בשנים האחרונות אנחנו רואים בעולם העסקי התקדמות מרשימה מפתרונות של בינה עסקית (BI) לפתרונות חדשניים של בינה מלאכותית (AI) המאפשרים למידת מכונה, אנליטיקה מתקדמת וחיזוי המבוססים על ביג דאטה. בכנס STKI האחרון פורסם כי 86% מהארגונים נמצאים בעולמות ה-Data science. מתוכם, 27% נעזרים בספקים חיצוניים ו-59% מעסיקים Data scientist אחד לפחות. יחד עם זאת, אנו מודעים לכך שלארגונים בינוניים וגדולים (Enterprise) מסקטורים שאינם טכנולוגיים במהותם, כמו פיננסים, שירותים וקמעונאות, יש אתגרים ייחודיים במעבר מ-BI ל-AI.
האתגר הייחודי של ארגונים בינוניים וגדולים
ארגונים בינוניים וגדולים השואפים לשלב חדשנות על מנת להשיג עליית מדרגה אבולוציונית בשימוש בדאטה, לרוב מחזיקים במקביל גם תשתיות ומערכות מידע ותיקות (Legacy) ומערכות שפותחו במשך השנים לאור צרכים שעלו ואשר נבנו עבורם פתרונות ייעודיים.
בנוסף למגוון המערכות, קיים גם גיוון אנושי שיש לקחת בחשבון בשל המשכורות הגבוהות והתנאים המופלגים אשר מוצעים למומחים מובילים בתחום הדאטה בסטארטאפים. ארגונים אחרים מתקשים להתחרות בסטארטאפים על כוח האדם הזה ולמצוא את האנשים המתאימים לפיתוח AI בתוך החברה.
פרויקט AI ממילא נתפס לרוב כיקר מאוד וכסוג של פרויקט מחקרי או ניסיוני. ההסתברות לכישלון גבוהה יחסית, ולא תמיד ברור מה תהיה התועלת העסקית והאם יהיה ROI חיובי. מנתונים שנאספו בשנתיים האחרונות עולה כי 85% מפרוייקטי ה-AI נכשלים ואינם מגיעים ל-Production. ה-ROI הממוצע הינו 1.3% בלבד(!) וזמן פרויקט ממוצע עד לקבלת ערך ראשוני הינו 17 חודשים. הסיכון הנתפס בהשקעה במערכות AI הוא אחד הגורמים לכך שארגוני Enterprise פעמים רבות מעדיפים פתרונות קיימים שכבר נוסו בהצלחה במקומות אחרים, בניגוד למשל לסטארטאפים שיש להם יותר "תיאבון סיכון". כתוצאה מחשש זה מפני כישלון (שלעתים מבוסס על ניסיון ממשי), ארגונים אלה עלולים לשלב פחות חדשנות.
אך פתרונות AI יש להתאים לצרכים הייחודיים של כל ארגון ואי אפשר לעשות "העתק – הדבק" בין ארגונים וחברות שונות. אי אפשר לקחת מוצר מדף מוכן שעבד במקום אחד ולצפות שיעבוד באותו אופן במקום אחר. הפתרון צריך להיבנות בהתאמה לארגון ולהתאים לצרכים הייחודיים שלו, תוך הבנת הבעיה העסקית, הניואנסים המיוחדים של הארגון, והדאטה הספציפית לו.
אז איך בכל זאת עושים צעד קדימה?
מענה טוב לאתגרים הללו ניתן למצוא בעבודה עם שותף חיצוני, בדגש על אסטרטגיה לניהול הסיכון וזיהוי הערכים הנלווים הנוספים שמביא השותף. השותף מביא ידע וניסיון מארגונים אחרים, ומביא אנשי מקצוע מעולים מחוץ לארגון שיעבדו לצד הצוותים הקיימים. שותף חיצוני טוב הוא כזה שנכנס לפרויקט מתוך כבוד לתרבות הארגונית, למשאבים ולמומחיות שכבר נצברו בארגון, ומכיר בכך שהעובדים הוותיקים מכירים הכי טוב את הדאטה ואת הצד העסקי.
שותף חיצוני מביא מבחוץ את שיטות העבודה והתפיסות החדשניות ביותר שאיתן עובדים היום בעולמות הסטארטאפים, ומתאים אותן לייחודיות של הארגון, כדי באמת לעשות את ההתפתחות האבולוציונית הנחוצה. העבודה נעשית בשותפות אמיתית, כך שבסופו של דבר אפשר יהיה להשאיר את הבמה לעובדי הארגון בעלי הידע העסקי.
יתרון נוסף בשותפות היא היכולת של השותף להביא איתו מומחים בקנה מידה שכיום מאוד קשה למצוא ולגייס בשוק, משום שזו מומחיותו. לא מספיק לקחת מתכנת או מומחה דאטה, ההבנה העסקית חשובה כאן מאוד, ואנשי המקצוע הטובים בשוק שכבר עבדו בורטיקלים רבים, מביאים איתם את הניסיון והידע המתאימים.
איך בוחרים שותף מתאים למהלך?
יש מספר קריטריונים על פיהם כדאי לבדוק איזה ספק חיצוני הוא השותף המתאים ביותר למהלך:
- חשוב לבחור בגוף שרואה אתכם ומבין את המצב בו אתם נמצאים. מדובר באנשי מקצוע בעלי הבנה עסקית והכרות עם אוצר המילים והמונחים המקצועיים, שמבינים גם באנשים ובדינמיקה בארגונים, לא רק בטכנולוגיה.
- השותף יודע ומוכן לעשות תהליך עומק בצעדים קטנים עם תוצאות ביניים משמעותיות, שמוכיחות היתכנות כבר בדרך ומביאות ערך עסקי כבר בשלבי הביניים. זה מאפשר לכם למזער סיכונים ולהיכנס לתהליך עם יותר ידע וביטחון, כדי לקבל החלטות מושכלות ולצמצם את אי הוודאות.
- כשהשותף אינו מפיץ (ריסיילר) של אף חברה או טכנולוגיה, תפקידו להיות Trusted Advisor של הלקוח ומחויבותו היא ללקוח בלבד.
- שותף מתאים הוא שותף שיש לו את הידע והניסיון להתאים עבורכם את הפתרון הנכון ביותר לצורך של הארגון, מתוך מגוון הכלים והטכנולוגיות הזמינים בשוק, כולל החדשים והמתקדמים ביותר. שותף כזה לא יספר לכם שהפתרון שלו עבד בארגון אחר ולכן יעבוד גם אצלכם. לעיתים הפתרון שיציע יהיה ייחודי וראשוני לחלוטין, אך עשוי להיות מבוסס על פתרונות שנבנו ללקוחות אחרים – מה שיספק לכם יותר וודאות בתוך תהליך שיש בו הרבה אי וודאות.
- שותף בעל ניסיון משמעותי עם ארגונים רבים ומגוונים וטכנולוגיות מגוונות, מאפשר מצד אחד להישען עליו ועל הצוות שלו, ומצד שני הוא דואג לכל אורך הדרך להכשיר את אנשי הארגון במטרה להעביר אליהם את המושכות עם סיום הפרויקט.
בשורה התחתונה, ארגונים בינוניים וגדולים המבקשים לעשות את הצעד הבא בתחומי ה-AI והאנליטיקה, צריכים למפות את האתגרים הייחודיים להם בתחום הדאטה ולקבל החלטה אסטרטגית האם מבססים את הפרויקט על צוות פנימי בלבד או משלבים צוות פנימי עם שותף חיצוני. גם את תהליך המיפוי וקבלת ההחלטות אפשר ורצוי לעשות עם ליווי של אנשי מקצוע, אותם כדאי לבחור בהתאם לקריטריונים שהובאו כאן.
