לפני כמה שנים עבדתי עם חברת תקשורת בינלאומית שבנתה מודל שנראה נכון מאוד לאימוץ AI, בצורה רחבה בארגון. צוות AI מרכזי אפשר ליחידות העסקיות השונות ליזום ולבנות Use Cases בעצמן. הוא אסף רעיונות, חיבר בין היחידות לספקים המתאימים ועזר להוציא יוזמות לפועל. בתוך שנה נבנו יותר מעשרה Use Cases. חלקם יצרו אימפקט אמיתי לפירמה.
אבל אז התגלתה הבעיה. כל פתרון נבנה כמעט כאי בפני עצמו: דאטה אחר, הגדרות אחרות, Agents אחרים, חיבורי מערכות שונים ומנגנוני אבטחה ובקרה שונים. מה שעבד מצוין עבור עשרה פיילוטים, הפך לסיכון ולתקורה תפעולית עצומה כשניסו לעשות Scale. בשנה שלאחר מכן החברה כבר לא עסקה בעיקר בבניית Use Cases חדשים; היא עסקה בלחבר את מה שכבר נבנה…
זו בעיניי אחת התובנות החשובות ביותר עבור ארגונים היום: האתגר הגדול ב-AI כבר אינו להצליח בפיילוט. האתגר הוא להצליח בפיילוט ה-20, ה-50 וה-100 — בלי להתחיל בכל פעם מחדש. POC אפשר לבודד: צוות אחד, בעיה אחת, דאטה מוגדר ואינטגרציה נקודתית. אבל כשעשרות צוותים עושים זאת במקביל, נוצרים מהר מאוד “איים של AI”. והעלות שלהם אינה רק טכנולוגית. צוותי הפיתוח מתחילים להשקיע שוב ושוב בהרשאות, אינטגרציות, אבטחה, בדיקות, ניטור ותחזוקה – במקום ביצירת הערך העסקי הבא.
אצל לקוח Retail אחר ראיתי גישה הפוכה. שם הוקם CoE שבנה שכבת AI מרכזית אחת, וכל יוזמה חדשה הייתה צריכה לא רק לפתור בעיה עסקית, אלא גם להשאיר אחריה משהו שהארגון יוכל להשתמש בו שוב. כל נכס מידע, Skill או Agent – ניתן לשימוש חוזר. כל יכולת תשתיתית, מנגנון אבטחה או בקרה. וכך כל Use Case הוא גם מייצר ערך עסקי בפני עצמו, וגם עוד לבנה בתשתית הארגונית. זה מאפשר Scale by design, לא בדיעבד.
היום שאחרי הפיילוט
אחרי שלב הפיילוטים, אני חושב שארגונים צריכים לשנות את צורת החשיבה: במקום לשאול רק “איזה פתרון AI נפתח עכשיו?”, צריך לשאול: “איך הפתרון הבא שאנחנו מפתחים הופך את הפתרון שאחריו למהיר, פשוט ובטוח יותר?”.
זה דורש שילוב של שלושה דברים: תשתית AI משותפת; מודל הפעלה ברור שמגדיר איך עוברים מרעיון ל-Production; ו-Ecosystem מודולרי שמאפשר להשתמש בטכנולוגיה הטובה ביותר בכל רגע — בלי לבנות מחדש את כל הסביבה.
החלק האחרון חשוב במיוחד. אחד הלקוחות שלי בנה מערכת מתקדמת מאוד ליצירת תמונות שיווקיות. היא ידעה לייצר באופן עקבי תמונות בשפה ובסגנון מאוד מסוימים, ואפשרה להשיק קמפיינים במהירות. מערכת מורכבת שחסכה עבודה בהיקף של כמעט מחלקה שלמה. ואז שוק יצירת התמונות התקדם בקצב מטורף. יכולות שדרשו מערכת מורכבת הפכו בתוך זמן קצר ל-Commodity. הפתרון עצמו איבד חלק גדול מהיתרון שלו.
אבל התשתית נשארה! החיבורים, מנגנוני העבודה, והיכולות שנבנו סביבה שימשו אחר כך ליישומים חדשים. וזו אולי הנקודה החשובה ביותר. בעולם שבו יכולת AI מתקדמת יכולה להפוך ל-Commodity בתוך חודשים, אסור לנו לבנות ארגון סביב פתרון ספציפי. צריך לבנות ארגון שמסוגל להחליף פתרונות, מודלים וכלים, ולהמשיך להתקדם.
לסיכום: הצלחה ב-AI לא תימדד במספר הפיילוטים שהצליחו. היא תימדד ביכולת הארגון להפוך כל Use Case מוצלח לתשתית עבור הבא אחריו.
