אהבתם? שתפו
שיתוף בפייסבוק
שיתוף ב-X
שיתוף בלינקדאין
שיתוף באימייל
שיתוף בווטסאפ
הדפסת כתבה
חברת שילוח רכשה מערכת לקריאת מסמכים. מבחינה טכנולוגית הפרויקט הוגדר כהצלחה: חילוץ הנתונים היה מדויק, האינטגרציה עבדה, זמני התגובה היו מהירים, והמערכת ידעה לטפל בכמות גדולה של מסמכים. כעבור חצי שנה, זמן הטיפול הממוצע בתיקי יבוא כמעט לא השתנה.
הסיבה לא הייתה כשל טכנולוגי. רוב התיקים הפשוטים זרמו מהר גם קודם. צוואר הבקבוק האמיתי היה בתיקים החריגים: מסמך חסר, סתירה בין חשבונית לרשימת אריזה, סיווג לא ברור, אי-התאמה בין ההזמנה למה שהגיע, או שאלה מסחרית שדרשה שיקול דעת של עובד מנוסה. אלה המשיכו להגיע בדיוק לאותם אנשים, בדיוק כמו לפני הפרויקט. המסקנה ברורה: המערכת ייעלה את החלק שלא היה הבעיה המרכזית. זהו אינו כשל טכנולוגיה. זהו כשל רכש.
ברכישת תוכנה מסורתית, הארגון בוחן רשימת יכולות: האם יש מודול הנהלת חשבונות, האם יש ממשק ללקוח, האם המערכת יודעת להפיק דוח, האם קיימת אינטגרציה למערכת קיימת. אם הפונקציה קיימת ועובדת, הרכש נראה מוצדק.
בבינה מלאכותית ההיגיון שונה. הערך אינו נמצא רק בשאלה האם המערכת מבצעת פעולה, אלא האם היא משפרת החלטה, מקצרת תהליך מורכב, מזהה חריג, או מפחיתה תלות בידע אישי. מערכת AI יכולה לעמוד בכל הדרישות הטכניות ועדיין לא לשנות את העבודה בפועל.
לכן, לפני שבוחרים ספק או פתרון, צריך להגדיר לא מה המערכת ״יודעת לעשות״, אלא איזה שיפור עסקי מדיד היא אמורה לייצר. האם היא מקצרת זמן טיפול? האם היא מפחיתה טעויות? האם היא מזהה חריגים מוקדם יותר? האם היא משחררת עובדים מנוסים מעבודה חוזרת? האם היא מאפשרת לעובדים חדשים להגיע מהר יותר לעצמאות? בלי תשובה ברורה לשאלות האלה, הארגון אינו רוכש יכולת. הוא רוכש הדגמה.
לקריאת המאמר המלא בגיליון אוגוסט של מגזין PORT2PORT לחצו כאן.
תומר שמיר מלווה ארגונים בהטמעת בינה מלאכותית בתהליכי עבודה, ניהול שינוי ושיפור תפעולי.
