מ-BI ל-AI: ה-GPT שבאמת עובד מול נתוני הארגון
- Jul 30
- 4 min read
אם רצית ללמוד על כיצד תראה פלטפורמת הAI בארגון שלך בעתיד הלא רחוק, זה הניוזלטר בשבילך.
קצת רקע
מהפכת ה-AI גרמה לכולנו לחשוב מחדש על האופן שבו הארגון עושה שימוש בדאטה שלו. היכולת של מודלי שפה לתרגם בקשה בשפה חופשית לשאילתה, להבין סכימות של מסדי נתונים ולנתח את מה שחוזר מהם, פותחת דלת לשימושים שעד לפני זמן לא רב היו דורשים אנליסט, פרויקט ותקציב.
ניקח לדוגמה את המקרה הבא: משה, מנהל סחר ברשת קמעונאות גדולה, מסייר באופן תדיר בסניפים שעליהם הוא אחראי. כשמשה מגיע לסניף הוא מבקש לדעת ״האם הסניף מתנהל כהלכה?״. אבל סניף הוא מערכת אופרציה עצומה — מכירות של מאות פריטים, מצב מלאים משתנה, מבצעים, מצב כוח אדם, ועוד. להבין מדוע הסניף לא עומד ביעד מכירות מסוים רק מסיור בין המדפים זה דבר קשה מאוד. לרשת הקמעונאית יש מערכות דאטה שאוספות נתונים על כל מה שקורה בסניף, ולו רק היה משה יכול לתחקר כמה מדדים בעצמו, הוא היה מבין מיד היכן הסניף לא עומד בציפיות ובאיזה איזור פעילות נמצאת הבעיה — מכירות, מלאים או כוח אדם. אבל מערכת ה-BI של הארגון מכסה רק חלק מתחומי הפעילות, היא מוגבלת להצגת מדדים ברמת הארגון ולא ברמת הפריט, הסניף או המחסן, וממילא ממשק המשתמש שלה בסמארטפון אינו נוח. משה נאנח, חושב על השיחה המצוינת שערך הבוקר עם ChatGPT לגבי הנסיעה המשפחתית הקרובה לחו"ל, ושואל את עצמו — "למה אין לי GPT של הארגון שיענה לי על כל שאלה שיש לי על מה שקורה בסניף?"
בכל ארגון העושה שימוש בנתונים יש היום תהליך חשיבה לגבי איך נראית פלטפורמת ה-AI העתידית שלו. החלום של סוכן שפעיל מאחורי הקלעים — מתזכר, נותן התראות ופנוי לשאלות — נהיה לדרישה מציאותית לנוכח ההתפתחויות הטכנולוגיות האחרונות. עם זאת, כל מי שהכניס Gemini או Copilot לארגון רואה שהכלים האלה מאפשרים קפיצה קטנה מאוד ביחס למה שהארגון באמת רוצה להשיג.
בניוזלטר הזה אנחנו נעשה סדר. לא בשאלה האם ה-AI ישנה את הדרך שבה הארגון עובד עם הנתונים שלו — זה כבר קורה — אלא בשאלה הפרקטית יותר: מה בעצם צריך לקרות כדי שמשה יקבל את התשובה שלו, ולמה זה לא קורה מעצמו ברגע שמחברים מודל שפה למסד נתונים.
נתחיל מהפער שבין הדמו למציאות. כמעט כל פתרון של "AI על הנתונים שלך" נראה מצוין בפגישה, ורובם נשברים ברגע שהם פוגשים סכימה אמיתית של ארגון אמיתי.
משם נעבור לחלק שלדעתי הוא הקשה באמת, והוא לא הטכנולוגיה אלא השפה הארגונית: "מכירות" זה לא אותו דבר בהנהלת חשבונות ובסחר, "לקוח פעיל" זה לא אותו דבר בשיווק ובתפעול, ומודל שלא מכיר את ההבחנות האלה יחזיר מספר שנראה סביר ואינו נכון.
נדבר על אמינות וממשל — איך מוודאים שהמספר שחוזר הוא בדיוק המספר שה-BI היה נותן, ואיך המערכת יודעת להגיד שהיא לא יודעת. לצד זה נדבר על מה שכל CIO שואל עליו ראשון: הרשאות, אבטחה ופרטיות. מי רשאי לראות מה, מה יוצא מגבולות הארגון ומה בשום אופן לא, ואיך מוודאים שהשכבה החדשה לא הופכת לדלת אחורית לנתונים שממילא היו מוגנים היטב בכל מערכת אחרת.
אחר כך נפרק את הפלטפורמה עצמה לשכבות, נראה איך מתחברים בפועל ל-ERP, ל-CRM ול-WMS, ומה עושים בארגון שאין לו מחסן נתונים מסודר ואין לו שנה לבנות אחד. ונדבר גם על מה שקורה אחרי שהמערכת כבר עובדת, וזה בעיניי החלק שהכי מזלזלים בו: איך מטמיעים אותה, איך מזהים את התרחישים הבודדים שבהם היא מייצרת ערך אמיתי ולא רק מרשימה בהדגמה, ואיך מודדים את זה כשמגיע הזמן להצדיק את ההשקעה. ונסיים במקום שאליו כל זה הולך: לא מערכת שעונה כששואלים אותה, אלא כזו שמתריעה, מזכירה, ובסופו של דבר גם פועלת.
בכל גיליון נשתדל להביא מקרה בוחן עסקי אחד — מצב אמיתי שבו הקפיצה לפלטפורמת AI מעל נתוני הארגון ייצרה ערך שאפשר להצביע עליו. לא הדגמה של יכולת טכנולוגית, אלא סיפור של ארגון שהיה בו פער בין מה שהמערכות שלו יודעות לבין מה שהמנהלים שלו מקבלים, ומה קרה כשהפער הזה נסגר.
שוב — במה זה שונה מ-BI?
ה-BI נבנה כדי להציג מדדים שהוגדרו מראש. על פניו, שכבת ה-AI נבנית כדי לענות על שאלה שלא בהכרח הוגדרה מראש ועשויה אף לדרוש ניתוחים שאחרת דורשים אנליסט. זה לא הבדל בממשק המשתמש אלא הבדל בארכיטקטורה: במקום דוח לכל שאלה, שכבה אחת שיודעת לאיזו מערכת לפנות, איך לחתוך את הנתונים, ומה המשמעות העסקית של מה שחזר. היא לא תמיד מחליפה את ה-BI, ולרוב היא יושבת מעליו ומשתמשת באותן הגדרות בדיוק.
אבל זה נעשה באמת מעניין כשמגיעים למצב שה-AI מכיר את שפת הארגון והמדדים והניתוחים שחשובים לו. זה הרגע שבו ניתן להוסיף יכולות פרו-אקטיביות, של דיווח מבעוד מועד, השגחה על מדדים שונים בארגון, ובשלב הבא — לתרגם לפעולות אקטיביות. אם יש משהו שמשה, מנהל הסחר שלנו, רוצה, זה שמנהל הסניף שלו יקבל מייל מסוכן ה-AI בנוסח:
"שים לב! לא הזמנתם מספיק מלאי כדי למלא את הביקוש של מוצר Y לקראת החגים. (ודרך אגב, יידעתי את מנכ״ל הרשת. הוא מצפה לתשובתך בעניין.)"
אם אתה מנהל מערכות מידע
הלחץ בנושא הזה לא יגיע מהמחלקה שלך אלא מהעסק. כשמנהלי השטח כבר מנהלים שיחות טובות עם מודל שפה בטלפון הפרטי שלהם, השאלה למה אין דבר כזה על נתוני הארגון תגיע אליך.
נ.ב. בפעם הבאה נדבר על משהו שמעסיק אותי: למה כל כך הרבה הדגמות של "AI על הנתונים שלך" נראות מושלמות בפגישה ונשברות במציאות, ואיך אפשר לזהות את זה מראש.
