הבינה המלאכותית - טכנולוגיה או טרנספורמציה

ערך: אריה עמית

מקור: BAIN & COMPANY

21.09.2025

---

השקת ChatGPT על ידי OpenAI בשנת 2022 הייתה נקודת הזינוק לשיבוש חד פעמי בדור, שרק מתחיל לעצב מחדש את אופן פעולתו של העולם. למרות הפוטנציאל הטרנספורמטיבי של בינה מלאכותית להגדיר מחדש כל תעשייה, רוב החברות נותרות תקועות במצב של ניסויים. רבעון אחר רבעון, סקר של חברת ביין בקרב ארגונים מספר את אותו הסיפור: פחות מ-20% הגדילו את מאמצי הבינה המלאכותית היצירתית שלהם בצורה משמעותית כלשהי.

עולם העסקים תקוע.

רבות מהסיבות לקיפאון הזה מוכרות לנו: טכנולוגיה שהוטמעה ללא קשר ברור לתוצאות עסקיות, פיילוטים חסרי מיקוד, ושפע עצום של מקרי שימוש ללא סדרי עדיפויות על פני היקף יכולות הבינה המלאכותית העצום. אבל בלב העניין טמונה בעיה שקל לאבחן וקשה לתקן: רוב הארגונים מתייחסים לבינה מלאכותית גנרטיבית כאל פריסת טכנולוגיה ולא כאל טרנספורמציה עסקית.

בניגוד ליישומי  טכנולוגיה קודמים, בינה מלאכותית מהדור החדש אינה יוצרת ערך באמצעות אימוץ בסיסי. החזר השקעה (ROI) נובע מתכנון מחדש של האופן שבו עבודה מתבצעת וכיצד חברה מתחרה. וזה דורש משהו עמוק יותר: עיצוב מחדש של העסק עם בינה מלאכותית בליבתה.

במקום זאת, חברות רבות נופלות למה שמכנים "מלכודת המיקרו-פרודוקטיביות" - ריבוי של הוכחות היתכנות ומקרי שימוש מבודדים המספקים רווחי יעילות צנועים ומקומיים אך אינם מצליחים להתרחב. כלים נפרסים. הדגמות מרשימות. אבל התוצאות לעולם לא מתממשות.

עבור חברות שכבר נמצאות עמוק בתוך ניסויים, האתגר אינו התחלה; אלא התחלה מחדש. איפוס מחדש פירושו צעד אחורה ולשאול: האם אנו מתמקדים בתוצאות או בפעילויות? האם אנו מתפשטים יתר על המידה? האם אנו בונים את הכוח הדרוש לקנה מידה גדול?

מנהיגות מלמעלה למטה

זה נשמע מובן מאליו, אבל, זוהי נקודת ההתחלה הקריטית שחברות ודירקטוריונים רבים לא התחייבו אליה במלואה: מנהיגות חשובה. טרנספורמציה של בינה מלאכותית מתחילה ומצליחה ברמת המנהלים.

ניסויים מקומיים בכלי בינה מלאכותית מעוררים חדשנות ומומנטום תרבותי, אך הם אינם מתארגנים מעצמם להשפעה כלל-ארגונית. ללא הנחיה ברורה מלמעלה, מאמצים אלה נותרים מקוטעים, מבודדים ובסופו של דבר רדודים. זאת מכיוון שצוותי הפיתוח זקוקים לאישור והגנה ממנהליהם כדי לאמץ שינוי בסדר גודל כזה.

החברות המתקדמות אמיתית משלבות בינה מלאכותית מדורגת בלב האסטרטגיה שלהן, כאשר השאפתנות תואמת את האחריות של הנהלת החברה. הן מציבות שאיפות נועזות המבוססות על אסטרטגיית עסקית. הן מנסחות נקודת מבט ברורה לגבי האופן שבו בינה מלאכותית תעצב מחדש את התעשייה שלהן וכיצד הן מתכוונות להוביל, והן קובעות את הטון מלמעלה.

חברות אחרות נוקטות בצעדים כדי להפוך את הטרנספורמציה של בינה מלאכותית לעדיפות אסטרטגית ותרבותית. חלקן כותבות מחדש מערכות תמריצים ומטמיעות יעדים הקשורים לבינה מלאכותית בסקירות ביצועים, מבני בונוסים וקריטריונים לקידום. אחרות משיקות יוזמות רחבות היקף להעצמת מיומנויות - קורסים, תחרויות ותוכניות למידה - כדי לבנות שליטה בבינה מלאכותית בין פונקציות שונות.

אבל קו הבסיס ברור: בחברות שעושות התקדמות אמיתית, צוותי ההנהלה מעורבים באופן מעשי - קובעים את סדר היום, מחזקים את החזון, משתמשים בבינה מלאכותית בעצמם, והופכים את אימוץ הבינה המלאכותית לעדיפות ברורה וגלויה. חסות אינה ביצועית; היא אקטיבית, מכוונת וקשורה לתוצאות.

מניסויים לטרנספורמציה ארגונית

פחות הימורים גדולים יותר

שאפתנות היא הכרחית אך לא מספיקה. בינה מלאכותית פותחת אפשרויות רבות. החברות המצליחות ביותר עושות הימורים ממוקדים ומבוססים ומתנגדות לדחוף ולהפיץ בינה מלאכותית בכל מקום ללא תוצאות אמיתיות וספציפיות בראשן.

במקום זאת, הם מזהים ארבעה עד חמישה תחומים קריטיים - אשכולות של מקרי שימוש בעלי השפעה גבוהה הקשורים זה בזה - ומרכזים שם את מאמצי הטרנספורמציה שלהם.

ניווט בדרך זו בשיבוש הבינה המלאכותית הוא גם חכם מבחינה אסטרטגית וגם מהותי מבחינה כלכלית. בתעשיות השונות, רואים קומץ תחומים שבהם יתרון תחרותי יושג או יאבד. בתחום הטכנולוגיה, מדובר במחזור החיים של פיתוח תוכנה. בתחום הבריאות, מדובר בגילוי תרופות, ניהול רגולטורי ומעורבות מטופלים. במוצרי קמעונאות וצריכה, מדובר בתחומים כמו התאמה אישית, יצירת תוכן, תמחור דינמי וחיזוי ביקוש. אלו לא רק הזדמנויות; הן קו החזית של טרנספורמציה בתעשייה.

וחשוב מכל, תחומים אלה אינם מקרי שימוש עצמאיים; הם מערכות עבודה. מחזור החיים של פיתוח תוכנה, לדוגמה, כולל יותר מ-40 מקרי שימוש נפרדים. עם פחות ממחצית מזמן המפתחים המושקע "עם הידיים על המקלדת", שיפורים משמעותיים בפריון דורשים שינויים מתואמים בעיצוב, בדיקות, סקירת קוד ותכנון.

מכירות B2B הן דוגמה נוספת: מקרה שימוש אחד לעיתים רחוקות מספק השפעה ממשית, משום שעבודת הכניסה לשוק מקוטעת על פני עשרות מיקרו-משימות. שחרור זמן רב יותר של צוותים מסחריים מול לקוחות והמרה גבוהה יותר דורש חיווט מחדש שיטתי של כל מחזור חיי המכירות, החל מיצירת לידים ועד להצעת מחיר וסגירת עסקה.

טרנספורמציה מתרחשת כאשר ארגונים חושבים במונחים של תחומים שמניעים יתרון תחרותי והחזר השקעה אמיתי, ולא פתרונות נקודתיים. החברות שמצליחות לא מנחשות. הן עושות את העבודה הקשה מראש: הגדרת התחומים הנכונים, קביעת השערות ערך מלמעלה למטה, ובניית המנגנונים למדידה, ניהול והרחבה של חידוש לאורך זמן.

עיצוב מחדש של התהליך מהיסוד

אי אפשר להפוך את הדרך לטרנספורמציה לאוטומטית. צריך לחשוב מחדש על העבודה עצמה.

השפעה אמיתית של בינה מלאכותית דורשת תכנון תהליכים מפורט מהרמה ההתחלתית: מיפוי היכן נמצאים היום ("נקודת המוצא") ודמיון מחדש כיצד העבודה יכולה לפעול עם בינה מלאכותית משובצת מהיסוד ("נקודת ההגעה").

לא מדובר כאן על הוספת כלים לתהליכי עבודה שגויים. אלא, על בניית תהליכים חדשים לחלוטין עם בינה מלאכותית מדור חדש בלבם. דווקא עיצוב מחדש של התהליך - ולא הטכנולוגיה - הוא זה שיוצר את רוב הערך.

עבודה זו דורשת הבנה מפורטת של תהליכי עבודה של ימינו, ודמיון ומחויבות לבנות אותם מחדש מהיסוד. זה מה שמבדיל בין רווחים שוליים לבין ביצועים של שינוי מהותי.

מודל תפעולי שמביא לשינוי

כל מה שתואר לעיל הוא קשה: קביעת סדרי עדיפויות אסטרטגיים, קביעת יעדים ספציפיים לעתיד, מיפוי תהליכים מפורט, פריסת טכנולוגיה חכמה, שינוי התנהגות וממשל. בעוד שתוצאות, ולא כלים, חייבות להישאר בלב השינוי, הטכנולוגיה, הנתונים והיסודות הבסיסיים חיוניים באותה מידה. כל אלה דורשים ניתוח קפדני, פשרות מושכלות והחלטות אדריכליות שלא ניתן לבטלן בהמשך.

המנהלים פועלים בשתי מהירויות - ריצה ושינוי. פונקציות עסקיות ממלאות תפקידים בשניהם, תוך התמקדות בשישה תחומים קריטיים:

• תהליך מקצה לקצה. התבוננות מעבר למגוון רחב של תהליכים כדי לדמיין מחדש כיצד מקורות ערך מרכזיים משיגים יעדים אסטרטגיים וכלכליים.

• גיוס של צוותי פתרונות . יש לוודא שצוותי הפתרונות מיועדים לבדיקות ולהרחבה, עם צעדים ברורים להסרת מחסומים ושחרור כספים.

• תשתית נתונים וממשל . התמקדו במאמצי נתונים והשקעות במה שמביא את הערך הרב ביותר, ולא בתיקונים מקיפים. בניית יכולות לניהול נתונים לא מובנים וסינתטיים, ובניית ממשל חזק כדי להבטיח איכות, שימוש חוזר והתאמה לסדרי עדיפויות עסקיים.

• קנה מידה. התחייבו להרחבת שינויים במהירות וביעילות בכל תחומי הפעילות, בהתאם ליחידת ההרחבה (טריטוריות, מפעלים, לקוחות וכו').

• אימוץ. בהיה ותחזקה של משובים, כגון דיווחי מעקב שבועיים, כדי לתמוך בצוותי הפתרונות בהרחבה ובנראות.

• בניית שותפויות עסקיות וטכנולוגיות . ברחבי הארגון, הגברת הנראות של פלטפורמות מאפשרות, הזדמנויות לשימוש חוזר וממשל מתאים.

סוג זה של טרנספורמציה, המתמקדת בשינוי העסק, חייב להפוך למאפיין קבוע ומגדיר של הארגון המודרני. ככל שהשיבוש של הבינה המלאכותית מואץ, חברות יצטרכו לאזן באופן מתמיד בין יעדי "ניהול העסק" ליעדי "טרנספורמציה עסקית", לעתים קרובות בו זמנית.