איך לבחור ספק הדרכת AI לארגון

איך בוחרים ספק הדרכת AI לארגון?

הטעות הכי נפוצה היא להתחיל מהספק. רואים מרצה, מצגת או הדגמה, ואז מנסים להבין למי בארגון זה מתאים. תהפכו את הסדר. מתחילים מהעבודה שהאנשים צריכים לבצע, מהקהל ומהמגבלות. רק אז משווים הצעות.

וגם כאן צריך פרופורציות. להרצאה או לסדנה חד-פעמית לא צריך להקים ועדת איתור. שיחת התאמה קצרה, דוגמה רלוונטית ובדיקה מי מגיע לחדר בדרך כלל מספיקות. הרשימה המלאה בעמוד הזה חשובה בעיקר כשבוחרים שותף לתהליך ארוך יותר: סדרת הרצאות, כמה סדנאות, קורס, ליווי או הטמעה.

בארגון בינוני או גדול (ובמיוחד בארגון גדול), "ללמד AI" היא לא מטרה מספיק מדויקת. אנשי משאבי אנוש, מכירות, כספים, תפעול והנהלה לא צריכים אותו תרגול. גם ארגון טכנולוגי וארגון לא טכנולוגי יכולים להשתמש באותו כלי בצורה שונה לגמרי. ספק טוב צריך לדעת לשאול על ההבדלים האלה לפני שהוא מציע פתרון.

לפני שמדברים עם ספק: מה העובדים צריכים לעשות אחרת?

תכתבו שלושה משפטים. מי הקהל הראשוני. אילו שתיים או שלוש משימות נמצאות בםוקוס. ומה אסור לעשות עם מידע ארגוני. זה נשמע בסיסי, אבל שלושת המשפטים האלה מונעים הרבה הצעות גנריות.

למשל, "מנהלי המכירות צריכים להכין תקציר פגישה איכותי מהר יותר, בלי להכניס מידע לקוח לכלי שלא אושר", הוא יעד שהצוות יכול לעבוד איתו. "הצוות צריך להכיר AI" הוא יעד רחב מדי.

גם הרצאה על ״כלי AI״ היא לא באמת רלוונטית היום (במיוחד בעידן שבו קופיילוט וג׳מיני וצ׳אטג׳פט שולטים בשוק. ובינינו – בעיקר הקופיילוט).

במקרה השני, אולי בכלל נכון להתחיל בהרצאת AI לארגון שמייצרת שפה משותפת. במקרה הראשון, הדרכת AI לארגון עם תרגול יכולה להתאים יותר.

אם אין עדיין קהל, תהליך העבודה או כללי בסיס, תעצרו רגע. בדיקת מוכנות AI לארגון יכולה לעזור לבחור את הצעד הראשון. היא אינה מחליפה החלטת הנהלה, אבל היא מסדרת את השאלות.

7 קריטריונים לבחירת ספק הדרכת AI

1. ניסיון בסביבה ארגונית

אל תסתפקו בשאלה אם הספק "מכיר AI". תבדקו אם הוא יודע לעבוד עם הרשאות, מדיניות, רכש, קהלים הטרוגניים ומנהלים שלא מגיעים עם אותה רמת ידע. תבקשו דוגמה לאופן שבו שינה תרגיל בגלל אילוץ ארגוני, בלי לבקש מידע חסוי או שם לקוח. בקשו המלצות מארגון באותו גודל, ועדיף מאותה הקטגוריה העסקית.

2. התאמה לפי תפקיד

אותו תרגול לא מתאים למכירות, לכספים ולהנהלה. תבקשו לראות מה כל קבוצה תעשה בפועל. אם הספק מציג את אותה משימה ורק מחליף את שם המחלקה בשקף, זו לא התאמה.

3. איכות התרגול

אל תסתפקו בתוכנית עם רשימת נושאים. תבקשו לראות תרגול אחד מתחילתו ועד סופו: מה העובדים מקבלים, מה הם צריכים לעשות, ואיך בודקים שהתוצאה טובה. תרגול טוב כולל גם בדיקה של תשובת ה-AI, לא רק יצירה שלה.

4. עדכניות בלי מרדף אחר כל כלי

התחום משתנה מהר. תשאלו מתי החומר עודכן ואיך הספק מטפל בשינוי מוצר. מצד שני, מי שמחליף את כל התוכנית בכל פעם שיוצא כלי חדש עלול ללמד חדשות במקום יכולת. תחפשו עקרונות עבודה יציבים לצד דוגמאות עדכניות.

5. שימוש אחראי

הספק צריך לעבוד בתוך המדיניות שלכם, לא להמציא אותה בזמן הסדנה. NIST AI Risk Management Framework הוא מדריך רשמי של מכון התקנים האמריקאי לניהול סיכוני AI. אני מצטט אותו כאן כי הוא עוזר לשאול מי אחראי, מה בודקים ואיך מטפלים בסיכון לאורך הדרך. הוא לא תוכנית לימודים להכשרה.

6. תוכנית המשך

תשוו את מה שקורה אחרי המפגש. האם יש משימה להמשך, אחראי מתוך הארגון, חומרי עזר או נקודת בדיקה? המשך טוב לא חייב להיות ארוך. כן תגדירו מי אחראי עליו ומה קורה אחר כך. הבטחה מעורפלת ל"ליווי" אינה מספיקה.

7. מדידה עם מגבלות

תבקשו לדעת מה יימדד ומי יחזיק את הנתון. סקר שביעות רצון יכול לעזור לשפר את ההדרכה, אבל הוא לא מוכיח שינוי בעבודה. ספק רציני יאמר גם מה המדד לא יכול להוכיח.

שאלות שכדאי לשאול בשיחת הספק

ברכש, תבקשו לפרק את ההצעה לרכיבים שתוכלו להשוות: זמן התאמה, זהות המנחה, מספר קבוצות, תרגול, חומרי המשך ונקודת מדידה. כך לא משווים רק שעות מול שעות.

מה כדאי לבקש לראות לפני שסוגרים

לוגו מוכר אינו תשובה לשאלה אם ההדרכה מתאימה לצוות שלכם. גם המלצה כללית לא מסבירה מה נעשה. תבקשו לראות תרגיל לדוגמה, להבין איך הוא מותאם לתפקיד ולשמוע מי בודק את התוצר. כך תוכלו להעריך התאמה בלי להסתמך על שמות של לקוחות.

תבדקו גם את איכות ההמשך. תשאלו מי מקבל את חומרי ההמשך, האם הספק יכול להתאים אותם למדיניות, ומה קורה אם האנשים לא משתמשים בתרגיל. תוכנית המשך טובה מבהירה אחריות. היא לא מבטיחה שימוש קבוע.

סימני אזהרה שכדאי לזהות מראש

• ROI מובטח בלי תיאור של המצב הקודם, תקופה או מקור נתונים
• אותו תוכנית לימודים לכל תפקיד ולכל ארגון
• הדגמת כלי בלי זמן תרגול וביקורת פלט
• מספרים מרשימים בלי מקור ראשוני
• הבטחה שמפגש אחד ישנה הרגלים
• מנחה שלא ידוע עד יום הפעילות
• התעלמות מהרשאות ומידע רגיש

גם עודף ביטחון הוא סימן. ספק טוב יודע לומר "זה תלוי" ואז להסביר במה. בארגונים, המגבלה היא חלק מהפתרון (לא הערת שוליים).

הרצאה מול סדנת AI, קורס או ליווי מעשי?

לפעמים נכון לשלב. הרצאה יכולה לפתוח, סדנה יכולה לתרגל, וליווי מעשי יכול לעזור לקבל החלטות ולבצע אותן. אבל אל תקנו רצף לפני שתגדירו למה אתם צריכים כל שלב.

איך מנהלים פיילוט בחירת ספק בלי להפוך אותו לתחרות הופעות

אם ההחלטה משמעותית, תבקשו משני ספקים להציע תוכנית קצרה לאותו צורך. לא צריך להזמין שתי סדנאות מלאות. תתנו לשניהם אותו קהל, אותה דרך עבודה, אותן מגבלות ואותה שאלת מדידה. תבקשו מכל אחד להסביר מה הוא היה משאיר מחוץ למפגש. דווקא הוויתור חושף שיקול דעת.

תשתמשו בטבלת השוואה פשוטה עם חמישה שדות: התאמה לתפקיד, איכות התרגיל, טיפול בסיכון, יכולת הנחיה ותוכנית המשך. תתנו לכל שדה הסבר, לא רק ציון. כך רכש, למידה ופיתוח ארגוני והיחידה העסקית יכולים לראות למה בחרו, גם אם הם נותנים משקל שונה לכל שדה.

אל תבקשו מהספק להשתמש במידע אמיתי לפני שהכלי והגישה אושרו. NIST AI RMF Playbook הוא אוסף רשמי של שאלות ופעולות ליישום המסגרת. ה-RMF מחלק את העבודה לניהול, מיפוי, מדידה וטיפול בסיכון, וה-Playbook עוזר להפוך את החלוקה הזאת לפעולות. הוא לא רשימת חובה, הסמכה או ציון בשלות. הטענה המעשית כאן מצומצמת: תבדקו תרגיל גם בהקשר ובסיכון, לא רק לפי איכות ההדגמה.

מה עושים כשאין הסכמה בתוך הארגון

משאבי אנוש יכולים לרצות חוויה נגישה, מערכות מידע יכולות להתמקד בגישה, והיחידה העסקית יכולה לרצות תוצאה מיידית. תכתבו שלושה תנאי סף ושלושה שיקולי איכות. תנאי סף כמו כלי מאושר הם עובר או לא עובר. שיקולי איכות מאפשרים השוואה.

מאז סוף 2022 עבדתי עם עשרות רבות של ארגונים והעברתי מאות הרצאות וסדנאות. הניסיון הזה חידד לי שהצעה טובה אינה בהכרח הארוכה ביותר. היא זו שיודעת להסביר למי היא מתאימה, מה יקרה בחדר ומה לא ייפתר במפגש אחד.

כאשר ההצעה כוללת מדידה, תבקשו להבחין בין תגובה, למידה, התנהגות ותוצאה. מודל Kirkpatrick הוא מודל ותיק להערכת למידה, ואני מצטט אותו כאן כי הוא מפריד בין ארבע השאלות האלה. לא חייבים למדוד את כולן, אבל שביעות רצון אינה הוכחה להשפעה על העבודה.