מערכת ניהול עסק מבוססת AI

ארבעה שימושים שבהם בינה מלאכותית מורידה עבודה ידנית אמיתית, שלושה מצבים שבהם השימוש בה מזיק, והמדדים הפשוטים שמפרידים ביניהם לפני שמתחייבים להשקעה.

בקצרה

AI לא מנהל את העסק אלא מסיר שכבה מסוימת של עבודה ידנית שחוזרת על עצמה.עבודה שאדם עשה רק כי מכונה לא ידעה לקרואהם המקומות שבהם יש ערך אמיתי: קליטת מסמכים, מיון פנייה נכנסת, ניסוח טיוטה, וחיפוש בשפה חופשית על הנתונים שלכם – וכולם יושבים בקצוות המערכת, לא בליבה שלה.כמעט תמיד לא צריך להחליף את המערכת הקיימתכדי להוסיף יכולות AI. הצעה שמתנה הוספת AI בהחלפת ליבת המערכת מוכרת למעשה פרויקט החלפה, ומשתמשת בבינה מלאכותית כתירוץ.

ארבעה מקומות שעובדים

בכל ארבעת המקרים יש מאפיין משותף אחד: אף אחד מהם אינו קבלת החלטה, אלא הכנה להחלטה – וזה בדיוק מה שהופך אותם למתאימים.

מה איזו עבודה נעלמת איפה זה מתחבר מה מודדים
קליטת מסמכים הקלדה מפרטי חשבונית, מהזמנה, מתעודת משלוח ומכל פורמט שספק שולח. בכניסה, לפני שהמידע נכנס למערכת. שניות לקליטה, ואחוז המסמכים שנדרשו לטיפול ידני של אדם.
מיון וניתוב פנייה קריאת פנייה נכנסת רק כדי להבין למי היא שייכת ועד כמה היא דחופה. בנקודת הכניסה של הדואר או הטופס הדיגיטלי. זמן עד שהפנייה מגיעה לאדם הנכון, ואחוז המקרים שנותבו לאיש הלא נכון.
ניסוח טיוטה כתיבה מאפס של תשובה שחוזרת על עצמה ונכתבה כבר עשרות ומאות פעמים. ליד המסך של הנציג, כהצעה לנוסח שהוא מאשר, מתאים או משנה. זמן עד לשליחת תשובה, ואחוז הטיוטות שנשלחו כמעט ללא שינוי מהותי.
חיפוש בשפה חופשית הצורך לזכור באיזה דוח, מסך או תיקייה נמצאת התשובה לשאלה. מעל הנתונים הקיימים שלכם, תוך שימוש בהם בלי לשנות אותם. אחוז השאלות שנענו בלי לערב אדם, ובעיקר אחוז התשובות שמלוות במקור מפורש.

העמודה האחרונה היא זו שבדרך כלל לא מדברים עליה, למרות שהיא הקריטית.לפנישהפרויקט מתחיל אפשר להגדיר איך מודדים הצלחה, כי היום אותה עבודה נעשית ידנית וניתן למדוד זמנים ואחוזים בפועל.

שלושה מקומות שבהם זו טעות

חישוב כספי.יתרה, מעמ, לוח סילוקין, שכר – כל החישובים האלה חייבים להיות דטרמיניסטיים: אותו קלט חייב להניב אותה תוצאה, בכל פעם מחדש. מודל שמחזיר תשובה שונה בכל הרצה הוא פגם בהקשר הזה, לא יתרון, וגם אם הוא «צודק» בתשעים ותשעה אחוזים מהמקרים, האחוז שנותר הוא טעות כלפי הלקוח.

החלטה שצריך להצדיק.דחיית בקשה, קביעת תנאים וכל צעד עסקי או תפעולי שלקוח או רגולטור יכולים לשאול עליו «למה» – דורש כלל ברור שאפשר להציג, עם גרסה ועם תאריך, ולא הסבר שנוסח בדיעבד. מודל יכול להציע חלופות ולדרג אותן, אבל ההכרעה עצמה צריכה להיות כלל מוגדר.

כל מקום שבו טעות שקטה יקרה מעיכוב.זו האבחנה החשובה ביותר כאן: מודל שמודה שהוא לא יודע הוא מצב בטוח יחסית, כי אפשר לזהות את אי־הוודאות ולהעביר את המקרה לאדם. מודל שהיה בטוח בעצמו וטעה מייצר מצב מסוכן, כי הוא לא מסמן את עצמו. לפני כל שימוש כדאי לשאול איזו אפשרות יקרה יותר – טעות שקטה או עיכוב – והתשובה לשאלה הזו קובעת אם המודל בכלל נכנס לתהליך.

שאלה אחת שמסדרת כל הדיון.«מה קורה כשזה טועה, ומי שם לב?» אם אין תשובה ברורה, או שהתשובה היא שמישהו «יסתכל על זה», השימוש לא תוכנן כמו שצריך. אם התשובה היא שהמערכת מעבירה את המקרה לאדם כשהביטחון נמוך – השימוש תוכנן.

למה לא צריך להחליף את המערכת

ארבעת השימושים בטבלה נמצאים כולם בשוליים: שלושה מהם בשער הכניסה למערכת, ואחד מעליה, כשכבת גישה. אף אחד מהם לא דורש שינוי בליבת המערכת העסקית.

לכן הדרך הנכונה להטמיע AI היא להוסיף שכבה בקצה: שכבה שקוראת, מסווגת, מנסחת או מחפשת, ואז מעבירה למערכת הקיימת נתון מסודר, בדיוק כפי שעובד היה מקליד או מעדכן.ניתנת לכיבויבכל רגע, כך שאם היא לא עובדת כפי שרציתם, פשוט חוזרים לאופן העבודה הקודם ולא נתקעים עם מערכת חדשה שחצי מהפונקציות שלה פועלות וחצי לא.

הצעה שמחייבת החלפת ליבת המערכת כדי להוסיף יכולות AI מוכרת בעצם פרויקט החלפה רחב. ייתכן שזה פרויקט מוצדק בפני עצמו, אבל אז צריך לדון בו כפרויקט החלפת מערכת –שאלת הפיתוח בהתאמה אישיתולא דרך כותרת של AI.

מה המודל רשאי לראות

השאלה מה מותר למודל לראות לא יכולה להגיע בסוף הדיון, אלא חייבת להיות מנקודת הפתיחה, כי התשובה אליה מעצבת את הפתרון הטכנולוגי והתהליכי.

שלוש שאלות, לפי הסדר הזה:

  1. האם הנתון יוצא מהארגון.אם המידע עובר לשירות חיצוני, זו העברת מידע לכל דבר ויש לה משמעות משפטית וחוזית, במיוחד כשמדובר בנתוני לקוחות או בנתונים שהתחייבתם עליהם בפני הלקוחות שלכם.
  2. האם המודל רואה יותר ממה שהמשתמש רשאי לראות.זה הכשל השקט הנפוץ ביותר: שכבת חיפוש שנבנתה מעל «כל המסמכים» מחזירה לעובד תשובה לשאלה שלא היה מורשה לשאול, בלי שנפרצה אף הרשאה. ההרשאות חייבות לחול על החיפוש עצמו, לא רק על הממשק שהמשתמש רואה.
  3. האם מה שהוקלד נשמר.אם כן – אז איפה, לכמה זמן, ומי נחשף אליו. זו שאלה שחייבים להפנות לספק בכתב ולקבל עליה תשובה מסודרת בכתב.

השאלה השנייה היא זו שמפילה פרויקטים גם אחרי שהם כבר פועלים, כי הכשל שנוצר בה לא נראה כתביעה או תקלה טכנית. זו גם הסיבה שכדאי להתחיל משימושים שבהם הנתון כבר גלוי לכל מי שנוגע בו, למשל קליטת מסמך או ניסוח תשובה, ולא משכבת חיפוש רוחבית על כל המידע בארגון.

מאיפה להתחיל, בסדר הנכון

  1. בחרו את הפעולה שחוזרת הכי הרבה פעמים ביוםוושאף אחד בארגון לא שמח לבצע. לא את המשימה המעניינת – את הפעולה השכיחה והשוחקת.
  2. מדדו אותה.כמה שניות לוקחת כל הרצה, כמה אנשים מעורבים בה, וכמה פעמים ביום היא מתבצעת. זה קו הבסיס שאליו תשוו את המצב בעוד חצי שנה.
  3. שאלו מה קורה כשזה טועה.אם התשובה היא «אדם רואה את זה מיד», אפשר להתקדם. אם התשובה היא «מגלים את זה רק בהתאמת בנק בעוד חודש», חפשו פעולה אחרת להתחיל ממנה.
  4. בנו את השכבה בקצהודרשו שתהיה אפשרות ברורה ופשוטה לכבות אותה ולחזור לעבודה ללא השכבה.
  5. מדדו שוב אחרי חודש,ובאופן מפורש: גם את הזמן שחסכתם או לא חסכתם, וגם את אחוז המקרים שחזרו לטיפול של אדם.

הטעות הנפוצה היא להתחיל מהטכנולוגיה ולא מהעבודה עצמה: לשאול מה המודל מסוגל לעשות במקום לזהות איזו פעולה שוחקת הכי הרבה זמן. פתרון לשאלה הראשונה מרשים בהדגמה ונזנח בתוך חודשיים. פתרון לשאלה השנייה נראה משעמם – וממשיך לעבוד לאורך זמן.

איך אני עובד על זה

עיסוק בתחום מאז 2004, עבודה על מערכות AI מאז 2023, פרויקטים ללקוחות בארבע עשרה מדינות. אני ארכיטקט עצמאי ולא ספק מוצר, ולכן גם מסקנה כמו «כאן AI לא נדרש, צריך לתקן תהליך» היא תוצאה לגיטימית של סקירה, ואולי אף השכיחה ביותר.

סקירה מקצועית מייצרת רשימת פעולות חוזרות עם מדידה לכל פעולה, סימון של כל מקום שבו טעות שקטה יקרה מעיכוב ולכן הוא מחוץ לתחום, הצעה לשכבת קצה שניתן לכבות בכל עת, וסדר עבודה שבו המקרה הראשון נבחר לפי שכיחות ולא לפי אפקט ההדגמה.

מאיפה להתחיל

ענו על שאלה אחת: איזו פעולה אצלכם חוזרת הכי הרבה פעמים ביום ואף אחד לא רוצה לבצע אותה. התשובה לשאלה הזו שווה יותר מרשימת יכולות טכנולוגיות.

דברו איתי  |  קשור: פתרונות AI, עיבוד חשבוניות, מערכות RAG, אוטומציה

SLAtech LTD