מקור: McKinsey & Company
הפיכת הפוטנציאל לביצועים
על פי מחקר של מקינזי, רק כאחוז אחד מהארגונים מתארים את עצמם כ"בוגרים" בפריסת בינה מלאכותית, בעוד שהוצאות הטכנולוגיה העולמיות ממשיכות לעלות מהר יותר מעלייה בפריון. פער זה – בין השקעה להשפעה הממומשת – ידוע כ"פרדוקס הפריון", בליבתו, הפרדוקס משקף אתגר משותף: חברות קונות טכנולוגיה מהר יותר משהן לומדות כיצד להשתמש בה ביעילות.
התוצאה היא שחיקה של ערך – לעתים קרובות 30 עד 40 אחוז מההשפעה הפוטנציאלית שאובדת עקב תמריצים לא מיושרים, מערכות מקוטעות או עיצוב מחדש לא מספק של מודל תפעולי.
הצלחה בבינה מלאכותית לא מתחילה באלגוריתם. היא מתחילה בארכיטקטורה מחדש של הארגון – הנתונים, הפלטפורמות, האנשים והתהליכים המאפשרים לבינה מלאכותית לספק פרודוקטיביות אמיתית. מקינזי מתארת כיצד חברות בעלות ביצועים גבוהים מייצרות עד פי שלושה יותר ערך מהשקעותיהן בטכנולוגיה. ההבדל אינו טמון בהוצאות גדולות יותר, אלא בביצוע טוב יותר:
דמיינו מחדש את העסק דרך טכנולוגיה. ארגונים מובילים מתייחסים לטכנולוגיה כאל מנוע מרכזי לחדשנות במודל עסקי, ולא כאל פונקציית תמיכה. אנו מתמקדים בסיוע לצוותי הנהלה להגדיר מקרי שימוש מבוססי בינה מלאכותית התואמים את יעדי הצמיחה והיעילות.
חיווט מחדש של הטכנולוגיה למהירות וקנה מידה. משמעות הדבר היא ארכיטקטורות נתונים מודרניות, מערכות ניתנות להרכבה ופלטפורמות "מוכנות לבינה מלאכותית" שהופכות את הניסויים למהירים ואת הקנה המידה לחלק.
הפיכת הארגון לאנושי מחדש. חברות חייבות לשדרג את כישורי עובדיהן לעבודה עם בינה מלאכותית, ולהעצים כל עובד – לא רק מהנדסים – להבין כיצד מערכות חכמות משפרות את תפקידיהם.
שינויים אלה הם תרבותיים באותה מידה כמו טכניים. לא מדובר בהרצאות בנות עשרה ימים על בינה מלאכותית. מדובר בהפיכת הבינה המלאכותית לחלק מהאופן שבו אנו עובדים. המטרה היא ליצור מפעילים שמבינים כיצד בינה מלאכותית משתלבת בתהליכי העבודה שלהם וכיצד לשתף איתה פעולה בצורה פרודוקטיבית.
עבור לקוחות רבים, החלק הקשה ביותר בטרנספורמציה של בינה מלאכותית הוא המעבר מהוכחות היתכנות לערך בקנה מידה גדול. אל תטעו בבינה מלאכותית. יש ליישם בינה מלאכותית במקומות בהם אוטונומיה, חשיבה ויכולת הסתגלות באמת מוסיפים ערך – שיפור קבלת החלטות, תוצאות וחוויות – תוך שמירה על אוטומציה מסורתית במקום בו היא עדיין עובדת בצורה הטובה ביותר. הבהירו את ההיקף: התמקדו במסע, לא רק בזרימת העבודה – שם נוצר ערך אמיתי. הביאו בינה מלאכותית שפותרת בעיות משמעותיות עבור משתמשי הקצה, לא רק הופכת שלבים לאוטומטיים.
תכננו עבור תזמור מודולרי, לא עבור פיצול. הימנעו ממיקרו-סוכנים מבודדים או פיילוטים חד-תכליתיים שאינם יכולים להתפתח או להתחבר. במקום זאת, בנו רכיבים מודולריים ושכבות תזמור המאפשרות למערכות , CRM- יומני שירות, אבחון – לתקשר ולהתרחב כמערכת אקולוגית קוהרנטית אחת שבה הידע מתרכז לאורך זמן.
הנדסו לאימוץ, לא רק למטרת בינה. הטכנולוגיה הטובה ביותר נכשלת ללא אמון אנושי ושינוי התנהגותי. בנו מסלולי ניהול של "בן אנוש בתוך הלולאה", נקו לולאות הסלמה ומשוב, ובנו יכולות ממוקדות כדי שאנשים ילמדו כיצד לעבוד עם בינה מלאכותית, לא סביבה. טרנספורמציה נמשכת רק כאשר הצוות שלכם יודע מתי לבטוח במערכת, מתי לעקוף אותה וכיצד לשפר אותה.
גישה זו מגדירה מחדש את המשמעות של להיות מוביל טכנולוגיה. במקום ליישם כלים בנפרד, ארגונים יוצרים מודלים תפעוליים של בינה מלאכותית הניתנים להרכבה – ארכיטקטורות גמישות המשלבות אסטרטגיה, ממשל ובינה בזמן אמת. כפי שאואנה מנסחת זאת: "אנו עוזרים לחברות לעבור מטרנספורמציה טהורה של בינה מלאכותית – שהיא מעורפלת – למודל תפעולי של בינה מלאכותית עבור ארגון הניתן להרכבה."
אסטרטגיית גישור וביצוע
גישור על הפער המסורתי בין אסטרטגיה לביצוע הוא קריטי. זו הסיבה שמקינזי מייעצת בנושאי טכנולוגיה ובונה אותה, תוך שילוב תובנות מעמיקות בתחום עם ניסיון מעשי בהנדסה, יישום וניהול שינויים. גישה משולבת זו, בשילוב עם שיטה שעובדת עם כל הספקים, פירושה מתן פתרונות לעסקים המותאמים להקשר שלהם במקום עסקאות תוכנה מוכנות מראש – במגזרים מוסדרים כמו בנקאות ובריאות, כמו גם בתחומים מתקדמים במהירות כמו טלקום או קמעונאות.
בסופו של דבר, טרנספורמציה של בינה מלאכותית אינה עוסקת בטכנולוגיה או בפריון בלבד; מדובר בהגדרה מחדש של אופן ביצוע העבודה ובהגברת החדשנות כדי להגדיל את הערך. ההזדמנות אינה רק לקחת נתח גדול יותר מהעוגה, אלא לעצב מחדש ולהגדיל את העוגה עצמה – וליצור אופקי ביצועים חדשים וצמיחת הכנסות בת קיימא.
המנצחים יהיו אלו שלא יתייחסו לטכנולוגיה כאל מרכז עלות אלא כאל מכפיל ביצועים. עבודתה של מקינזי מסייעת לארגונים לעבור "מפיילוטים לפרודוקטיביות, ומפוטנציאל לתוצאות."
