השלבים והמוכנות הארגונית ליישום AI

מאת: רז הייפרמן | יועץ בכיר לטרנספורמציה דיגיטלית ודירקטור BDO Digital וחבר נשיאות הלשכה

24.06.2025

---

רקע

תהליך הטרנספורמציה הדיגיטלית להטמעת ושילוב טכנולוגיות דיגיטליות בכל פעילויות הארגון, אינו עוצר לרגע. הבינה המלאכותית (AI), ולאחרונה הבינה המלאכותית היוצרת (GenAI), וטכנולוגיות Agentic AI של סוכנים עצמאיים מבוססי AI, תפסו את העולם בהפתעה, למרות שטכנולוגיית AI קיימת כבר עשרות שנים. ההתפתחויות במהלך השנים בכל הקשור לעוצמת המחשוב והמעבדים (כמו מעבדים גרפיים של Nvidia ושימוש בהם לבניית מחשבי על), היכולת לנהל מאגרי נתונים עצומים (Big Data), מחשוב הענן (Cloud Computing) עם יכולות גידול מדהימות, וההתפתחויות באלגוריתמים ורשתות נוירוניות עמוקות (Deep Neural Networks) ולמידת מכונה (Machine Learning) – כל אלה השתלבו להם ביחד והביאו לפריצת ה AI כמעט לכל תחום בסביבה העסקית ובחיינו.

ההתלהבות, ולעיתים ה Buzz וה-Hype בנושא זה, הביאו ארגונים רבים להתחיל ביישום מזורז של ה AI במגוון  נושאים – ה AI מוטמע בכמעט כל מכשיר (רמזור, טלוויזיה, תאורה, מקרר, תרמוסטט, מכוניות אוטונומיות ועוד) וביישומים כגון שירות לקוחות, פיתוח קמפיינים לשיווק, גיוס ומיון עובדים, אופטימיזציה של תהליכים, מודלים עסקיים חדשניים, בית חכם, עיר חכמה ועוד. הנושא עולה כמעט בכל דיון הנהלה או דירקטוריון, מופיע ברוב התוכניות העסקיות, במצגות, בכנסים, במאמרים אקדמיים ופופולריים, בספרים ועוד. בקיצור – התחושה היא שארגון שאינו עולה על רכבת ה AI, ומיד, גורלו נחרץ. לא מפתיע למצוא ארגונים המתנפלים על הטכנולוגיה החדשה ומקווים להנות מיתרונותיה הרבים ומיד!!

המציאות כמובן מורכבת יותר – לרוב הנתונים, חומר גלם הכרחי ל AI, אינם באיכות מתאימה, לא הוגדרו היישומים הארגוניים המתאימים (Use Cases) בעלי ערך עסקי, האינטגרציה של AI עם היישומים הקיימים בארגון מורכבת, העדר מומחיות להטמעת הטכנולוגיה וכד'. בקיצור – אין כאן זבנג וגמרנו אלא מדובר על תהליך הטמעה מורכב הלוקח זמן. מדובר בתהליך הטמעה מורכב המחייב מעורבות של מומחים ואנשים, של תהליכים עסקיים ושילוב טכנולוגיות מתקדמות. בדומה לתהליך הטרנספורמציה הדיגיטלית, שברור שזהו מסע ארוך ומאתגר, גם הטמעת ה AI בארגון, היא מסע הדורש תכנון והטמעה מדורגת.

העידן החדש, עידן ה AI, מחייב את הארגונים לבחון את רמת מוכנותם לאתגר החדש וכיצד, היכן ומתי לשלב את ה AI בפעילותם, וזאת במהירות שמאפיינת את העידן הזה. רוב הארגונים מבינים שזו טכנולוגיה משבשת (Disruptive) חשובה והראשונים להטמיע אותה ייהנו מיתרון תחרותי ברור. הבעיה שחלק מהארגונים רצים לרכוש טכנולוגיות AI, מבלי להשקיע זמן בבחינת מוכנותם ומהם תנאי הקדם שטכנולוגיות אלה מחייבות. במידה רבה, זה מזכיר את מה שקרה לארגונים שהתלהבו מרעיון הטרנספורמציה הדיגיטלית ומיהרו לרכוש טכנולוגיות דיגיטליות, וניסו להטמיע אותן, בלי לקחת בחשבון שמדובר בתהליך ארגוני מרובה ממדים. לקח זמן עד שרעון הבגרות הדיגיטלית התפתח והציע כלים למדידת רמת המוכנות של הארגון והפך למעין מצפן להתקדמות בתהליך הטרנספורמציה. עכשיו מתרחש תהליך דומה, בכל הקשור להטמעת ה AI בארגון – מודל של בגרות ל AI מתחילים להתפתח ולהציע תהליך של הערכת המוכנות להטמעה של ה AI. כניסה להטמעה ללא בחינת המוכנות, עלול להביא לאכזבות, כישלונות ובזבוז משאבים וזמן יקרים.

חשוב להבין שיישום מוצלח של AI ברמה ארגונית הוא נושא מורכב ועליהם לפתח את החזון להכין ולבצע אוסף של צעדים הנדרשים ליישום מוצלח.

מטרת מאמר זה להציג תמונה מקיפה בחינת המוכנות הארגונית ל AI. תהליך הבגרות הארגונית ל AI, ואת הממדים שיש חייב לבחון מבחינת המוכנות וזאת כדי להצליח בתהליך החשוב של הטמעת ה AI בארגון. 

שלבי הבגרות ליישום AI

את נושא המודלים לבגרות ומוכנות ארגונית (Organizational Readiness) לטרנספורמציה דיגיטלית, סקרתי במספר מאמרים (למשל, "הבגרות הדיגיטלית – המודל לניווט במסע הדיגיטלי שלכם", שפורסם בשני חלקים בדיילי מיילי בינואר 2021). גם לנושא AI הופיעו מספר מודלים של להערכת המוכנות והבגרות הארגונית ביישום AI. חברות כמו Gartner, Accenture, PWC, Deloitte, BCG ואחרות, פרסמו מודלים כאלה. לאחרונה, גם המרכז לחקר מערכות מידע, CISR הפועל ב MIT, פרסם בדצמבר 2024 את הדוח "Building Enterprise AI Maturity". הדוח הוכן ע"י החוקרים – Peter Weill, Stephanie Woerner ו Ina Sebastian, ובדומה למודלים אחרים, מציג 4 שלבים של בגרות ומוכנות ליישום AI. הדוח מבוסס על מחקר מקיף שבוצע על 721 ארגונים כבר בשנת 2022, והיה ממוקד בעיקר ביישומי AI אנליטיים. ב 2024 הדוח הורחב לבחינת יישומי GenAI ו Agentic AI ולשם כך רואיינו עוד 16 מנהלים מ 9 ארגונים.

נציג כאן בקצרה את ארבעת השלבים בהתפתחות הבגרות הארגונית ל AI, על בסיס המחקר של MIT שמצא שכל ארגון נמצא באחד מארבעת השלבים המתוארים.

שלב 1 – ניסוי והכנות:

שלב התחלתי שבו הארגון מזהה שלנושא ה AI יש פוטנציאל ומתחיל להתכונן ולבחון את הנושא. המיקוד בשלב זה הוא הדרכה, הכשרת ופיתוח מיומנויות העובדים, התחלה של הגדרת מדיניות ה AI של הארגון, מיפוי והכנת הנתונים והתנסות עם טכנולוגיות ה AI לצורך קבלת החלטות אוטומטיות ודיון עקרוני על מעורבות העובדים בתהליך (Humans in the loop). בשלב זה הארגון מתחיל לזהות את ההזדמנויות ליצירת ערך.

שלב 2 – פיילוטים ובניית הכישורים:

בשלב זה הארגון מתחיל בביצוע פיילוטים, בחינת ישימות והדגמות הערך שניתן להפיק (POC), ומעמיק את הכישורים הנדרשים. הארגון מגדיר מדדים, פישוט ואוטומציה של תהליכים במקביל להרחבת הכישורים הנדרשים ומודד את הערך שנוצר בפיילוטים. הארגון מבצע הדרכות פנימיות לעובדים בנושאי AI. הארגון מגבש תהליכים לשיפור וקונסולידציה של הנתונים וכיצד להשתמש בהם בצורה מאובטחת ואמינה לטובת AI ובוחן מה נדרש לממשק את ה AI עם יישומים ארגוניים. עדיין לא הוגדרו מנגנוני משילות פורמליים. 

שלב 3 – פיתוח תהליכי עבודה עם AI:

בשלב זה כבר פועלים בייצור מספר מצומצם של יישומי AI, ה ROI עדיין נמוך, אבל הארגון מפתח יכולות להעברה מהירה של מודלים לייצור. שלב זה כולל בניית ארכיטקטורת AI ברמה הארגונית שתאפשר גידול ושימוש חוזר בנתונים ומודלים. הארגון מקדם תרבות ארגונית תוך דגש על תהליכי בחינה ולמידה, ומפתח דאשבורדים ומרחיב מאמצי אוטומציה ופורמליזציה של תהליכים עסקיים. ארגונים הנמצאים בשלב זה מפגינים ביצועים פיננסיים ורמת רווחיות גבוהה יחסית (ארגונים בשלב 1 ו 2 בעלי ביצועים מתחת לממוצע בענף שלהם).

שלב 4 – ארגון מוכן לעתיד עם AI:

שלב זה, הנקרא גם AI Future Ready ולעיתים Transformed, כולל ארגונים ששילבו את ה AI במרבית תהליכי העבודה ותהליכי קבלת החלטות, בנו תהליכי מכירה ושירות לקוחות מבוססי AI. הארגון בוחן כל העת טכנולוגיות חדשות ומשיק מודלים עסקיים מבוססי AI ומשתמש באנליטיקה נתמכת AI.

מימדי המוכנות ל AI

כל אחד מהשלבים הנ"ל בהתפתחות הארגון, מבוססת על מוכנות במספר מימדים. התרשים הבא מציג מודל של מוכנות ארגונית ב 6 מימדים שונים:

נסקור את ששת מימדי המוכנות הארגונית ל AI.

מימד 1 – אסטרטגיה ומנהיגות בנושא AI: מימד זה בוחן את קיומה של אסטרטגיה ומנהיגות בנושא ה AI. האסטרטגיה והחזון מגדירים כיצד הארגון מתכוון לפעול ליישום ה AI, בהתחשב בהתפתחויות בסביבה התחרותית הנוכחית והעתידית והצורך לשמר ולפתח את היתרון התחרותי. האסטרטגיה קובעת את היעדים ארוכי הטווח, התועלות הצפויות, העדיפויות והמשאבים שהארגון מתכוון להקצות למימוש. כדי להצליח יש חשיבות בקיומה של מנהיגות המכירה ורתומה לנושא.

מימד 2 – אנשים וכישורים: מימד זה בוחן את הזמינות והמיומנות של עובדים וצוותים ביישום ה AI. כדי להצליח על הארגון להשקיע בגיוס עובדים וטאלנטים בעלי מיומנות וניסיון, ולהשקיע בהכשרת העובדים הקיימים. עובדים וצוותים מיומנים הם גורם קריטי להצלחת יישום ה AI. על המנהלים לעודד את העובדים ללמוד ולהכין את עצמם לכלים החדשים. שימוש בכלי AI מהווה שינוי לעומת שימוש במערכות מידע רגילות ועל העובדים להכיר את הסביבה החדשה ואת השוני של כלי ה AI, את חשיבות הנתונים במודלים של AI, כיצד להפעיל אותם ולממש את הפוטנציאל שלהם. להבדיל ממערכות המידע הקיימות בארגון, מערכות ה AI מסוגלות ללמוד ולהשתפר באופן בלתי פוסק. הטמעה מוצלחת של AI תלויה ביכולת הארגון לעבודה בצוותים רב תחומיים וביישם מתודולוגיות אג'ייל לשילוב הדוק את המשתמשים והמפתחים.

מימד 3 – יישומים בעלי ערך עסקי: מימד זה בוחן האם הארגון השקיע משאבים לאיתור ובחירת היישומים (Use Cases) המתאימים ליישום AI ובעלי פוטנציאל ערך לארגון. לא כל נושא מתאים לכך, חלק מהנושאים קלים יותר ליישום וחלקם מורכבים מאד ליישום. תיעדןף נכון של היישומים, נשען על ההבנה של טכנולוגיית ה AI, למה היא מתאימה ומה פחות, על קיומם של נתונים לתמיכה במודלים של AI והתועלות הצפויות. תיעדוף נכון של היישומים הוא אחד התנאים להצלחת ה AI ולמניעת תסכול מיותר. בין היתר, על הארגון לבחון פיתוח של מודלים עסקיים מבוססי AI, נושא בעל חשיבות ופוטנציאל רב.

מימד 4 – נתונים: הנתונים מהווים תשתית הכרחית ליישום AI. נדגיש - בלי נתונים אין AI, ולכן חשוב שהארגון ישקיע בנושא הנתונים כבר מהשלבים הראשונים בהטמעת AI. הנתונים הם התשתית לפיתוח ואמון (Training) המודלים השונים. לעיתים נדרש מאמץ סימון (Labeling) עבור מודלים מסוג Supervised Learning. יישומים שונים מחייבים סוגים שונים של נתונים (מובנים, לא מובנים, טקסט, תמונות, ווידאו וכד'). במידת הצורך נדרש לטייב את הנתונים, ולהנגיש אותם למודלים ולמשתמשים, וחשוב להבטיח שימוש נאות ומאובטח בנתונים ועוד. על הארגון לבחון איזה מהנתונים הנדרשים הם פנימיים ואיזה חלק מהנתונים הם חיצוניים לארגון.

מימד 5 – תשתית טכנולוגית: מימד זה בוחן את מוכנות התשתית הטכנולוגית הנדרשת לפיתוח, שילוב ויישום טכנולוגיות ה AI. לרוב מדובר על יכולות וחיבור לענן, ושימוש בטכנולוגיות, כלי הפתוח, ומודלים שספקי הענן מציעים ולעיתים יש צורך ברכישה והטמעה On-prem. נושא האינטגרציה עם יישומים ארגוניים הוא בעל חשיבות ולעיתים מהווה אתגר רציני. יישום AI מחייב גם תשתית מתקדמת של אבטחת מידע והגנה על הנתונים.

מימד 6 – משילות AI: מימד זה בוחן האם הארגון הגדיר מדיניות והנחיות מתאימות, האם הוגדרו ועדות היגוי והסמכויות שלהן ומבנים ארגוניים תומכים. משילות AI מגדירה, בין היתר, מיהו הגורם הניהולי הבכיר שיוביל את ההטמעה בארגון. חלק מהארגונים מגדירים מוביל AI ברמת הנהלה, CAIO - Chief AI Officer. המשילות תגדיר הקמה של ועדת היגוי ייעודית, בדרך כלל בראשות ה CAIO. ועדה זו, בהשתתפות מנהלים בכירים ורלוונטיים, תנחה ותקבע מהם היישומים שיפותחו ותתעדף אותם בראייה כלל ארגונית, תגדיר את התקציבים והמשאבים ותעקוב אחר התקדמות היישום. על הועדה לקבוע כללים לשימוש אחראי בטכנולוגיה (Responsible AI) ואת הצורך במערכות המאפשרות את הבנת ההמלצות (Explainable AI). הועדה גם תקבע כללי האתיקה, הנחיות לשמירה על פרטיות, עקרונות סייבר ואבטחת מידע, תגדיר את מדדי ההצלחה, ותעקוב אחר מימוש התועלות ועוד.

שאלות לבחינת המוכנות

לאחר הגדרת מימדי המוכנות הארגונית, האתגר הוא המדידה שלהם. הדרך המקובלת למדידה היא באמצעות תהליך הערכה (Readiness Assessment), תוך שימוש בשאלונים וראיונות עם בעלי העניין. הטבלה הבאה מציגה דוגמה של היגדים/שאלות שניתן לענות עליהם בכן או לא, ובמידת הצורך תוספת של הסבר מילולי. ההיגדים המוצגים בטבלה הם דוגמה בלבד, וכל ארגון יכול להוסיף/להוריד היגדים בהתאם לרלוונטיות הספציפית.

עם קבלת השאלונים ו/או ביצוע הראיונות, ניתן לקבוע ציון לכל מימד בין 1 ל 5, כאשר 1 קובע שהנושא לא מיושם או ברמה נמוכה מאד, ו 5 קובע שהנושא מיושם באופן מלא.

מתודולוגיה להערכת המוכנות ל AI

נציג כאן מבט על אינטגרטיבי של המתודולוגיה להערכת המוכנות הארגונית ל AI, מתודולוגיה המשלבת את נושא הערכת מימדי המוכנות, הסקת השלב בבגרות ה AI הארגונית וגיבוש תוכנית הפעולה לסגירת פערים.

שלב א' – ניתוח רמת המוכנות: מודל ששת המימדים ישמש בסיס להערכת המוכנות הארגונית ל AI. הניתוח יבוצע באמצעות השאלונים והראיונות עם בעלי העניין. עם השלמת הראיונות ואיסוף השאלונים, יועץ מומחה ינתח את התוצאות, יקבע את רמת המוכנות בכל אחד מהמימדים. את הממצאים ניתן להציג באמצעות תרשים עכביש. התרשים הבא מציג דוגמה לתרשים עכביש.

שלב ב' – מיפוי רמות המוכנות לשלב הבגרות: לאחר ניתוח מימדי המוכנות, ניתן להסיק מהו השלב של הבגרות בו הארגון נמצא, בהתאם למודל הבגרות של MIT שהוצג. הארגון יכול להימצא באחד מהשלבים בין 1 ל 4.

שלב ג' – זיהוי העוצמות והחולשות: בהתבסס על ניתוח המוכנות, כפי שהוא בא לביטוי בתרשים העכביש, ניתן להסיק את החולשות והעוצמות העיקריות של הארגון. ציונים 1 ו 2 מצביעים על רמת מוכנות נמוכה בעוד ציונים 3, 4, 5 מצביעים על מצב מוכנות סביר עד טוב.

שלב ד' – גיבוש תוכנית עבודה לשיפור רמת המוכנות:  על בסיס ניתוח המוכנות ניתן לגבש תוכנית פעולה. יש להחליט מהן הפעולות הנדרשות לשיפור החולשות ומה נדרש כדי לשמר את העוצמות. לדוגמה תוכנית פעולה לסגירת הפערים יכולה לכלול פעולות כמו הכנת תוכנית הדרכה למנהלים ולעובדים, תוכנית לשיפור וטיוב הנתונים, תוכנית לגיוס ושימור טאלנטים, קביעת מוביל ארגוני לנושא AI והקמת ועדת היגוי וכד'.  תוכנית פעולה זו תוצג להנהלה לקבלת אישורה ומימושה.

סיכום

מאמר זה הציג מתודולוגיה למדידת המוכנות הארגונית ליישום AI והסקת רמת הבגרות בה הארגון נמצא. חשוב שארגון המבקש להטמיע טכנולוגיותAI  יבצע הערכה של רמת מוכנותו בכל המימדים, יבין באיזה שלב בגרות הוא נמצא, ויפעל לשיפור נקודות החולשה כדי להבטיח את הצלחת הטמעת טכנולוגיה חשובה זו. המיצוב התחרותי של הארגון בשנים הקרובות ייקבע במידה רבה ע"י הצלחתו ביישום ה AI.