כך חברות שנבנו סביב בינה מלאכותית הופכות תהליכי עבודה ליכולת תפעולית

הדוח האחרון של OpenAI, מגמות בארגונים, מראה שהבינה המלאכותית בארגונים עוברת מסיוע לביצוע בקצבים שונים בתכלית. חברות בחזית (אלה שבעשירון העליון של השימוש בבינה מלאכותית) מייצרות כיום פי 8.3 טוקני פלט למשתמש פעיל לעומת חברות טיפוסיות, בהשוואה לפי 2.6 בינואר. הפער המתרחב מעיד על שינוי תפעולי עמוק יותר: חברות מובילות מחברות סוכנים להקשר ולכלים הארגוניים, מאצילות להם עבודה משמעותית יותר ומקלות על החזרה על תהליכי עבודה מוצלחים.

מבחינת מנהלים, האתגר הוא לתרגם את עומק השימוש הזה לעבודה שאפשר לסמוך עליה, למדוד ולשפר. על מנהלים גם להשאיר מקום להתנסות, לרבות בשימושים שהערך שלהם אינו ברור כבר בניסיון הראשון.

חברות ההזנק Basis⁠(נפתח בחלון חדש), Clay⁠(נפתח בחלון חדש) ו-Exa Labs⁠(נפתח בחלון חדש) שילבו סוכנים בקליטת עובדים, בניהול לקוחות ובהרחבת אקוסיסטם המפתחים. תהליכי העבודה שלהן שונים, אך אפשר ללמוד מההתקדמות שלהן: מלמדים סוכן תהליך קבוע, מספקים לו הקשר שנשמר גם כשהעבודה משתנה, ואז מאפשרים לו להפוך הזדמנויות לפעולות שנבדקו.

יחד, הדוגמאות האלה מראות איך צוותים יכולים לשלב סוכנים בעבודה המוכרת להם ולשפר את התהליך לאורך זמן.

קליטת עובדים הייתה מאז ומתמיד תהליך מסורבל למעסיקים ולעובדים כאחד. ב-Basis, המפתחת סוכני בינה מלאכותית למשרדי רואי חשבון, תהליך הקליטה ביום הראשון נמשך כעת 30 דקות במקום שעתיים, ומפנה לצוות משאבי האנוש יותר זמן לתרבות הארגונית ולתמיכה.

ביום הראשון העובדים מקבלים גישה מיידית ל-Codex ולמיומנות קליטה ייעודית לחברה (מערך רב-פעמי של הוראות ומשאבים לתהליך עבודה מסוים). Codex מקבל את פניהם, מציג מושגי מפתח בחברה ומשתמש במחשב שלהם כדי להשלים את הגדרת האינטגרציות ברקע. כשעולות שאלות חוזרות או מתגלים מקרים חריגים, צוות משאבי האנוש יכול לעדכן את המיומנות לפני מחזור הקליטה הבא.

Basis הדגימה את תהליך הקליטה פעם אחת, ואז הפכה אותו למיומנות לשימוש חוזר עם תנאי הפעלה ברור, שלבים ידועים, גישה לכלים המתאימים והגדרה ברורה של ״הושלם״. התהליך כבר אינו תלוי בזמינות של אדם אחד, ובכל זאת הצוות יכול להתערב במקרים חריגים או בשאלות מורכבות. תהליך הקליטה כעת עקבי יותר, ניתן לחזרה וקל יותר לשיפור, והעובדים החדשים מקבלים מיד דוגמה מעשית לעבודה עם בינה מלאכותית.

Clay, המפתחת מנוע הכנסות בעל יכולת למידה עצמית לצוותי go-to-market, מתמודדת עם אתגר מוכר במכירות: מידע חיוני להבנת עסקאות מפוזר בין רשומות CRM, דוא״ל, Slack, שיחות, מצגות, הודעות טקסט ושיחות עם צוותים פנימיים ועם אנשי מפתח התומכים במוצר אצל הלקוח.

כדי לשמור על ההקשר הזה מעודכן, אחת ממהנדסות ה-GTM של Clay ניסתה גישה טובה יותר: סביבת עבודה קבועה וסוכן משנה ייעודי לכל לקוח. כל סוכן משנה סוקר מקורות ראשוניים ומעדכן את תיקיית העסקה שלו במהלך הלילה. בכל בוקר, סוכן מתאם הופך את העדכונים מכל הלקוחות שבאחריותה לרשימה קצרה של פעולות בעדיפות גבוהה: לענות על שאלה של לקוח שנותרה פתוחה, להשלים חוסר בהרכב ועדת הרכש או לתת ללקוח פוטנציאלי סיבה לחדש את הקשר.

לפי Clay, תהליך העבודה חוסך לה כשעה של מיון ותעדוף הודעות בכל ערב. סדר העדיפויות היומי עוזר לה להשלים את הפעולות הקטנות שהשפעתן עשויה להצטבר לאורך מחזור מכירה ארוך לארגונים. המידע התומך נשאר צמוד לכל המלצה, כך שאנשי המכירות יכולים לבדוק את המקורות הראשוניים לפני שהם פועלים. ארגונים יוכלו להרחיב את הגישה להקשר המשותף הזה למנהלי לקוחות, לנציגי פיתוח עסקי, למהנדסי פתרונות ולמנהלי מכירות, בכפוף להרשאות הקיימות לגבי כל לקוח.

Clay מראה מה נחוץ כדי להרחיב עבודה שמשתנה לאורך זמן: מבנה עקבי, תדירות עדכון מועילה, מידע תומך משותף ושיקול דעת אנושי ברגע הפעולה.

Exa Labs, המפתחת תשתית לחיפוש ברשת עבור סוכני בינה מלאכותית, רוצה להנגיש את ה-API שלה לחיפוש בכל מקום שבו מפתחים עשויים להיעזר בו. הצוות מכנה את היעד הזה ״Exa בכל מקום״. בעבר, כדי לקדם אותו נדרשו צוותי קשרי המפתחים וניהול הלקוחות לעקוב אחר מאגרי קוד ואחר האקוסיסטם הרחב, לזהות אינטגרציות מבטיחות, לאסוף מידע רלוונטי ולתאם עבודה בין מערכות. אף שההזדמנויות היו מגוונות, הדרך מגילוי ליישום התנהלה לפי רצף קבוע. Exa הפכה את הרצף הזה לתהליך עבודה מוגדר עבור Codex, עם סדר עדיפויות ברור, גישה למקורות הדרושים ובדיקה אנושית לפני כל שחרור.

Codex מאתר כעת הזדמנויות לאינטגרציה בעדיפות גבוהה, אוסף את ההקשר הרלוונטי, יוצר בקשות משיכה, מריץ בדיקות ומכין עדכונים שבועיים בעזרת מקורות כמו Slack ו-Notion. כשמתאים, הוא יכול גם לנסח טיוטה לשלב הבא, לרבות הודעה ראשונית, לבדיקת הצוות. תהליך העבודה מקדם הזדמנות מסימן ראשוני לתוצר שנבדק, תוך צמצום העברות העבודה בין מחקר, הנדסה ותקשורת.

בני אדם עדיין מחליטים אילו הזדמנויות חשובות, אילו התחייבויות Exa צריכה לקבל על עצמה ואיך לנהל קשרים חיצוניים. בדיקות ונקודות בקרה מאפשרות לראות את עבודת הסוכן לפני שחרור התוצרים. תוצאות הבדיקות והבקרה האנושית יכולות להראות לצוות היכן להתאים את תהליך העבודה לפני ההרצה הבאה. ככל שהעבודה נעשית בעלת השלכות משמעותיות יותר, הרשאות, ראיות וסמכויות קבלת החלטות תופסות מקום מרכזי יותר בתכנון תהליך העבודה.

יחד, Basis, Clay ו-Exa מתרגמות למונחים תפעוליים את הדפוסים שאנחנו רואים לאורך הדוח ״מגמות בארגונים״. Basis הופכת תהליך מוכח למיומנות לשימוש חוזר. Clay מעניקה לסוכן את ההקשר ואת הרציפות הדרושים כדי לשמור על עדכניות של עבודה המתפתחת לאורך זמן. Exa מוסיפה כלים, בדיקות ובקרה כדי שסוכן יוכל להתקדם מסימן ראשוני לביצוע בגבולות מוגדרים. שלושתן הופכות את השיפור לחלק מתהליך העבודה: מקרים חריגים בקליטת עובדים מגלים היכן צריך ללטש מיומנות; פעילות חדשה אצל לקוחות ואימות מצד אנשי מכירות שומרים על עדכניות ההקשר של העסקה; ובדיקות ובקרה אנושית מחדדות את הגבולות לביצוע עתידי. כל אחת מתחילה במשימה מוגדרת ובמרחב מספיק להתנסות בה. חלוקת העבודה מתבהרת תוך כדי השימוש, והאחריות מתרחבת ככל שתהליך העבודה מוכיח את עצמו.

ככל שהפער מול החברות שבחזית מתרחב, מנהלים בארגונים צריכים לתת לעובדים מרחב לבחון תהליכי עבודה משמעותיים, למדוד הצלחה ולהפוך את הניסויים המוצלחים ביותר לשיטות עבודה שאפשר לחזור עליהן.

• בחרו תחום אחד שבו אפשר ליצור ערך משמעותי. התחילו בתהליך עבודה מקצה לקצה שמשלב יעד אסטרטגי, מערכות, העברות בין גורמים, בקרות והשלכות שאפשר למדוד. עליו לחזור בתדירות שמאפשרת ללמוד ממנו, ולהיות חשוב מספיק כדי להצדיק תכנון מחדש.

• הגדירו את התוצאה ואת הדרך למדוד אותה. קבעו מי נושא באחריות, מהו מדד הביצוע המרכזי (KPI), מהו קו הבסיס ומהם גבולות הפעולה. מדדו את עומק השימוש לפי משימות שהושלמו, הקשר וכלים שחוברו, מקרים חריגים ועומס הבקרה. מדדו את הערך לפי משך התהליך, איכות, עלות, הכנסות או סיכון. היקף הפלט יכול להעיד שאנשים מבקשים מהבינה המלאכותית לעשות יותר; תוצאות תהליך העבודה מראות אם יש לכך ערך.

• כתבו את הגדרת התפקיד של הסוכן. הגדירו מה מפעיל את העבודה, מהי התוצאה, אילו הקשר, כלים והרשאות נדרשים ועד כמה הסוכן צריך להתמיד בעבודה עד להשלמתה. פרטו אילו ראיות עליו להפיק ובאילו נקודות עליו לעצור לבדיקה אנושית.

• בנו סביב הסוכן את המערך האנושי. שתפו בתכנון את האנשים הקרובים ביותר לתהליך העבודה. הגדירו מי אחראי לתוצאה העסקית, ללוגיקה המקצועית, לגישה ולבקרות, להטמעה ולשימוש היומיומי. בחברות הזנק, תחומי האחריות האלה מרוכזים אצל אנשים מעטים; בארגונים, ככל שתהליך העבודה מתרחב, נדרשת הגדרה מפורשת של סמכויות קבלת ההחלטות.

• שתפו את ההתנסויות ואפשרו שימוש חוזר בתוצריהן. מחקר של OpenAI מצא כי שישה חודשים לאחר האימוץ, עובדים בתחילת דרכם שלחו 13 הודעות יותר בשבוע ממנהלים בכירים. תנו לעובדים מרחב לבחון שימושים חדשים, ואז תעדו את התהליך ואת הראיות שמאחורי מה שעובד וארזו אותם כמיומנויות, כתוספים או כסביבות עבודה משותפות. צ'אט, Work ו-Codex⁠(נפתח בחלון חדש) תומכים במצבי עבודה שונים: צ'אט לשאלות ולשיתוף פעולה מהיר, Work לעבודת ידע מרובת שלבים ולתוצרים מוגמרים, ו-Codex לביצוע טכני.

• יישמו את דפוס העבודה גם בהמשך. שמרו על ההקשר, ההרשאות, ההערכות, נקודות הבקרה, חלוקת האחריות, המדדים ומעטפת התמיכה שהוכיחו את עצמם, ואז יישמו אותם בתחום הבא שבו תרצו ליצור ערך. כל ניסוי חדש צריך לספק לצוות הבא נקודת פתיחה טובה יותר.