מעבר לתוכן
ארגז הכלים AI / ORGANIZATIONS

AI בארגונים: למה רכישת רישיונות היא החלק הקל

ארגונים משקיעים בכלי בינה מלאכותית, אבל לא תמיד מצליחים להפוך אותם לחלק מהעבודה. כך נראית הטמעה שמתחילה באנשים ובתהליכים ולא רק בטכנולוגיה.

דמיינו ארגון שמחליט לאמץ בינה מלאכותית.

ההנהלה מתלהבת.

נרכשים רישיונות לכלי חדש.

נערכת הרצאת פתיחה מרשימה.

העובדים מקבלים גישה למערכת.

ואז מה?

חלק מתנסים פעם או פעמיים.

חלק לא יודעים מאיפה להתחיל.

חלק חוששים לטעות.

אחרים חוזרים להרגלים הישנים.

כעבור כמה חודשים הארגון מגלה שהטכנולוגיה נמצאת שם, אבל העבודה לא השתנתה באופן משמעותי.

זו בדיוק הסיבה שהטמעת AI היא לא רק פרויקט טכנולוגי.

היא פרויקט ניהולי וארגוני.

גישה לכלי לא שווה יכולת להשתמש בו

אפשר לתת לעובדים גישה למערכת מתקדמת.

אבל אם הם לא מבינים איך היא קשורה לתפקיד שלהם, לא בטוח שהם ישתמשו בה.

עובדת משאבי אנוש, מנהל מכירות ואשת כספים מתמודדים עם צרכים שונים.

הראשונה אולי צריכה לסייע בהכנת חומרי הדרכה.

השני עשוי להיעזר בניתוח מידע ובהכנה לפגישות.

השלישית יכולה להשתמש בכלים לסיכום וניתוח נתונים במסגרת הרשאות מתאימות.

הדרכה כללית על יכולות AI היא התחלה טובה.

אבל כדי ליצור שינוי אמיתי צריך לחבר את היכולות לתהליכי העבודה.

העובדים לא תמיד מתנגדים לטכנולוגיה

לפעמים הם פשוט לא יודעים מה מצופה מהם.

האם מותר להשתמש בכלי חיצוני?

איזה מידע אפשר להזין?

האם העבודה שייוצרה באמצעות AI נחשבת איכותית מספיק?

מי אחראי לבדוק את התוצאה?

האם השימוש בכלי הוא המלצה או חלק מהתפקיד?

כשאין תשובות ברורות, נוצרת אי ודאות.

בחלק מהמקרים היא מובילה להימנעות.

לכן הנהלה שרוצה לקדם אימוץ AI צריכה להגדיר גם מדיניות עבודה ולא רק לרכוש תוכנה.

ADOPTION IN ACTIONמכלי חדש לשינוי בעבודה
ממפים תהליך אמיתי
בודקים פיילוט מוגבל
מתרגלים עם העובדים
מודדים מה השתנה

מתחילים במקרי שימוש אמיתיים

נניח שמחלקת שירות לקוחות מקדישה זמן רב לסיכום פניות ולתיעוד שלהן.

במקום להתחיל מהדרכה על עשרות כלים, אפשר לבחור תהליך אחד ולבדוק כיצד AI יכול לסייע בו.

מגדירים מהו התהליך הקיים.

בודקים כמה זמן הוא דורש.

מחליטים מה מותר למערכת לעשות.

מגדירים נקודות שבהן נדרשת בדיקה אנושית.

לאחר מכן מפעילים פיילוט מוגבל ובודקים את התוצאות.

אם מתקבל שיפור משמעותי באיכות או ביעילות, אפשר לשקול הרחבה.

הכשרה טובה צריכה להמשיך גם אחרי ההרצאה

הרצאת השראה יכולה לפתוח את הראש.

אבל היא לא בהכרח משנה הרגלי עבודה.

כדי ליצור אימוץ מתמשך כדאי לשלב התנסות מעשית, תרגול על משימות אמיתיות וליווי לאחר ההדרכה.

אפשר לבנות ספריית שימושים לפי מחלקות.

אפשר להגדיר בעלי תפקידים שמסייעים לעובדים להתנסות.

אפשר לקיים מפגשי שיתוף שבהם צוותים מציגים מה עבד ומה לא.

כך הידע הופך מנושא שלמדנו עליו ליכולת ארגונית.

לא כל פעולה צריכה להיות אוטומטית

בחלק מהארגונים יש התלהבות גדולה מהרעיון של סוכנים אוטונומיים.

אבל כדאי להתקדם בזהירות.

יש תהליכים שמתאימים לאוטומציה.

אחרים דורשים שיקול דעת אנושי, בקרה מקצועית או אחריות רגולטורית.

מידע רגיש מחייב תשומת לב מיוחדת להרשאות, פרטיות ואבטחת מידע.

הדרך הנכונה היא להגדיר מה מותר למערכת לבצע, אילו פעולות דורשות אישור ומי אחראי לתוצאה.

מודדים שינוי בעבודה ולא רק שימוש במערכת

מספר העובדים שנכנסו לכלי הוא נתון שימושי.

אבל הוא לא מספר את כל הסיפור.

כדאי לבדוק גם האם תהליכים התקצרו, האם איכות העבודה השתפרה, האם הצטמצמו טעויות והאם העובדים מצליחים לבצע משימות שבעבר דרשו יותר משאבים.

אפשר למדוד גם את שביעות רצון העובדים ואת רמת הביטחון שלהם בשימוש בטכנולוגיה.

המטרה היא לא לייצר שימוש רק כדי להראות שהארגון חדשני.

המטרה היא ליצור ערך.

הטמעת AI היא קודם כול ניהול שינוי

הטכנולוגיה יכולה להיות מרשימה מאוד.

אבל מי שקובע אם היא תהפוך לחלק מהארגון הם האנשים, המנהלים והתהליכים.

ארגון שמצליח להטמיע AI לא מסתפק בשאלה אילו כלים כדאי לרכוש.

הוא שואל אילו יכולות הוא רוצה לפתח ואיך נכון לשנות את שגרת העבודה כדי להגיע לשם.

YOU MADE IT TO THE GOOD PART

לפעמים רעיון אחד מספיק כדי להתחיל לחשוב אחרת

WhatsApp
×
×

עגלת קניות