שילוב בינה מלאכותית בפיתוח מערכות מותאמות לארגונים

בינה מלאכותית כבר אינה רק כלי שעובדים פותחים בחלון נפרד כדי לכתוב טקסט או לקבל תשובה לשאלה. יותר ויותר ארגונים רוצים שהיכולות האלה יהיו חלק מהמערכות שבהן הם כבר עובדים.

המעבר הזה חשוב.

יש הבדל בין עובד שמשתמש ב-AI באופן עצמאי לבין מערכת ארגונית שיודעת להשתמש בבינה מלאכותית כחלק מתהליך עבודה מוגדר.

במקרה הראשון, ה-AI הוא כלי עזר.

במקרה השני, הוא הופך לחלק מהמערכת.

למה לא פשוט להוסיף ChatGPT למערכת?

זו שאלה שמופיעה בהרבה פרויקטים.

התשובה היא שארגון בדרך כלל לא צריך “צ’אטבוט”. הוא צריך לפתור בעיה עסקית.

לדוגמה, חברה יכולה לרצות שהמערכת:

• תסווג פניות לקוחות.
• תסכם מסמכים.
• תזהה חריגות בנתונים.
• תציע תשובות לנציגי שירות.
• תנתח מידע תפעולי.
• תחזה ביקוש.
• תפיק המלצות.
• תזהה מידע רלוונטי מתוך כמויות גדולות של מסמכים.

בכל אחד מהמקרים האלה, הממשק של AI הוא רק חלק קטן מהפתרון.

האתגר האמיתי הוא לחבר את יכולת ה-AI למידע ולתהליך הנכון.

AI צריך גישה לנתונים הנכונים

מודל AI בפני עצמו אינו יודע מה מצב העסק.

אם רוצים שמערכת תספק תשובה שימושית לגבי לקוח מסוים, היא צריכה לקבל גישה למידע הרלוונטי: היסטוריית עסקאות, פניות, מסמכים, נתוני מערכת ועוד.

אבל לא נכון פשוט “לתת ל-AI גישה להכול”.

צריך להחליט:

• איזה מידע מותר לו לקבל?
• מי רשאי להפעיל את היכולת?
• האם הנתונים כוללים מידע רגיש?
• אילו נתונים צריך להציג למשתמש?
• האם התשובה צריכה להיות מבוססת על מקור מוגדר?
• מתי נדרשת בדיקה אנושית?

לכן שילוב AI במערכת ארגונית הוא גם פרויקט של ארכיטקטורה, הרשאות ואבטחת מידע.

דוגמה: מערכת שירות לקוחות

נניח שנציג שירות מקבל פנייה מלקוח.

במערכת רגילה הוא עשוי לפתוח את פרטי הלקוח, לחפש הזמנה, לקרוא פניות קודמות ולבדוק את הסטטוס.

מערכת עם יכולות AI יכולה לרכז את המידע ולהציג לנציג תקציר:

לקוח: חברה X
הזמנה: 45872
סטטוס: נשלחה
בעיה: עיכוב באספקה
היסטוריה: שתי פניות קודמות בנושא
המלצה: לבדוק מול חברת השילוח ולספק עדכון ללקוח

ה-AI לא בהכרח מקבל את ההחלטה במקום הנציג.

הוא מקצר את הזמן שהנציג צריך להשקיע באיסוף והבנת המידע.

AI יכול לשנות גם מערכות פנימיות

אחת הטעויות היא לחשוב רק על מערכות שפונות ללקוחות.

גם מערכות פנימיות יכולות ליהנות מ-AI.

לדוגמה, מערכת תפעולית יכולה לזהות שהזמנה מסוימת חורגת מההתנהגות הרגילה. מערכת כספים יכולה לסמן חשבונית שמכילה נתונים חריגים. מערכת ניהול יכולה להפיק סיכום של פעילות המחלקה.

במקרים האלה, ה-AI אינו מוצר נפרד.

הוא שכבת יכולת בתוך מערכת קיימת.

לא כל בעיה צריכה AI

דווקא בגלל שהטכנולוגיה כל כך זמינה, חשוב לדעת גם מתי לא להשתמש בה.

אם פעולה ניתנת להגדרה באמצעות כלל פשוט, אין בהכרח סיבה להשתמש במודל AI.

לדוגמה:

“אם סכום ההזמנה גדול מ-50,000 ₪, שלח לאישור מנהל.”

זה תהליך ברור. אין צורך במודל שפה.

לעומת זאת, אם המערכת צריכה לקרוא טקסט חופשי ולהבין אם קיימת בו בעיה, AI יכול להיות מתאים יותר.

אפשר לחשוב על זה בצורה פשוטה:

חוקים קבועים ←  אוטומציה רגילה.

מידע לא מובנה או צורך בהבנת הקשר ←  AI.

שילוב של השניים ←  מערכת חכמה שמפעילה כל טכנולוגיה במקום המתאים לה.

ומה לגבי טעויות של AI?

זו אחת השאלות החשובות ביותר בפרויקט ארגוני.

AI יכול לתת תשובה שנראית משכנעת אבל אינה נכונה. לכן לא נכון לבנות מערכת שבה כל החלטה חשובה מתקבלת אוטומטית ללא בקרה.

במקום זאת, ניתן לתכנן רמות שונות של אוטונומיה.

לדוגמה:

רוב הארגונים אינם צריכים להתחיל ברמה 5.

עדיף להתחיל מתהליך שבו אפשר למדוד את התוצאה ולהגדיל בהדרגה את רמת האוטונומיה.

שילוב AI במערכות קיימות

הערך הגדול של AI בארגון אינו תמיד מגיע מבניית מערכת חדשה מאפס.

לפעמים המטרה היא לקחת מערכת קיימת ולהוסיף לה יכולות חדשות.

לדוגמה, מערכת ERP יכולה לקבל שכבת ניתוח חכמה. CRM יכול לקבל יכולת לסכם אינטראקציות עם לקוחות. מערכת תפעולית יכולה לזהות חריגות.

המשמעות היא שה-AI צריך להשתלב בארכיטקטורה הקיימת ולא לעבוד כ”אי” מנותק.

Emyoli מציגה פתרונות AI מותאמים שיכולים להתחבר לפונקציות עסקיות שונות, כולל ניהול מלאי, חיוב ותהליכים ארגוניים, כחלק מפתרונות המותאמים לצורכי העסק.

איך מתחילים פרויקט AI בצורה נכונה?

במקום להתחיל מבחירת מודל, כדאי להתחיל מתהליך.

שאלו:

1. איזו פעולה לוקחת לאנשים הרבה זמן?
2. איזה מידע כבר קיים בארגון?
3. האם המידע איכותי ומסודר?
4. האם הפעולה דורשת הבנה או רק כלל פשוט?
5. מה יקרה אם ה-AI יטעה?
6. האם אדם צריך לאשר את התוצאה?
7. איך נמדוד את השיפור?

רק לאחר מכן כדאי לבחור את הטכנולוגיה.

גישה כזו גם מונעת מצב שבו הארגון מפתח “פתרון AI” מרשים שאין לו שימוש אמיתי.

AI כחלק מהמערכת ולא כתוספת חיצונית

כאשר בינה מלאכותית משולבת נכון, המשתמש לא בהכרח צריך לחשוב שהוא משתמש ב-AI.

הוא פשוט רואה שמערכת העבודה שלו הפכה מהירה וחכמה יותר.

המערכת מסכמת במקום העובד. מזהה חריגות לפני שהוא מבחין בהן. מציגה מידע רלוונטי. מציעה פעולה. או מפעילה תהליך לאחר שהתקבלה החלטה.

זו נקודת המפתח: הערך אינו נמצא בעצם השימוש בבינה מלאכותית. הוא נמצא ביכולת לחבר אותה לנתונים, לתהליכים ולמטרות העסקיות של הארגון.

לכן ניהול עסק עם בינה מלאכותית צריך להתחיל מהמערכת ומהבעיה העסקית, ולא מהשאלה איזה מודל AI הכי חדש.

כאשר בונים את החיבור הזה נכון, בינה מלאכותית יכולה להפוך משירות חיצוני שהעובדים משתמשים בו באופן נקודתי ליכולת מובנית בתוך התוכנה שהארגון מפעיל מדי יום.