מדי שבוע אני משוחח עם בעלי עסקים שחוששים שהם נשארים מאחור. הם רואים את הכותרות על בינה מלאכותית גנרטיבית (Generative AI), הם שומעים את המתחרים שלהם מתהדרים באוטומציה, והאינסטינקט הראשון שלהם הוא לצאת ולגייס 'מומחה טכני'. הם מחפשים מפתח או מדען נתונים כדי לבנות אסטרטגיית AI ל-SME (עסקים קטנים ובינוניים) שתבטיח להם הצלחה.
אני כאן כדי לומר לכם שזו טעות.
מהניסיון שלי בניהול עסק אוטונומי לחלוטין המבוסס על AI-first, זיהיתי דפוס חוזר: המעברים המוצלחים ביותר ל-AI אינם מובלים על ידי האדם שיודע לכתוב ב-Python. הם מובלים על ידי האדם שיודע בדיוק איפה 'קבורים הכלבים' בגיליונות האקסל שלכם. הם מובלים על ידי העובד שהקדיש עשר שנים לליטוש זרימת עבודה עד שהיא הפכה לטבע שני עבורו.
אנחנו נכנסים לעידן של צינור 'מיומנות-לסוכן' (Skill-to-Agent Pipeline). זהו התהליך שבו חברי הצוות המנוסים ביותר שלכם מפסיקים לבצע את העבודה ומתחילים לתכנן (Architecting) את ה-AI שיבצע אותה עבורם. אם אתם רוצים לנצח, אתם לא צריכים מתכנת. אתם צריכים שמומחה התהליכים הטוב ביותר שלכם יהפוך לארכיטקט ה-AI החדש שלכם.
פער מיצוי המומחיות
💡 רוצה שפני תנתח את העסק שלך? היא ממפה אילו תפקידים בינה מלאכותית יכולה להחליף ובונה תוכנית מדורגת. התחל את תקופת הניסיון בחינם →
רוב העסקים סובלים ממה שאני מכנה פער מיצוי המומחיות (Expertise Extraction Gap). זהו המרחק בין 'תחושת הבטן' של עובד בכיר לבין תהליך מתועד שמכונה (או אדם אחר) יכולה לבצע.
במשך עשורים השלמנו עם הפער הזה. קיבלנו את העובדה ש'דוד הוא היחיד שיודע איך לטפל בהתאמות המס הרבעוניות' או ש'שרה היא היחידה שבאמת מבינה את טון הדיבור שלנו בשירות הלקוחות'. זה יוצר צוואר בקבוק אדיר. כשדוד בחופשה, התהליך נתקע. כששרה עוזבת, המותג מאבד את נשמתו.
תוכנות מסורתיות ניסו לגשר על הפער הזה באמצעות לוגיקה נוקשה ופיתוחים מותאמים אישית ויקרים. אבל ה-AI משנה את המשוואה. מודלי שפה גדולים (LLMs) לא זקוקים לקוד נוקשה; הם זקוקים להקשר (Context), ניואנסים ולוגיקה.
למי יש את ההקשר הזה? לא ליועץ חיצוני. גם לא לעובד טכני חדש. אלו דוד ושרה. בהשוואה נכונה בין AI ליועץ, תגלו שהמכשול ה'טכני' הוא למעשה החלק הקטן ביותר בבעיה. העבודה האמיתית היא מיצוי המומחיות.
מדוע 'הנדסת פרומפטים' היא למעשה 'הנדסת תהליכים'
יש הרבה רעש סביב 'הנדסת פרומפטים' (Prompt Engineering). אנשים מתייחסים לזה כאל שפה סודית או לחש קסם. זה לא.
כתיבת פרומפטים היא פשוט הפעולה של הסברת תהליך עסקי בבהירות כה גבוהה, עד שמכונה יכולה לבצע אותו ללא דופי. אם 'מומחה התהליכים' שלכם אינו יכול להסביר את עבודתו ל-AI, זה בדרך כלל בגלל שאין לו באמת תהליך – יש לו סדרה של הרגלים.
זו הסיבה שמומחה התהליכים הטוב ביותר שלכם הוא ארכיטקט ה-AI הטוב ביותר שלכם. הוא מבין את מקרי הקצה. הוא יודע ש'אם הלקוח נמצא באיחוד האירופי, אנחנו מחילים את כלל X, אבל אם מדובר בלקוח ותיק מלפני 2019, אנחנו מחילים את כלל Y'.
מפתח עלול לפספס את הניואנסים הללו. מומחה תהליכים חי אותם. כשאתם מעניקים לאותו מומחה את הכוח לבנות 'סוכן' (Agent - בינה מלאכותית ייעודית המוגדרת לביצוע תפקיד ספציפי), אתם לא רק מבצעים אוטומציה; אתם משכפלים את האדם הטוב ביותר שלכם.
צינור 'מיומנות-לסוכן': מסגרת עבודה ב-4 שלבים
פיתחתי מסגרת עבודה למעבר הזה. אני קורא לה צינור 'מיומנות-לסוכן'. כך מעבירים מיומנות אנושית ממשימה ידנית לנכס אוטונומי.
1. תצפית (שלב הביקורת)
הפסיקו לנסות 'לעשות AI' בכל העסק בבת אחת. התחילו בתצפית היכן העובדים היקרים ביותר שלכם מבצעים עבודה קוגניטיבית חזרתית. אני מדבר על הזנת נתונים, מחקר ראשוני, ניסוח מיילים או בדיקת תאימות (compliance). עיינו במדריך החיסכון בשירותים מקצועיים שלנו כדי לראות היכן העלויות הללו מסתתרות בדרך כלל.
2. פירוק (שלב הלוגיקה)
בקשו מהמומחה שלכם לשבת ולכתוב כל החלטה קטנה (micro-decision) שהוא מקבל במהלך המשימה.
- מהו הדבר הראשון שהוא בוחן?
- מה גורם לו לומר 'לא' לליד?
- אילו ביטויים ספציפיים הוא מחפש בחוזה? זהו 'מיצוי' המומחיות.
3. הנחיה (שלב הארכיטקטורה)
תרגמו את הלוגיקה המפורקת לסדרת הוראות עבור סוכן AI. אתם לא 'מקדדים'; אתם 'מנחים'. אם המומחה יכול להסביר זאת למתמחה זוטר, הוא יכול להסביר זאת ל-LLM (כמו ChatGPT או Claude).
4. חזרה (שלב הליטוש)
הפעילו את הסוכן לצד הגורם האנושי. האדם הופך ל'עורך ראשי'. הוא לא מבצע את העבודה; הוא סוקר את התוצרים של ה-AI ומדייק את ההוראות עד שה-AI מגיע לשיעור הצלחה של 95%.
כלל ה-90/10 של הניהול המודרני
ככל שתטמיעו את צינור ה'מיומנות-לסוכן', תיתקלו בהכרח במה שאני מכנה כלל ה-90/10.
כלל זה קובע שכאשר AI מטפל ב-90% מפונקציה מסוימת, עליכם לשאול את עצמכם: האם ה-10% הנותרים מצדיקים משרה מלאה, או שזו אחריות שמתמזגת לתוך תפקיד אחר?
זוהי המציאות הלא נוחה של אסטרטגיית AI ל-SME אפקטיבית. זה לא רק עניין של 'יעילות' – זה עניין של ארגון מחדש. אם סוכן AI יכול לטפל ב-90% מכרטיסי התמיכה ב-IT שלכם, אינכם זקוקים עוד למוקד תמיכה ייעודי באותו קנה מידה. אתם עשויים לגלות שעלויות תמיכת ה-IT שלכם צונחות ב-80% כיוון ש'איש ה-IT' שלכם עבר מ'מתן מענה לכרטיסים' ל'ניהול ה-AI שעונה לכרטיסים'.
מעבר ממנהל לאוצר (Curator)
השינוי התרבותי הוא החלק הקשה ביותר. העובדים שלכם עלולים להרגיש שעל ידי בניית הסוכנים הללו, הם 'מייצרים אוטומציה שתוציא אותם מהעבודה'.
במציאות, הם משדרגים את עצמם. הם עוברים מלהיות פועלים (מישהו שמבצע משימה) ללהיות אוצרים (מישהו שמנהל את האיכות והלוגיקה של צי סוכנים).
בעסק שלי, אין לי צוות שיווק. יש לי לוגיקת שיווק שהטמעתי בתוך סוכנים. אני האוצר. אני קובע את האסטרטגיה, והסוכנים מבצעים. אם קמפיין נכשל, אני לא מפטר אדם; אני מעדכן את ההוראות בצינור העבודה. זוהי גישת ה-'Skin in the Game' לבינה מלאכותית – שימוש בה כדי לנהל עסק רזה ומהיר יותר ממה שכל סוכנות מסורתית יכולה לחלום עליו.
צעדים מעשיים לבעלי עסקים (SMEs)
אם אתם רוצים להתחיל היום, עשו זאת:
- זהו את ה'עוגן' שלכם: מי האדם שהיעדרותו גורמת לחיכוך הגדול ביותר בזרימת העבודה שלכם?
- תנו להם מנדט של 'בונים': אמרו להם שהמטרה שלהם ל-90 הימים הקרובים היא לא רק לבצע את עבודתם, אלא לתעד ולדיגיטציה של עבודתם לתוך סוכן AI.
- מדו את 'ערך המומחיות': אל תמדדו רק זמן שנחסך; מדדו כמה עבודה נוספת ברמת 'מומחה' מתבצעת מבלי שהמומחה יצטרך לגעת בה.
הפסיקו לחפש את 'מומחה ה-AI' בלוחות הדרושים של LinkedIn. הם כבר יושבים במשרד שלכם, כנראה מתוסכלים מתהליך ידני שהם ביצעו אלף פעמים. תנו להם את הכלים לשכפל את המומחיות שלהם, ותגלו שהעסק שלכם פועל במהירות שלא חשבתם שהיא אפשרית.
בינה מלאכותית אינה מהפכה טכנולוגית; היא מהפכת תהליכים. והאנשים שבבעלותם התהליך תמיד יהיו אלו שבבעלותם העתיד.