5.5 שעות ביום. שיפור שולי בתהליך שבור מיסודו.

הגישה המהפכנית (מה שאתה צריך לעשות)

‍

בואו נבטל 70% מהאימיילים על ידי חשיבה מחדש על התקשורת."

‍

ניתוח אכזרי: למה קיימים מיילים?

‍

4 הקטגוריות של מיילים חסרי תועלת :

1. עדכוני סטטוס (30% מהסך הכל)
   • אימייל טיפוסי : "פרויקט X הושלם ב-65%, בעיה עם ספק Y"
   • פתרון בינה מלאכותית : לוחות מחוונים חיים שמתעדכנים אוטומטית מהמערכות + התראות רק כאשר נדרשת פעולה
   • תוצאה : אפס מיילים לעדכונים פסיביים
2. בקשות אישור (25% מהסך הכל)
   • אימייל טיפוסי : "אנא אשר את ההוצאה/החלטה/המסמך הזה".
   • פתרון בינה מלאכותית : זרימות עבודה אוטומטיות + בינה מלאכותית שמאשרת הכל תחת ספים מוגדרים מראש
   • תוצאה : אישורים מיידיים, מנהלים חופשיים לקבלת החלטות אסטרטגיות
3. תיאום פגישות (20% מהסך הכל)
   • אימייל טיפוסי : "מתי נוכל לדבר? מה דעתך על יום שלישי?"
   • פתרון בינה מלאכותית : תזמון מבוסס בינה מלאכותית שקורא את כל היומנים + תיאום אוטומטי
   • תוצאה : פגישות שאורגנו ללא התערבות אנושית
4. שיתוף מידע (25% מהסך הכל)
   • אימייל טיפוסי : "אני שולח לך את המסמך/קישור/עדכון הזה."
   • פתרון בינה מלאכותית : מאגר ידע חי + עדכונים מותאמים אישית שמביאים אוטומטית את המידע הנכון לאדם הנכון
   • תוצאה : סוף ל"העברות" ול"לידיעתכם"

מקרה אמיתי: חברת תוכנה (200 עובדים)

ראשית (גישה מסורתית):

• 2,100 מיילים ביום בחברה
• מנהל דוא"ל 6 שעות ביום
• זמן תגובה ממוצע של 45 דקות

אחרי (5 חודשים של מהפכת הבינה המלאכותית):

• 630 מיילים/יום (-70%)
• שעה וחצי ביום על תקשורת
• זמן תגובה של 8 דקות

איך הם עשו את זה :

• חודש 1: לוחות מחוונים אוטומטיים של הפרויקט
• חודש 2: תהליך עבודה של בינה מלאכותית לאישורים סטנדרטיים
• חודש 3: תזמון אוטומטי עם בינה מלאכותית
• חודש 4: מאגר ידע חכם
• חודש 5: תרבות אנטי-דוא"ל

החזר השקעה : הזמן שנחסך שילם את כל היישום תוך 3 חודשים.

‍

דוגמאות נוספות לפרדוקס בפעולה

בנקים: בינה מלאכותית תעשה את אותם הדברים

• גישה שגויה : צ'אטבוטים שעונים על שאלות נפוצות מהר יותר
• הגישה הנכונה : ביטול שאלות נפוצות על ידי חשיבה מחדש של קליטת לקוחות

קמעונאות: טייס משנה לתהליכים ישנים

• גישה שגויה : בינה מלאכותית לניהול טוב יותר של מלאי מסורתי
• הגישה הנכונה : ביטול מלאי בעזרת מודלים חיזויים בזמן אמת

משאבי אנוש: אוטומציה של בירוקרטיה

• גישה שגויה : בינה מלאכותית תעבד קורות חיים מהר יותר
• הגישה הנכונה : ביטול קורות חיים והמצאה מחדש של גיוס עובדים בעזרת התאמת מיומנויות מבוססת בינה מלאכותית

למה תמיד קורה אותו הדבר?

‍

1. קל יותר להוסיף מאשר לחשוב מחדש

הוספת צ'אטבוט לאתר שלך היא קלה. חשיבה מחדש של שירות הלקוחות שלך היא קשה.

הטמעת ChatGPT בדוא"ל היא מהירה. הסרת 70% מהאימיילים על ידי חשיבה מחדש על תקשורת פנימית היא מורכבת.

2. הפחד משינוי

אחד המחסומים העקשניים ביותר הוא מנטליות הסילו (Silo) השולטת במבנים מחלקתיים. התגברות על חסמי הטמעת בינה מלאכותית בארגונים גדולים שינוי תהליכים פירושו להודות שמה שעשית קודם היה שגוי.

3. המיתוס של "טכנולוגיה קסומה"

חברות מאמינות שטכנולוגיה תפתור בעיות בעצמה. היא לא עושה זאת. היא מעולם לא עשתה זאת.

‍

המעטים שמבינים (ומנצחים)

‍

החדשנים האמיתיים

חברות מובילות בתחום הבינה המלאכותית השיגו צמיחה גבוהה פי 1.5 בהכנסות, ותשואות גבוהות פי 1.6 לבעלי המניות. אימוץ בינה מלאכותית בשנת 2024: 74% מהחברות מתקשות להשיג ולהגדיל ערך | BCG .

מה הם עושים אחרת : הם לא מוסיפים בינה מלאכותית לתהליכים קיימים. הם מתחילים מאפס .

‍

דוגמאות לחדשנות אמיתית

• טסלה : היא לא הוסיפה בינה מלאכותית למכוניות. היא חשבה מחדש על מה המשמעות של "מכונית".
• נטפליקס : הם לא שמו בינה מלאכותית בסרטי שוברי קופות. הם ביטלו את שוברי הקופות.
• אמזון : היא לא ביצעה אופטימיזציה של החנויות שלה. היא הסירה את החנויות שלה.

איך לשבור את המעגל (אם אתם מעזים)

‍

1. תפסיקו לשאול "איך נוכל להשתמש בבינה מלאכותית?"

שאלה שגויה : "כיצד נוכל להוסיף בינה מלאכותית לתהליך המכירות שלנו?"

שאלה טובה : "אם היינו צריכים להמציא מחדש את המכירות מאפס היום, איך היינו עושים את זה?"

‍

2. התחל מהסוף

אל תתחילו עם הטכנולוגיה. תתחילו עם התוצאה שאתם רוצים להשיג.

• רוצה אפס מיילים? חשוב מחדש על התקשורת שלך.
• רוצים אפס פגישות? חשוב מחדש על תיאום.
• רוצה אפס מסמכים? חשוב מחדש על מידע.

3. קבלו את העובדה שכל מה שאתם עושים הוא כנראה לא נכון

לעיצוב מחדש של זרימות עבודה יש ​​את ההשפעה הגדולה ביותר על היכולת לראות את ההשפעה של מערכות הבינה המלאכותית של מקינזי .

‍

אל "תשפר". תבטל ותבנה מחדש .

‍

4. המסגרת המעשית נגד פרדוקס

עבור כל תהליך עסקי, שאלו את עצמכם:

‍

שלב 1: ביקורת אכזרית

• האם תהליך זה היה קיים אם הייתי צריך לבנות מחדש את החברה מאפס היום?
• איזו תוצאה סופית אני רוצה להשיג?
• כמה מהתהליך הזה הוא פשוט "ככה תמיד עשינו את זה"?

שלב 2: חיסול רדיקלי

• מה אני יכול/ה לבטל לחלוטין?
• מה אני יכול להפוך לאוטומטי ב-100%?
• מה באמת דורשת האינטליגנציה האנושית?

שלב 3: שחזור תחילה באמצעות בינה מלאכותית

• כיצד מערכת בינה מלאכותית תבצע את התהליך הזה?
• אילו נתונים אתם צריכים כדי להפוך את זה לאוטומטי?
• כיצד ניתן למדוד את הצלחת התהליך החדש?

האמת הלא נוחה

מחקר על פרדוקס הבינה המלאכותית הגנרטיבית מאשר את מה שידענו כבר 30 שנה: רוב החברות לא יודעות כיצד לחדש .

‍

הם לוקחים את הטכנולוגיה המתקדמת ביותר בעולם ומשתמשים בה כדי לעשות בדיוק את אותם הדברים, רק קצת יותר מהר.

‍

• שנות ה-90: קטלוגים על גבי תקליטורים במקום על גבי נייר
• שנות ה-2000: באינטרנט במקום חוברות מודפסות
• שנות ה-2010: אתרים מצומצמים במקום מחשבים שולחניים
• שנות ה-2020: קבצי PDF במקום גיליונות אלקטרוניים
• שנות ה-2020: מיילים שנוצרו על ידי בינה מלאכותית במקום מיילים בכתב יד

זה תמיד אותו סיפור .

‍

2025: שנת האמת

ההבדל הפעם הוא שהנתונים ברורים כשמש. אנחנו כבר לא יכולים להסתתר מאחורי הטענה "לוקח זמן לראות תוצאות".

‍

הניסויים הסתיימו; חברות חייבות לפעול עכשיו. ניצול יתרון הבינה המלאכותית הסוכנתית - חברת מקינזי (QuantumBlack) .

‍

אלו שימשיכו לעשות "דיגיטל פלוס 1" עם בינה מלאכותית יישארו מאחור לנצח. אלו שיהיה להם האומץ להתחיל מאפס ישלטו בעשור הבא.

‍

השאלה היא : האם יש לכם את האומץ להודות שכל מה שאתם עושים מיושן? או שאתם מעדיפים להוסיף צ'אטבוט ולקוות שזה מספיק?

‍

שאלות נפוצות - השאלות הלא נוחות

‍

ש: אבל המגזר שלנו שונה, אנחנו לא יכולים לחולל מהפכה בכל דבר...

א: זה מה שכולם אמרו, בכל תעשייה, עבור כל טכנולוגיה. 77% מהיצרנים כבר יישמו בינה מלאכותית. אימוץ בינה מלאכותית בתעשיות השונות לשנת 2025: מגמות שלא תרצו לפספס - אם ייצור יכול לעשות את זה, גם אתם יכולים.

ש: אין לנו את התקציב לחשוב מחדש על הכל מאפס.

א: 94% ממקרי ה-ROI השליליים מגיעים מארגונים שמקצים פחות מ-10% מתקציב ה-IT שלהם לבינה מלאכותית . 9 מלכודות ביישום בינה מלאכותית שעלולות לשתק כל פרויקט - מדף . אי השקעה בשינוי עולה יותר מהשקעה. דוגמת האימייל מציגה את ה-ROI תוך 3 חודשים.

ש: הלקוחות שלנו אינם מוכנים לשינויים דרסטיים

א: הלקוחות שלכם התרגלו לתקליטורים, אחר כך לאתרי אינטרנט, אחר כך למובייל, אחר כך לדיגיטל. הם יתרגלו גם לבינה מלאכותית. הבעיה היא לא הם, אלא אתם.

ש: איך משכנעים את ההנהלה לזרוק תהליכים קיימים?

א: הראו לו את המאמר הזה ואת הנתונים ההיסטוריים. לאחר מכן שאלו אותו, "האם אתה רוצה להיות קודאק או שאתה רוצה להיות נטפליקס?" והראו לו את מקרה המבחן של המייל: 70%- מבוזבז זמן ב-5 חודשים.

ש: מאיפה בעצם מתחילים?

א: בחרו את התהליך הכי יקר/איטי/מתסכל שיש לכם. אל תשאלו את עצמכם איך לשפר אותו. שאלו את עצמכם איך להיפטר ממנו לחלוטין. התחילו עם דוא"ל - כולם שונאים אותו, אבל כולם יראו את היתרונות מיד.

ש: האם גישה זו אינה מסוכנת מדי?

א: אתם יודעים מה באמת מסוכן? להמשיך לעשות את מה שעשיתם לפני 30 שנה בזמן שהמתחרים שלכם מתחילים מאפס.

ש: כיצד אוכל לשכפל את דוגמת האימייל בחברה שלי?

א: שבוע 1-2: מעקב אחר כל האימיילים לפי קטגוריה. שבוע 3-4: סילוק 20% הכי חסרי תועלת. שבוע 5-8: אוטומציה של כל מה שניתן לאוטומציה. שבוע 9-12: פיתוח תרבות תקשורת חדשה. תראו תוצאות כבר מהחודש הראשון.

‍

מקורות ומידע נוסף:

• מקינזי - ניצול יתרון הבינה המלאכותית הסוכנתית
• דו"ח מדד הבינה המלאכותית של סטנפורד לשנת 2025
• BCG - אימוץ בינה מלאכותית בשנת 2024

פרדוקס הבינה המלאכותית הגנרטיבית אינו בעיה טכנולוגית. זוהי בעיית אומץ. האם יש לכם את מה שנדרש כדי להפסיק לחזור על ההיסטוריה?

‍

אל תשתמשו בבינה מלאכותית כדי לכתוב מיילים טובים יותר. השתמשו בה כדי לבנות עולם שבו מיילים כבר לא נחוצים.