רוב הערכות המוכנות ל-AI בנויות כדי למכור לכם את ההערכה הבאה. הן מדרגות את הארגון על פני שבעה או שמונה צירים, מוסרות לכם רמת בשלות, ומסיקות שיש לכם פערים לסגור לפני שתוכלו להתחיל. המסגור הפוך. אתם לא צריכים להיות מוכנים ל-AI באופן כללי. אתם צריכים להיות מוכנים לתהליך אחד ספציפי, וזו שאלה קטנה וניתנת למענה הרבה יותר.
ב-Kindway אנחנו מריצים את ההערכות האלה כשלב הראשון לפני שאנחנו בונים משהו. הגרסה שמובילה להחלטות מועילות כמעט אינה דומה לתרגיל דירוג הצירים שתמצאו ברוב המדריכים. הנה מה שבאמת מנבא אם פרויקט AI יעבוד, ואיך לבדוק זאת לפני שמוציאים כסף.
למה באמת משמשת הערכת מוכנות ל-AI
המטרה של הערכת מוכנות ל-AI היא לענות על שאלה אחת: אם נפעיל סוכן AI על המשימה הזו, האם זה יעבוד, והאם מישהו ישים לב אם כן. כל השאר הוא הקשר. ציון מוכנות של “רמה 3 מתוך 5” לא אומר לכם שום דבר שאפשר לפעול לפיו. לדעת שצוות התמיכה שלכם עונה על אותן שתים עשרה שאלות כל היום, שהתשובות האלה כתובות, ושאפשר למדוד זמן פתרון – זה אומר לכם הכל.
מוכנות אינה תכונה של החברה שלכם. היא תכונה של המשימה הספציפית שאתם רוצים שה-AI יעשה. עסק עם נתונים מבולגנים וללא אסטרטגיית AI יכול עדיין להפעיל ביום הראשון סוכן WhatsApp שעונה על שעות פתיחה וסטטוס הזמנה. עסק עם צוות מדעני נתונים וועדת ממשל יכול עדיין לא להשיק שום דבר שימושי במשך שנה. כרטיס הניקוד ברמת הארגון מפספס את זה לגמרי.
מלכודת מודל הבשלות
ההערכה הסטנדרטית בוחנת אסטרטגיה, תשתיות נתונים, תשתית, כוח אדם, ממשל ותרבות, ואז ממצעת אותם לכדי ציון. זה נראה יסודי. זה בעיקר מייצר חרדה ושעות ייעוץ.
שתי בעיות. ראשית, הצירים משוקללים כאילו הם חשובים באותה מידה לכל מקרה שימוש, וזה לא נכון. עבור סוכן שירות לקוחות ממוקד, בשלות ממשל הנתונים כמעט לא רלוונטית וגישה לתוכן ה-FAQ היא הכל. שנית, מודל בשלות מרמז על רצף: תקנו את הצירים החלשים, ואז תתחילו. הרצף הזה הוא הדרך שבה פרויקטי AI מתים בשלב ההערכה. אתם מבלים תשעה חודשים על בניית פלטפורמת נתונים לפני שהשקתם משהו שנוגע בלקוח.
הצוותים שמצליחים הופכים את זה. הם בוחרים תהליך, מפעילים עליו עם המוכנות שיש להם, ונותנים לפרויקט לחשוף את הפערים שבאמת חשובים. תלמדו יותר על איכות הנתונים שלכם בשבועיים של פילוט בעולם האמיתי מאשר בחודשיים של בדיקה.
העריכו את התהליך, לא את הארגון
החליפו את הסקר הארגוני הרחב בשאלה אחת שחוזרת על פני תהליכים מועמדים: מה יידרש כדי שסוכן AI יעשה את העבודה הזו היטב. הריצו אותה מול שלושה או ארבעה תהליכים אמיתיים והפרויקט הראשון הנכון בדרך כלל יהפוך לברור.