"גילינו שעובד הריץ בלילה פרוצדורה שעלתה 38 אלף דולר"
כניסתם המואצת של כלי הבינה המלאכותית לארגונים גורמת לכך שמעבר לחישוב שעות העבודה המסורתי, הם מוצאים עצמם מנהלים "כוח אדם" דיגיטלי, ומגלים שחוסר תשומת לב למחירו - הנאמד בטוקנים - עלול לעלות להם ביוקר. כך הופכת צריכת הטוקנים לבור תקציבי שכל מנהל חייב להכיר
עד לפני זמן לא רב, ארגונים ידעו לחשב כמעט במדויק כמה יעלה להם כוח האדם מדי חודש. מספר העובדים, השכר, התקנים ועלויות ההעסקה היו הבסיס שעליו נבנו התקציבים ותוכניות העבודה. אלא שעם כניסתם המואצת של כלי הבינה המלאכותית לארגונים, נוספה למשוואה יחידת עלות חדשה – כזו שלא הייתה קיימת עד לפני שנים ספורות: טוקנים.
טוקן הוא יחידת המדידה שעל פיה מודלי AI מחשבים את היקף השימוש בהם. כל שאלה שנשלחת למודל, כל מסמך שהוא קורא, כל תשובה שהוא מחזיר – מתורגמים לטוקנים, שעל בסיסם מחויב הארגון. ככל שהמודל מתקדם יותר או שהמשימה מורכבת יותר, כך גם צריכת הטוקנים והעלות גדלות. אלא שבעוד שבעבר היה מדובר במונח טכנולוגי המוכר בעיקר למהנדסים, כיום הוא הופך בהדרגה למושג שכל מנהל יצטרך להכיר.
יותר ויותר שירותי AI מוצעים במודל תמחור לפי שימוש. המשמעות היא שהוצאות הבינה המלאכותית הופכות למרכיב תקציבי משמעותי, כזה שמחייב את הארגונים לא רק לעודד עובדים להשתמש בכלים החדשים, אלא גם להבין כיצד להשתמש בהם בצורה יעילה. במקביל, מנהלים נדרשים ללמוד לנהל לא רק כוח אדם, אלא גם את "כוח העבודה" הדיגיטלי שמייצרים מודלי ה- AI.
"טוקנים הם יחידת הצריכה הכי קטנה שמנגנוני AI יודעים לעבוד איתה. הם אלו שמודדים את תעבורת הדאטה, בין אם זו שאלה שאני שואל או תשובה שמקבל״
"טוקנים הם יחידת הצריכה הכי קטנה שמנגנוני AI יודעים לעבוד איתה. הם אלו שמודדים את תעבורת הדאטה, בין אם זו שאלה שאני שואל או תשובה שמקבל. כל דבר כזה נמדד בטוקנים", מסבירה ענבל נמיר, דירקטורית מנהלת בפירמת הייעוץ Deloitte ומובילת פרקטיקת סביבת העבודה העתידית.
לדבריה, מדובר בשינוי עמוק הרבה יותר משינוי טכנולוגי. "עד היום הכלכלה הארגונית התבססה על שעות אדם והשכר שהוא מקבל. ארגונים יודעים לנהל תקנים, לתכנן כוח אדם וכמות משרות, וכשמתחיל החודש הם יודעים מה הולכת להיות ההוצאה על כוח הייצור האנושי. עכשיו נכנס משהו חדש שמה שמאתגר בו הוא שלא ניתן לחזות אותו באמת עד הסוף. כן ניתן לייצר איזשהו טווח, אבל כשמתחיל החודש יש עוד כוח ייצור דיגיטלי, אינטליגנטי לא פחות מכוח היצור האנושי, אבל אנחנו לא יודעים היום לדעת בדיוק מה הולכת להיות העלות. הכלכלה הארגונית הופכת להיות מורכבת משני גורמים - האנושי והדיגיטלי, שאחד מהם ידוע וודאי והשני עובדים על פיתוח יכולות לחזות אותו כמה שיותר מדויק. אבל זה עדיין מאמץ ומאתגר מאוד ארגונים".
3 צפייה בגלריה
עינבל נמיר, מנהלת בפירמת הייעוץ Deloitte ומובילת פרקטיקת סביבת העבודה העתידית
(צילום: אלמוג סוגבקר)
השינוי הזה, לדבריה, משפיע גם על האופן שבו ארגונים מתחילים לחשוב על יעילות. אם בעבר מדדו בעיקר תפוקה ביחס לשעות העבודה, היום מתווסף משתנה חדש – כמות משאבי ה-AI שנצרכו בדרך. "הדבר הזה משפיע גם על האופן שבו אנחנו צריכים למדוד ולהעריך עובדים. עכשיו העובדים הם אלו ששולטים בכוח היצור החדש, הם מפעילים את הטוקנים וצורכים אותם, ועובד יכול להיות מאוד יעיל בצריכת הטוקנים ולעשות שימוש נכון וחכם, אבל יש גם עובדים לא מספיק מנוסים או חסרי מודעות לעובדה שהטוקנים צורכים כסף, והם יכולים לעבוד לא יעיל ולצרוך טוקנים יותר ממה שצריך. אז מתחילים להוסיף עוד מנגנון להערכה ומדידה שאומר מה התפוקה שקיבלתי בהתאם לכמות הטוקנים שצרכתי. ארגונים עכשיו ממוקדים בלפתח יכולת להעריך עלות מול תפוקה.
עד לא מזמן ארגונים תגמלו על צריכה בלבד, לא בדקו את התפוקה, רצו לראות כמה שיותר שימוש, ואז הם הבינו את העלויות. בנוסף, יש מודלים שהשתנו מעלות קבועה לעלות משתנה אז הבינו שצריך לבדוק את היעילות של העבודה עם הכלים ולא רק את העובדה שמשתמשים בכלים. ואז גם צריך לתגמל על זה. כי אם רוצים שהעובד יאמץ את צורת החשיבה, שיהיה לו אכפת איך הוא משתמש, צריך לתגמל אותו בהתאם".
אלא שהשינוי אינו נעצר בעובדים עצמם. הוא מחייב גם את המנהלים לפתח סט חדש של מיומנויות. "אנחנו רואים את המשקל של זה יושב בעיקר על הנהלת הביניים, ראשי צוותים ופיתוח שצריכים לפתח שכבה חדשה של יכולות ניהול. הם צריכים להיות מסוגלים גם להנחות ולכוון את צוות הפיתוח באיזה מודל לעבוד בהתאם למורכבות המשימה. גם לתחקר, אם עובד מסוים השתמש במודל הכי יקר אז לנסות להבין מה עומד מאחורי הבחירה".
ארגונים משקיעים יותר ויותר בהכשרות לעבודה עם כלי AI גם כדי לוודא שהשימוש נעשה בצורה מושכלת ויעילה. לצד ההכשרות, מוקמות רשתות של מומחי AI פנימיים, נכתבים כללי עבודה, ומנהלים נדרשים להטמיע תרבות של למידה מתמדת.
"נושא ההכשרה ובניית היכולות הפך להיות קריטי, כי זה לא ידע טריוויאלי. גם צוותים שאינם צוותי פיתוח ועובדים בכלים שהצריכה היא לפי טוקנים, צריכים להבין מה המשמעות של כל פעולה שהם עושים ושל כל מודל שהם משתמשים. והאחריות של הארגון היא לתת את הכלים האלה - את הידע את היכולות.
אנחנו נמצאים בתוך אקו סיסטם שכל הזמן משתנה וארגונים צריכים לפתח יכולת של למידה מתמדת, continuous learning, שכל פעם שמביאים משהו חדש מיד יש תשתית לימוד בארגון שיודעת להעביר את הידע. הרבה ארגונים מקימים רשת של צ'מפיונים, שהם חוד החנית ביכולת לעבוד עם כלי AI . הצ'מפיונים מבינים את התובנות החדשות ומעבירים אותן עד לאחרון המפתחים, המיישמים ואחרים".
איך ארגונים עושים את ההכשרה?
"זה באמת אתגר, כי כל פעם יש משהו חדש שצריך ללמוד ולכן תשתית של למידה מתמדת קריטית יותר מתמיד. הרבה מתהליכי הלמידה הם הפיתוח של ה-AI first mindset, איך לחשוב ולעבוד עם AI ואיך לעבוד חכם בצריכת טוקנים. איך לעבוד עם הכלים האלה ואז להשתמש ברשתות של צ'מפיונים שיעזרו לעשות את ניהול השינוי וההטמעה".
מימד מעניין וחדש הוא מדיניות ההקצאה. "זו לא בהכרח שמיכה אחת שמתאימה לכולם. יש צוותים שעובדים על פרויקטים עם אינטגרציות מורכבות ואז תג מחיר של 2,000 דולר לחודש יכסה, ויש צוותים שפחות ואז צריך להגדיר את מדיניות הקצאת הטוקנים ולתקשר אותה. צריכים לנהל את האירוע הזה כי זה כלי עבודה שחלק מקבלים ממנו יותר וחלק פחות וזה יכול לייצר רגישויות. זה עוד משהו ארגוני שצריך לתת עליו את הדעת. לייצר מערך ניהול ופיקוח שהמדיניות מתאימה לצורך בשטח. זה עוד נופך של מורכבות ארגונית".
עודד טהורי, מנכ"ל ג'ין טכנולוגיות, שמפתחת פלטפורמת AI לארגונים גדולים גם בלי חיבור לאינטרנט, מספר: "אנחנו משלבים בתוך המוצר שלנו כבר למעלה משנה את נושא הבקרה על ניהול צריכת טוקנים ב-AI . הבנו שכדי לאפשר למשתמשים חופש לעשות מה שהם שרוצים צריך לשים עליהם מגבלה אבטחתית ומגבלה כלכלית. תיאורטית היום כל אחד יכול להיות מפתח ואני כארגון רוצה להגביל את היכולת הזו בכסף, כדי שלא יוציא יותר מדי וגם לוודא שלא עושה לי נזקים שהורסים את המערכות. האתגרים היום הם אבטחה ותקציב".
שימוש לא מבוקר בכלי AI עלול להוביל להוצאות חריגות תוך שעות ספורות. "ארגון מגלה שעובד הריץ פרוצדורה בלילה בשלוש שעות שעלתה 38 אלף דולר. זה משהו לא מתוכנן או מתוקצב, ובטח לא מאושר. כשאין מערכת שחוסמת ויש אלפי עובדים בארגון אז זה יכול להגיע לסכומים עצומים של מיליונים. נתקלנו בארגון שקיבל בבוקר טלפון מחברת הענן על חריגה בהוצאה הממוצעת כי עובד הריץ לופ ב-AI. אלה דברים שמערערים את תפיסת ניהול ההוצאות בתחום המחשוב בארגונים. מצד אחד מעודדים שימוש ב-AI כי מבינים שזה העתיד, מצד שני ארגון זה עסק כלכלי שצריך לנהל תזרים מזומנים".
לדברי טהורי, ככל שהשימוש בבינה מלאכותית מתרחב, ארגונים אינם יכולים עוד להסתפק בעידוד כללי של העובדים להשתמש בכלים. הם צריכים לקבוע מדיניות ברורה של תקציבים, להחליט מי רשאי לחרוג מהם ובאילו נסיבות, ולוודא שההשקעה במשאבי AI אכן מייצרת ערך עסקי. "גם אצלנו יש מערכת שמנטרת ומקציבה לכל עובד תקציב, ועובדים שרוצים מעבר לתקציב פונים למנהלים ומקבלים אישורים לחריגה.
כשאתה עובד במהירות יותר גבוהה הסיכוי שתעשה טעויות יותר גבוה וגורמת לבזבוז כסף. פרויקט שנעשה בצורה מסודרת בשלושה חודשים יעלה בצריכות טוקנים 50 אלף דולר, ואם יעשו אותו בחודש הוא יעלה 120 אלף דולר כי נעשה שימוש לא נכון ולא יעיל בטוקנים".
איך נמדד ערך של עובד בעידן הטוקנים?
"אני מודד ערך של עובד על פי התוצרים שלו ולאו דווקא על פי הטוקן שלו. אם שני עובדים הוציאו 2000 דולר בחודש על טוקנים מעניין אותי מי הביא יותר תוצרים. אם אחד מהם הביא תוצרים פחות טובים אז הוא נחשב לעובד פחות טוב כי הוא לא מימש את היכולות שלו. בסופו של דבר נותנים לעובד משאבים ומי שנותן תוצרים יותר טובים, מהירים וחכמים נחשב לעובד יותר טוב כי הוא יודע להשתמש בטכנולוגיה בצורה יעילה יותר. אגב, יכול להיות שהוא פחות יעיל כי גם המנהל שלו לא נתן לו פידבק ואמר לו להתייעל. עובד שלא עובד טוב עם כלי AI - מבזבז הרבה כסף ומביא מעט תוצרים, הוא לא עובד טוב".
ג'ין פיתחה מערכת שלמה לניהול טוקנים ארגוניים. "היום אנחנו מתקינים את מערכת הבקרה גם בחברות בינלאומיות גדולות וגם ישראליות. ארגון גדול לא רוצה רק לבקר ולעצור, אלא לתת למנהלים יכולת לנהל תקציב כמו בראיה של פעם. אם בתור מנהל מחלקה קיבלתי תקציב של 10,000 דולר לחודש ויש לי עובד שבועיים בחופש, אני יכול להעביר את התקציב שלו לעובד אחר. בנינו מערכת שמאפשרת לארגונים לנהל את תקציב ה- AI שנהיה כמו תקציב ניהול כוח אדם. מכיוון שה- AI הפך להוצאה גדולה מאוד לארגונים, הם שואלים אם להגדיל כוח אדם או להגדיל משאבי AI ואז הניהול התקציבי נהיה משמעותי.
המערכת היא חלק מהמוצר שלנו ומוטמעת אצל כל הלקוחות, בהם קופת חולים מכבי, חברת חשמל, ישראכרט, בנק מזרחי, התעשייה האווירית, המגזר הביטחוני, משרדי ממשלה. הטוקנים היום בכל המגזרים, בכל מקום. כל עובד בחברה חייב להיות עם יד על הדופק על הטוקנים שהוא מוציא, גם מנהלת משאבי אנוש שמארגנת פעילות של ציורים עם ילדי העובדים באמצעות כלי AI.
דור אטיאס, מייסד ו־CPO בחברת Cycode, ואחראי גם על מחלקת המוצר וגם על הפיתוח, סבור שמדידת עובדים לפי צריכת הטוקנים שלהם מחמיצה את העיקר.
"למדוד אנשים על סמך כמה כסף-טוקנים הם מבזבזים זו שטות גמורה. זה לא אומר אם הם עושים עבודה טובה או לא. צריך למדוד בנאדם כמו שמדדו לפני, לפי כמה הוא מדלוור, כמה פיצ'רים הוא נותן, כמה באגים הוא פותר וכמה הקוד שלו איכותי. היום אני דווקא רואה שכמות הבאגים עולה כי אנשים לא באמת קוראים כל שורה שה-AI מוציא".
לדבריו, גם בעידן ה־AI המדד החשוב ביותר נשאר התוצר הסופי, אלא שהדרך להגיע אליו השתנתה. עובדים חזקים מצליחים לנצל את הכלים החדשים כדי לבצע יותר משימות במקביל, בעוד שעובדים מנוסים פחות מתקשים לעמוד בקצב השינוי. "מי שהיה מפתח חזק לפני ה-AI אמור להיות היום חזק, ומי שהיה חלש-בינוני יהיה לו קשה לצמוח כי מצפים מכולם לדלוור יותר עם ה-AI. החזקים מצליחים לעשות הרבה דברים במקביל והרבה דברים מסובכים, וחלשים בינוניים מתקשים לעמוד בקצב ועושים יותר טעויות. היום מגייסים יותר מנוסים מאשר ג'וניורים, בגלל שהם יישארו מאחור. אני לא יודע עדיין איך פותרים את הפער הזה.
מחפשים אנשים יותר מנוסים ויותר ורסטיליים. אני על עצמי אומר שאני כבר לא Chief Product Engineer אלא chief building. אני מחפש אנשים שלכל אחד יש את מה שהוא הכי טוב בו, אבל יודע לעשות הכל. וכולם צריכים טוקנים בשביל הדבר הזה.
מה שמשפיע על טוקנים זה לאו דווקא העובדים אלא יותר הפעולות האוטומטיות שרוצים לעשות בחברות. אנחנו הבנו שהדוקומנטציה יכולה להיות אייג'נטית לחלוטין, אז יש לי אייג'נט שעושה את כל הדוקומנטציה כל הזמן, עדיין עם בדיקה של בן אדם, אבל אין יותר מישהו שיושב וכותב. החלטנו שזה יותר נכון לנו כי זה גם חוסך קצת".
לדברי אטיאס, החברה בוחנת באופן שוטף אילו תהליכים ניתן לייעל, האם יש פעולות שחוזרות על עצמן, והיכן ניתן להפחית את צריכת הטוקנים של האייג'נטים באמצעות שיפור הפרומפטים או שינוי אופן העבודה. "אם כותבים קוד ואז בבדיקה חוזרות על עצמן אותן טעויות, אנחנו תמיד מנסים לאפטם את הדברים שיצאו מה-AI נכונים ומדויקים כמה שיותר. כותבים סקילים ורולים".
הטוקנים הפכו לחלק מהשפה הארגונית החדשה, כזו שמשפיעה על תקציבים, על תהליכי עבודה, על הכשרות עובדים ועל החלטות ניהוליות. ככל שהשימוש ב-AI יתרחב, ארגונים יידרשו לנהל לא רק את כוח האדם שלהם, אלא גם את צריכת האינטליגנציה הדיגיטלית שמלווה אותו".
