מצאנו כאב. עכשיו לא לרוץ ל- AI

בכתבה הקודמת דיברנו על הצורך לזהות את הכאבים האמיתיים של הארגון.
אבל כאן מגיעה טעות נוספת.
מזהים תהליך בעייתי ומיד אומרים:
"מצוין. בואו נפתור אותו עם AI."
רגע.
לא כל בעיה צריכה AI.
לפעמים הבעיה היא בכלל תהליך מיותר.
לפעמים חסר חיבור בין שתי מערכות.
לפעמים צריך לשנות נוהל.
ולפעמים כל מה שצריך הוא פשוט להפסיק לעשות משהו שאף אחד כבר לא יודע למה עדיין עושים.

אז מתי AI כן הופך למועמד רציני?

אני מחפש כמה סימנים.
האם מדובר במשימה שחוזרת על עצמה?
האם היא דורשת עיבוד של כמויות גדולות של מידע?
האם העובדים צריכים לקרוא, לסווג, להשוות, לנסח או לנתח?
האם יש קבלת החלטות ראשונית שאפשר לסייע בה?
האם יש הרבה עבודה ידנית סביב התהליך?
האם התהליך מייצר עלויות, טעויות או עיכובים?
והשאלה החשובה מכולן:
האם שיפור התהליך ייצור ערך משמעותי לארגון?
אם התשובה היא כן, יכול להיות שמצאנו מועמד מצוין לפתרון מבוסס AI.

אבל יש עוד מבחן חשוב

מה יקרה אם נצליח?
זו שאלה שאני חושב שארגונים צריכים לשאול הרבה יותר.
אם נחסוך לעובד חמש דקות ביום – נחמד.
אם נצליח לקצר תהליך משלושה ימים לשלוש שעות – כבר מעניין.
אם נוכל להקטין משמעותית טעויות בתהליך קריטי – זה כבר ערך עסקי.
אם נוכל לאפשר לעובדים מקצועיים להתמקד בעבודה שבאמת דורשת את המומחיות שלהם, זה אפילו יותר משמעותי.
כלומר, אנחנו לא מחפשים את ה- Use Case שהכי קל להדגים.
אנחנו מחפשים את ה-Use Case שבו השינוי באמת שווה את המאמץ.

וכאן נכנסת החשיבה הארגונית

הטכנולוגיה היום מסוגלת לעשות דברים מדהימים.
אבל היכולת הטכנולוגית לא צריכה להכתיב את סדר העדיפויות של הארגון.
היא צריכה לשרת אותו.
לכן הסדר הנכון בעיניי הוא:
בעיה –> הבנת התהליך –> הערכת הערך –> בחינת פתרונות –> האם AI, הוא הפתרון הנכון –> מדידה –> הטמעה
ולא:
כלי חדש –> הדגמה מגניבה –> חיפוש בעיה שתתאים לו.
זה אולי נשמע כמו הבדל קטן.
אבל זה בדיוק ההבדל בין לשחק עם AI לבין להשתמש ב- AI כדי לשנות את הארגון.

ובכתבה הבאה נגיע לאחת הנקודות הקריטיות ביותר:
מצאנו בעיה. מצאנו פתרון. אז למה כל כך הרבה פרויקטי AI עדיין נתקעים בדרך להטמעה? 

#בינהמלאכותית #AI #הטמעתAI #חדשנות #ניהול #טרנספורמציהדיגיטלית #ארגונים