בינה מלאכותית לעסקים: מהפכה או טרנד חולף?
שתי שאלות שחותכות רוב הרעש
תשאלו "בינה מלאכותית היא מהפכה או טרנד" ותקבלו תשובה בטוחה לכל כיוון, בדרך כלל ממישהו שמוכר משהו או ממישהו שנכווה מהטמעה כושלת. זוג שאלות שקט יותר ומועיל יותר נשמע כך: אילו משימה ספציפית בעסק הזה לוקחת היום יותר מדי זמן או משתבשת יותר מדי פעמים, והאם קיים כלי שבאמת עושה את המשימה הספציפית הזאת טוב יותר כבר עכשיו. תשובה כנה על שתי השאלות האלה חותכת את רוב הוויכוח, כי התשובה הכנה לרוב נשמעת "כן, בשביל הדבר הזה" ו"עדיין לא, בשביל הדבר האחר" - מסקנה הרבה פחות מרגשת ממה שכל צד בוויכוח רוצה לשמוע. זה גם נוטה להיות שימושי יותר בפועל מהחלטה כללית לכל החברה שהתקבלה באופן מופשט, כי כלי שעוזר לצוות מכירות של חמישה אנשים עשוי לא לעשות כלום עבור משרד אחורי של שני אנשים, ולזרוק את שניהם תחת תשובה גורפת אחת בדרך כלל מייצר פריסה שלא עוזרת באמת לאף אחד.
איפה בינה מלאכותית כבר עושה עבודה משעממת אבל שימושית
המקומות שבהם בינה מלאכותית באמת הוכיחה את עצמה לרוב אינם המקומות המרשימים. טיוטה ראשונה של תשובה לשאלת לקוח נפוצה, סיכום שרשור אימיילים ארוך לפני פגישה, מיון לידים נכנסים לפי הסבירות שלהם להפוך ללקוח בהתבסס על דפוסים בנתונים קודמים, תמלול וארגון שיחה כדי שאף אחד לא יצטרך לרשום פתקים ידנית: שום דבר מזה לא מגיע לכותרות, ושום דבר מזה לא מחליף שיקול דעת אנושי, אבל כל זה מסיר חתיכות קטנות של עבודה חוזרת שבעבר בלעו יום שלם אימייל אחרי אימייל. משרד ראיית חשבון קטן שמשתמש בכלי כזה כדי לנסח טיוטה ראשונה לאימייל ללקוח לא משתתף במהפכה. הוא פשוט לא מקליד את אותם שלושה משפטים בפעם החמישית השבוע. אותו היגיון חל על עסק קמעונאי קטן שמשתמש בכלי כדי לייצר כמה גרסאות טיוטה לתיאור מוצר במקום להביט בדף ריק בכל פריט חדש, או על מרפאה שהופכת פתק קולי מבולגן לסט מסודר של רשומות ביקור. אף אחת מהדוגמאות האלה לא הייתה מרשימה מישהו בכנס, וזה בדיוק העניין.
איפה הרעש מקדים את מה שהטכנולוגיה באמת יודעת לעשות באופן אמין
הפער בין ההדגמה למציאות היומיומית בדרך כלל מופיע סביב כל דבר שדורש שיקול דעת עקבי במקרי קצה: שירות לקוחות אוטונומי לחלוטין למחלוקות מורכבות, החלטות גיוס מבוססות אוטומציה לגמרי, או כל דבר שמבטיח להחליף מחלקה שלמה במקום משימה ספציפית בתוכה. אלה בדיוק ההבטחות שנשמעות הכי משכנעות במצגת ומאוששות הכי פחות במציאות, כי אפשר לתסרט הדגמה סביב המקרים שמצליחים, בעוד עסק אמיתי צריך להתמודד עם עשרת האחוזים של המקרים שלא מתאימים לדפוס, ובדרך כלל שם בדיוק גרה העלות האמיתית של טעות. האכזבה נובעת לרוב לא מכך שהטכנולוגיה מזויפת, אלא מכך שמנסים להפעיל כלי שנבנה למשימות צרות ומוגדרות היטב כאילו הוא מסוגל לשיקול דעת פתוח. הפער הזה נוטה להיות הכי גדול בדיוק במקום שבו השיווק הכי רועש, כי לספק שמוכר כלי צר ומוגדר היטב יש פחות להרוויח מהדגמה מרשימה מאשר למי שמוכר משהו שאמור להישמע טרנספורמטיבי, והעסקים שנכווים הכי הרבה הם אלה שקנו את ההבטחה בלי לבדוק קודם מה הכלי באמת עושה ביום שלישי רגיל עם בקשה אמיתית ולא מסודרת.
העסקים שנכווים, ולמה
לרוב הסיפורים הרעים יש דפוס משותף שכמעט לא קשור לבינה מלאכותית עצמה. עסק קונה כלי כי מתחרה הזכיר אותו, מדלג על שלב הגדרת איך נראית הצלחה, ומטמיע אותו בבת אחת בכל התהליכים במקום באחד. אחרי חצי שנה אף אחד לא יכול לומר אם זה עזר, כי אף אחד לא מדד שום דבר לא לפני ולא אחרי, והכלי הופך להיות או הרגל יקר שאף אחד לא רוצה להודות שהוא לא עובד, או שעיר לעזאזל לבעיות שהתקיימו עוד לפני שהוא הגיע. דפוס הכשלון הזה זהה למה שקורה עם כל קטגוריית תוכנה חדשה שנמכרה יתר על המידה לעסקים שאימצו אותה בלי שאלה ברורה שהיא אמורה לענות עליה. שווה לשים לב שהעסקים עם הסיפורים הכי גרועים לעיתים רחוקות מאשימים תכונה ספציפית שנכשלה, הם מאשימים את הקטגוריה כולה, וזה בעצמו סימן שהכשלון היה קשור לתהליך ולא לטכנולוגיה: עסק שלא מדד כלום ולא הגדיר כלום מראש אין לו דרך לומר בדיוק מה השתבש, כך שכל החוויה מתויקת תחת תחושה כללית שזה לא עבד.
איך "מהפכה" באמת נראית מבפנים בעסק קטן
מבפנים, בעסק קטן אמיתי, השינוי כמעט אף פעם לא נראה כמו ה"לפני ואחרי" הדרמטי מחוברת השיווק של הספק. הוא נראה כמו פקידת קבלה שבעבר בילתה ארבעים דקות ביום בעניית אותן חמש שאלות, ועכשיו מבלה את הזמן הזה עם לקוחות שבאמת צריכים שיחה. הוא נראה כמו איש שיווק שבעבר בילה בוקר שלם בניסוח גרסאות מודעה, ועכשיו בודק ומתאים טיוטות שכבר קיימות. שיקראו לזה מהפכה או לא, התיאור הכן קרוב יותר לתזוזה הדרגתית במקום שאליו מופנית תשומת הלב של האדם, לא להחלפה פתאומית של האדם שמבצע את העבודה. זה גם נוטה להיראות לא אחיד בתוך אותו עסק קטן, ולא סוחף אותו באופן שווה: תהליך אחד יכול להשתנות משמעותית תוך חודש, בעוד תהליך אחר, ממש לידו, נשאר בדיוק כמו שהיה תמיד ידני, פשוט כי אף אחד עוד לא הגיע אליו, וזו תמונה הרבה יותר מבולגנת וריאלית ממה שכל צד בוויכוח בדרך כלל מצייר.
דרך מעשית לבדוק את השאלה עבור העסק שלכם
במקום להכריע בוויכוח מהפכה-מול-טרנד באופן מופשט, מועיל יותר לבחור משימה אחת שכרגע באמת בולעת זמן, צרה מספיק כדי להגדיר אותה בבירור וזולה מספיק במחיר של טעות, ולבדוק עליה כלי במשך חודש עם השוואה אמיתית של לפני ואחרי. אם התוצאה מחזיקה מעמד, העסק למד משהו אמיתי על היכן בינה מלאכותית עוזרת בהקשר הספציפי שלו, ולא חוזר על טענה שאולה מהודעה לעיתונות של מישהו אחר. ואם זה לא מחזיק מעמד, גם זו אינפורמציה שימושית, ועולה הרבה פחות לגלות את זה על משימה אחת מאשר להמר על כל הפעילות על תשובה שאף אחד לא באמת בדק. זה גם עוזר לשמור על השיחה מעוגנת בקרקע בפעם הבאה שמישהו יעלה כלי חדש באירוע התעשייה הבא, כי לעסק כעת יש נקודת מידע אמיתית אחת מהפעילות שלו עצמו להשוות אליה, במקום רק הדגמה ומצגת מכירה בטוחה בעצמה.
מה באמת מטריד את הצוות, לא רק את העסק
רוב הוויכוח על מהפכה מול טרנד מתנהל ברמת האסטרטגיה העסקית, אבל עבור האנשים שבאמת מבצעים את העבודה, השאלה המיידית יותר שקטה ואישית הרבה יותר: האם הכלי הזה מחליף אותי. להתעלם מהשאלה הזו, או לענות עליה רק בהרגעות שנשמעות מתורגלות, נוטה לייצר בדיוק את סוג ההתנגדות השקטה שמטביעה פריסה שבחוץ הייתה נראית סבירה, כשעובדים מוצאים דרכים קטנות להימנע משימוש בכלי שאף אחד באמת לא התייעץ איתם לגביו. גישה מועילה יותר היא לומר במפורש אילו חלקים בתפקיד הכלי אמור לגעת בהם ואילו לא, בהתבסס על המשימה הממשית שמאוטמת ולא על הבטחה מעורפלת לגבי העתיד, ולהתייחס לעובד שמבצע את העבודה הזו כמישהו עם מידע אמיתי לגבי היכן הכלי יעזור והיכן הוא יפריע. פקידת קבלה שענתה על אותן חמש שאלות במשך שלוש שנים בדרך כלל יודעת טוב יותר מכל אחד אחר אילו שיחות תסריט יכול לטפל בהן ואילו דורשות בן אדם. להשאיר את האדם הזה מחוץ להחלטת הפריסה מבזבז את מקור המידע שהכי סביר שיקבע אם האוטומציה תעבוד בפועל.