AI לא יפתור תהליך שבור. הנה מה שכן.

בשנתיים האחרונות שמענו כמעט בכל ארגון את אותו משפט: "אנחנו רוצים להכניס AI".

AI לא מתקן תהליך שבור. הוא מריץ אותו מהר יותר.

זו כוונה טובה. הבעיה היא מה שבדרך כלל מסתתר מאחוריה, התקווה ש-AI יעקוף בעיה שאף אחד לא רצה לפתוח. תהליך שאף אחד לא באמת מבין. נתונים שאף אחד לא סומך עליהם. החלטה שנדחית שנתיים.

אם תהליך הקבלה שלכם מבולגן, AI ייצר בלגן בקצב גבוה יותר ובניסוח משכנע יותר. זה לא שיפור. זה הגברה.

וזו בדיוק הסיבה שארגונים שמתחילים מהתשתית מגיעים ל-AI מהר יותר מאלה שמתחילים מ-AI.

TL;DR

• AI מגביר תהליכים, טובים ורעים כאחד. הוא לא מייצר סדר מאין.
• לפני Prompt Engineering צריך Process Engineering: להבין מי עושה מה ומאיפה מגיע המידע.
• רוב הכאב היומיומי בארגונים הוא בעיית אוטומציה, לא בעיית AI. זה חדשות טובות, זה זול יותר.
• התחילו בתהליך אחד מוגדר עם תוצאה מדידה, לא ב"אסטרטגיית AI ארגונית".

למה זה נשמע כמו קסם ולא עובד ככה

מודל שפה עובד על מה שנותנים לו. אם ההוראה מעורפלת, התוצאה תהיה מעורפלת, אבל היא תישמע בטוחה בעצמה. זה החלק המסוכן.

קחו דוגמה קונקרטית. עמותה בינונית עם שש תוכניות רוצה ש-AI ינסח דוחות לתורמים. נשמע מושלם.

אלא שהנתונים לדוח יושבים בארבעה מקומות: גיליון של הרכזת, מערכת ההרשמה, קובץ תקציב וזיכרון של מנהלת התוכנית. אף אחד לא הסכים מה נחשב "משתתף פעיל". וכל תורם רוצה חתך אחר.

המודל לא יפתור אף אחת מארבע הבעיות האלה. הוא ייצר טקסט יפה על נתונים שגויים, וזה גרוע יותר מאין דוח, כי עכשיו הוא נשמע אמין.

הסדר הנכון: מבינים, מסדרים, ואז מאיצים

יש סדר פעולות שעובד, והוא לא הפוך במקרה:

קודם מבינים. מי עושה מה, מתי, ולמה. איפה המידע נכתב בפעם הראשונה. מה נחשב הצלחה בתהליך הזה.

אחר כך מסדרים. מקור אמת אחד לכל נתון. הגדרות מוסכמות. שלבים ברורים.

ורק אז מאיצים. אוטומציה למה שיש לו כלל, AI למה שאין לו.

זה לא סדר ביורוקרטי. זה סדר חסכוני. כל שלב מייתר עבודה בשלב הבא. ארגונים שדילגו על השניים הראשונים מגלים שהם משלמים עליהם ממילא, רק בדיעבד, ובאמצע פרויקט.

5 שאלות לפני שמכניסים AI לתהליך

לפני שאתם בוחרים כלי, ענו על חמש שאלות. אם אתם נתקעים על אחת מהן, זו הנקודה לטפל בה, לא ה-AI.

1. מה התהליך המדויק, בדף אחד? אם אי אפשר לכתוב אותו, אי אפשר להאציל אותו.
2. מאיפה מגיע המידע, ומי אחראי שהוא נכון? בלי בעלים לנתון, אין על מה לסמוך.
3. מה נחשב תוצאה טובה? אם אין הגדרה, לא תדעו אם ה-AI עוזר או מזיק.
4. מי בודק את הפלט, וכמה זמן זה לוקח לו? אם הבדיקה ארוכה מהעבודה המקורית, לא חסכתם.
5. מה קורה כשהוא טועה? לכל שימוש ב-AI צריך להיות תרחיש כישלון מוגדר, במיוחד כשמדובר באנשים.

איפה AI כן מחזיר ערך אמיתי

בלי ציניות, יש מקומות שבהם זה עובד יפה, וארגונים שכבר נהנים מהם.

סיווג וניתוב טקסט חופשי. פניות שמגיעות במייל ובטופס, בשפה חופשית, וצריך להבין למי הן שייכות. זה בדיוק מה שכללים נוקשים לא מצליחים לעשות.

סיכום והפיכת חומר גולמי לטיוטה. סיכום מפגש, תמצות של שיחת קבלה, טיוטה ראשונה לדוח. טיוטה, לא מוצר סופי.

חיפוש בתוך ידע ארגוני. כשיש נהלים, מסמכי תוכנית וחומרי הכשרה מפוזרים, יכולת לשאול שאלה בשפה חופשית ולקבל תשובה עם מקור היא שינוי אמיתי בעבודה.

עזרה בניסוח. לצוותים שכותבים הרבה, פניות לתורמים, תוכן לרשתות, מכתבים למשתתפים, זה חוסך שעות אמיתיות.

שימו לב למה שמשותף לכל אלה: הם עוזרים לאדם לעשות עבודה מהר יותר. הם לא מחליפים החלטה שאף אחד לא קיבל.

למה רוב מה שכואב לכם הוא בכלל אוטומציה

כשמפרקים את הבקשות של ארגונים, מגלים דפוס: רוב הכאב הוא לא בעיה שדורשת מודל.

מישהי מעתיקה נתונים מטופס לגיליון. מישהו שולח את אותו מייל תזכורת ידנית. פרטים של משתתף חדש נרשמים בשלוש מערכות. דוח נבנה מחדש כל חודש מאפס.

אף אחת מהמשימות האלה לא צריכה AI. הן צריכות חיבור בין מערכות. אוטומציה לעמותות היא ההשקעה עם ההחזר הכי מהיר בתחום, היא יציבה, זולה, ולא ממציאה תשובות.

הכלל הפשוט: אם אפשר לתאר את המשימה כ"אם קרה X אז תעשה Y", זו אוטומציה. אם אין X ברור, אולי זה AI.

מה זה אומר על סדר ההשקעה

אם יש משפט אחד לקחת מכאן, הוא זה: AI אחרי תשתיות. לא במקומן.

זה נשמע כמו עיכוב, ובפועל זה קיצור דרך. ארגון שיש לו מקור אמת אחד יכול לחבר אליו כלי AI בשבועות. ארגון שהנתונים שלו מפוזרים בשישה מקומות יבלה חודשים בניסיון להסביר למודל מה נכון, ויגלה שהוא בעצם עושה את עבודת התשתית, רק בדרך יקרה ומתסכלת יותר.

זו גם הסיבה שכדאי להיזהר מ"אסטרטגיית AI" כמסמך. מה שעובד הוא תהליך אחד, אדם אחד אחראי, ותוצאה שאפשר להצביע עליה. משם מרחיבים.

AI למגזר החברתי: הסיכון שלא מדברים עליו מספיק

בארגונים מדובר באנשים, לא בלידים. זה משנה את חישוב הסיכון.

מודל שמסווג פנייה של אדם במצוקה יכול לטעות. מודל שמסכם שיחת קבלה יכול להשמיט את הפרט שהכי חשוב. מודל שכותב טקסט על משתתף מייצר תיעוד שיישאר במערכת.

זה לא אומר לא להשתמש. זה אומר להחליט מראש: איפה AI נוגע בבני אדם, ומה תמיד עובר עין אנושית. ארגון שמגדיר את הגבול הזה מראש עובד בביטחון. ארגון שלא, מגלה אותו כשקורית תקלה.

מה עושים מחר בבוקר

1. בחרו תהליך אחד שחוזר לפחות פעם בשבוע ומעצבן את הצוות.
2. כתבו אותו בדף אחד. אם זה קשה, עצרו כאן, מצאתם את העבודה האמיתית.
3. סמנו כל שלב: כלל או שיקול דעת? כללים הולכים לאוטומציה. שיקול דעת אולי ל-AI.
4. הגדירו מה נחשב הצלחה במספרים פשוטים, פחות שעות, פחות טעויות, זמן תגובה קצר יותר.
5. הריצו פיילוט של חודש עם אדם אחד אחראי. לא הכרזה ארגונית.

אם אתם רוצים לבדוק איזה תהליך אצלכם באמת בשל לזה, פגישת היכרות היא הדרך הקצרה, נסתכל על התהליכים ונגיד גם מה לא שווה מערכת.

כשמסתבר שהצורך הוא בכלי ייעודי שמערכות מדף לא נותנות, זה עולם הפיתוח המותאם אישית. וכשהשאלה האמיתית היא מי בארגון מוביל את הנושא לאורך זמן, זה נושא לאסטרטגיה.

AI הוא כלי מצוין. הוא פשוט לא תחליף להחלטה.