הסיפור הלא פתור של יישום ״בינה מלאכותית״ בארגונים
בעולם הצרכני, AI הפך במהירות לשותף טבעי ביומיום – עוזר אישי, מקבל החלטות, ולעיתים גם תחליף ליועץ. אבל כשהוא נכנס בדלת הראשית של הארגון – הוא פוגש מציאות אחרת. למרות השקעות עתק בדאטה, במערכות מידע וצוותים שלמים של ״בינה עסקית״ – הפער בין הציפייה לחוויה זורמת לבין המצב בשטח לא נעלם. איך סוגרים פערים והאם הבעיה היא רק טכנולוגית?
תארו לעצמכם שאתם יוצאים לריצה. באוזן – עוזרת חכמה שמלווה אתכם: "האט קצת – הדופק עולה יותר מדי", "עוד 200 מטר – ואתה בשיא אישי". בלי שתבקשו, היא מבינה, מדריכה, עוזרת. זו החוויה הצרכנית החדשה של ״בינה מלאכותית״ – זמינה, פרואקטיבית, אישית.
עכשיו דמיינו את אותה ריצה... אבל בכל פעם שאתם שואלים שאלה – העוזרת לא שומעת, לא מבינה אתכם, ובמקום לענות, היא עוצרת אתכם: "רגע, אני פותחת דשבורד כדי לבדוק את הממוצע השבועי של הדופק. אני יכולה לשלוח לך דו״ח במייל אחר כך אם תרצה". נשמע מנותק? ככה בדיוק מרגישים הרבה עובדים בארגונים – כשהם צריכים להפסיק הכול, לחפש דאטה, ולחכות לתשובה, במקום פשוט לקבל אותה ברגע ובמקום שבו היא נדרשת.
למרות השקעות עתק בדאטה, מערכות מידע וצוותים שלמים של ״בינה עסקית״ – הפער בין הציפייה לחוויה חלקה לבין המציאות בשטח לא נעלם. מקבלי החלטות מחכים לדוחות. עובדים מחפשים תובנות. מנהלים מאלתרים. בסקר שערכנו יחד עם ״יוזר אווידנס״, 76% מהמנהלים הודו שהם מקבלים החלטות מבלי להסתמך על נתונים. ו־78% מהעובדים דיווחו שהם מבזבזים עד חצי יום עבודה בכל שבוע רק בניסיון למצוא את המידע הנכון.
הבעיה עמוקה – לא רק טכנולוגית, אלא שפתית והקשרית. רוב מערכות ״בינה עסקית״ מדברות בשפה של אנליסטים – טבלאות, שדות, שאילתות. אבל רוב העובדים לא מדברים ככה. הם שואלים שאלות פשוטות, מחפשים תשובות בהקשר של המשימה שלהם. הם לא רוצים לפתוח לוח מחוונים – הם רוצים תשובה.
כאן האפליקציה הופכת להיות מרכז העניינים. קונטקסט הוא לא רק שאלה, אלא איפה היא נשאלת, על ידי מי, ובאיזו נקודת זמן. כשעובד נמצא בתוך מערכת ״ניהול קשרי לקוחות״, הוא לא צריך לחפש – הוא צריך לדעת. ואם המערכת מציעה לו תובנה ישירה כמו "הלקוח הזה בסיכון לעזוב – פנה אליו עכשיו", היא הפכה מדוח לכלי פעולה.
כדי שזה יעבוד, נדרשת תפיסה חדשה, שנשענת על שילוב של שלושה מרכיבים:
1. שכבת תרגום סמנטית – שמבינה את שפת המשתמש, ההקשר והכוונה, ומתרגמת אותם מיידית לשאילתה מדויקת.
2. ״ממשקי תכנות יישומים״ פתוחים – שמאפשרים לחבר את התובנות לכל יישום ארגוני מבלי לבנות הכול מחדש. הם גם מאפשרים לבוני מערכות לשלב אנליטיקה מוטמעת בצורה הדרגתית, בהתאם לזרימת העבודה הקיימת.
3. ״בינה מלאכותית״ גנרטיבית – שמבינה שפה טבעית, יודעת לענות על שאלות מורכבות בצורה אמינה, להסביר לא רק מה קורה אלא גם למה, ומאפשרת לסוכנים חכמים של ״בינה מלאכותית״ לגשת למידע הארגוני ולהפוך אותו לתובנות אוטומטיות שמניעות פעולה.
השילוב הזה יוצר חוויית עבודה חדשה: אינטואיטיבית, מדויקת, ונוכחת בדיוק בזמן הנכון.
ובסוף – זה עניין של תרבות ארגונית, לא רק של דאטה או קוד. ארגונים צריכים להפסיק לחשוב על דאטה כמשאב שמנוהל בצד, ולהתחיל לשלב אותו בשיחה היומיומית, בהחלטות הקטנות, ובכל פעולה בשטח. כי כשמידע מדבר בשפה של האנשים, האנשים מתחילים להקשיב לו.
השנתיים הקרובות הן שנים קריטיות לדעתי. העלויות עולות, הלחץ לתוצאות מיידיות גדל, והטכנולוגיה סוף סוף מבשילה . זה הרגע להבין שהמרחק בין דאטה לפעולה הוא כבר לא טכני – הוא תפיסתי. והארגונים שיצליחו לצמצם אותו – יובילו.
אריאל כץ הוא מנכ"ל Sisense
