WEBVTT

00:00:00.000 --> 00:00:09.600
חברות קונות רישיונות לבינה מלאכותית, פורסמות הדרכות, חוגגות שיעורי השלמה, ואז צופות באותם צוותים מעתיקים נתונים ידנית, רודפים אחר עדכוני סטטוס במייל ובונים מחדש דוחות בכל חודש.

00:00:09.780 --> 00:00:10.900
זהו דפוס הביזבוז.

00:00:11.040 --> 00:00:16.540
הכלי שם, ההוצאות אמיתיות, אבל העבודה בקושי זזה כי המודל הישן עוקב אחר חשיפה, לא אחר שינוי.

00:00:16.640 --> 00:00:19.260
תג לא אומר לך אם אנליסט פיננסי סגר מהר יותר.

00:00:19.260 --> 00:00:23.600
נוכחות לא אומר לך אם מנהל פרויקט קידם החלטה חסומה במחצית הזמן.

00:00:23.760 --> 00:00:29.300
ואם אינך יכול להראות דקות שהוחזרו פחות שגיאות או פעולה מהירה יותר, בינה מלאכותית נשארת שורת עלות.

00:00:29.400 --> 00:00:32.360
אז, בסרטון הזה, אני רוצה להפוך את מודל המדידה לפשוט.

00:00:32.480 --> 00:00:36.340
זמן שנחסך, מהירות שהושגה, שגיאות מובחתות, לא בתיאוריה, בתוך משימות אמיתיות.

00:00:36.540 --> 00:00:38.800
שם מתחיל להופיע החזר ההשקעה ROI.

00:00:39.080 --> 00:00:40.340
המודל הישן נשבר.

00:00:40.520 --> 00:00:43.240
מדוע מדדי השמחה לא מראים החזר השקעה ROI?

00:00:43.240 --> 00:00:46.840
רוב תוכניות ההדרכה, לבינה מלאכותית, עדיין פועלות לפי מודל התאימות.

00:00:46.960 --> 00:00:52.200
אנשים משתתפים בפגישה, מסיימים מודול, אולי עוברים בוחן, ואז ההנהלה מקבלת לוח מכוונים מלא במספרים מסודרים.

00:00:52.420 --> 00:00:55.240
שיעור השלמה, השתתפות, ביטחון עצמי מדווח.

00:00:55.460 --> 00:01:00.360
זה נראה מסודר, וזו בדיוק הבעיה, כי מדדים מסודרים יכולים להסתיר מציאות מבולגנת,

00:01:00.580 --> 00:01:04.020
במיוחד כאשר העבודה עצמה לא השתנתה כלל לאחר סיום ההדרכה.

00:01:04.020 --> 00:01:05.840
מה שקורה בדרך כלל הוא פשוט.

00:01:05.840 --> 00:01:13.080
צוות לומד מהי הנחיה, רואה כמה הדגמות גנריות, ואז חוזר לאטלוק, אקסל, טימס ותהליכי עבודה של דיווח שעדיין פועלים בדרך הישנה.

00:01:13.200 --> 00:01:17.360
האדם אולי יודע יותר על בינה מלאכותית מבעבר, אבל הדוח החודשי עדיין לוקח יותר מדי זמן.

00:01:17.520 --> 00:01:21.440
המסירה עדיין נקטעת, המעקב עדיין תלוי בכך שמישהו יזכור לשלוח אותו.

00:01:21.560 --> 00:01:24.120
אז, הפער אינו רק ידע, אלא התנהגות משימות.

00:01:24.120 --> 00:01:27.280
ורמה אחת עמוקה יותר, כאן רוב החברות מאבדות את העניין.

00:01:27.400 --> 00:01:29.620
הן מודדות רע שימוש במקום תחיסת עבודה.

00:01:29.800 --> 00:01:35.840
מחקר בקבוצת המקור שלך מצביע על פער עצום בין משתמשים טיפוסיים למשתמשים מתקדמים בערך פי ארבעה עד חמישה בפריון.

00:01:36.020 --> 00:01:39.040
משמעות הדבר היא שמספרי אימוץ ממוצעים כמעט ולא אומרים לך כלום.

00:01:39.200 --> 00:01:44.720
חברה יכולה לומר, אנשים משתמשים בבינה מלאכותית, ועדיין לפספס את העובדה שרק קבוצה קטנה הופכת את השימוש הזה לתפוקה מהירה יותר.

00:01:44.720 --> 00:01:47.920
זו הסיבה ששיעורי ההשלמה מרגישים בטוחים, אבל לא מוכיחים ערך.

00:01:48.080 --> 00:01:50.120
הם אומרים לך שמישהו סיים את ההדרכה.

00:01:50.240 --> 00:01:57.420
הם לא אומרים לכם אם חבילת דיווח עברה מממ מינוס 20 דקות למד מינוס 45 שניות בחלק מהתהליך, שהוא אחד מנקודות המידה הפיננסיות במחקר.

00:01:57.560 --> 00:02:04.020
הם לא אומרים לכם אם עובדים מקבלים בחזרה קף מינוס 9 שעות בחודש בממוצע, דבר שמופיע במספר מחקרי קו פיילות.

00:02:04.020 --> 00:02:11.260
והם בהחלט לא אומרים לכם אם החלטה מתקדמת כעת פי שמונה מהר יותר, או האם הזמן לתובנה ירד בית מינוס 88% ביישום מדוד.

00:02:11.380 --> 00:02:12.460
אלה אותו תוצאה.

00:02:12.580 --> 00:02:13.860
כל השאר מוגדר מראש.

00:02:17.920 --> 00:02:19.240
לא יכולים להוכיח שינוי מאוחר יותר.

00:02:19.420 --> 00:02:25.260
מחקר בחומר שלכם מראה שין מינוס 95% מפיילותים של בינה מלאכותית ארגונית לא הניבו השפעה מדידה על רווח והפסד.

00:02:25.400 --> 00:02:29.460
לא בגלל שהכלים נכשלו מעצמם, אלא בגלל שארגונים דלגו על החלקים הקשים.

00:02:29.640 --> 00:02:33.060
עיצוב מחדש של זרימת עבודה, בעלות ומדידה לפני תחילת העבודה.

00:02:33.060 --> 00:02:38.220
אם אינכם יודעים כמה זמן ערכה המשימה לפני שדרוג המיומנויות, אינכם יכולים להגן על אף טענה לאחר הפריסה.

00:02:38.220 --> 00:02:40.880
זה נקלט אצלי כשבדקתי איך מנהיגים מדברים על אימוץ.

00:02:41.000 --> 00:02:44.060
הם שואלים לעיתים קרובות, כמה אנשים השתמשו בקופילות החודש?

00:02:44.240 --> 00:02:46.420
זה נשמע הגיוני, אבל זו השאלה הלא נכונה.

00:02:46.580 --> 00:02:50.400
השאלה הטובה יותר היא, איזו משימה הפכה קצרה יותר, נקייה יותר או מהירה יותר להכרעה?

00:02:50.460 --> 00:02:53.540
כי שימוש בתדירות גבוהה יותר בבינה מלאכותית אינו זהה לדחיסת עבודה.

00:02:53.540 --> 00:02:58.380
אדם יכול להורות כל היום ועדיין ליצור עבודות חוזרות, עיכובים ודפוקות חלשות שמישהו אחר צריך לתקן.

00:02:58.380 --> 00:03:02.560
לכן, הדרכה צריכה לצאת מדלי האוריינות הגנרית ולעבור ליכולות מבוססות תפקידים.

00:03:02.720 --> 00:03:04.000
לא ללמוד בינה מלאכותית.

00:03:04.180 --> 00:03:06.220
למד כיצד לבנות הסבר שונות מהר יותר.

00:03:06.500 --> 00:03:09.060
למד כיצד להפוך רעש פגישות למעקב מוכן לפעולה.

00:03:09.220 --> 00:03:12.040
למד כיצד לקצר את זמן הטיפול בכרטיסים מבלי לפגוע באיכות.

00:03:12.040 --> 00:03:17.140
ברגע שמפסיקים את לוגיקת התגים ועוברים ללוגיקת זרימת עבודה, החזר ההשקעה, ROI, הופך להיות הרבה יותר קל לצפייה.

00:03:17.140 --> 00:03:19.560
מודל המדידה מסגרת הדקות המשוחזרות.

00:03:19.740 --> 00:03:24.080
לכן, ברגע שמפסיקים למדוד הדרכה כנוכחות, צריך מודל שקושר התנהגות לכסף.

00:03:24.260 --> 00:03:25.180
שימרו על זה פשוט.

00:03:25.360 --> 00:03:28.800
החזר ההשקעה שווה לזמן שנחסך כפול עלות שעתית וקצב אימוץ.

00:03:28.800 --> 00:03:34.260
לאחר מכן מוסיפים את הערך של פחות טעויות והחלטות מהירות יותר ומכסירים את ההשקעה בשיפור המיומנויות.

00:03:34.480 --> 00:03:35.400
זה המבנה כולו.

00:03:35.520 --> 00:03:36.900
לא מושלם, אבל שמיש.

00:03:36.900 --> 00:03:40.480
וזה חשוב עוד יותר, כי רוב הדיונים על החזר השקעה, ROI, של בינה מלאכותית קורסים,

00:03:40.540 --> 00:03:43.080
כאשר המתמטיקה הופכת למופשטת מדי מכדי שמנהלים יוכלו לסמוך עליה.

00:03:43.200 --> 00:03:46.940
במילים פשוטות עוד יותר, אתם לא קונים בינה מלאכותית, אתם קונים בחזרה שעות עבודה,

00:03:46.940 --> 00:03:49.560
ואתם מנסים להעביר את השעות האלה לעבודה שחשובה יותר.

00:03:49.700 --> 00:03:53.840
ניתוח, תכנון, הסלמה, תגובת לקוחות, שיקול דעת טוב יותר.

00:03:54.020 --> 00:03:56.880
אם השעות נעלמות בזמן רפא, הערך נחלש.

00:03:57.020 --> 00:04:01.760
אם השעות האלה חוזרות לעסק כתפוקה מהירה יותר, או כהחלטות טובות יותר, הערך מתגלה.

00:04:01.900 --> 00:04:04.600
התחילו עם זמן החזרה, כי זה הסיגנל הנקי ביותר.

00:04:04.720 --> 00:04:07.380
מידדו את השעות שנחסכו לכל עובד במשרה מלאה לחודש.

00:04:07.380 --> 00:04:10.640
אבל רק בתוך זרימות עבודה בעלות שם, בינה מלאכותית לא עזרה קצת.

00:04:10.760 --> 00:04:11.720
זה חסר תועלת.

00:04:11.840 --> 00:04:17.620
עקבו אחר משימה אחת, ניקוי נתונים באקסל, ניסחו פתק שונות חודשי, בניית סיכום פגישה ורשימת פעולות,

00:04:17.620 --> 00:04:21.060
ואז השבו זמן ידני מול זמן בסיוע בינה מלאכותית באותם תנאים.

00:04:21.220 --> 00:04:23.660
אותו תפקיד, אותה משימה, אותה רמת מורכבות.

00:04:23.800 --> 00:04:25.500
כך נמנעים ממתמטיקה פנטסטית.

00:04:25.500 --> 00:04:29.080
הדבר שרוב האנשים מפספסים הוא שממוצעים יכולים לעבות את התמונה במהירות.

00:04:29.180 --> 00:04:32.360
אדם אחד עשוי לחסוך 15 דקות, אחר עשוי לחסוך שעתיים.

00:04:32.480 --> 00:04:35.260
לכן, אל תתחילו עם הנחות כלליות על פני כל החברה.

00:04:35.380 --> 00:04:38.020
התחילו ברמת זרימת העבודה, ואז גללו כלפי מעלה.

00:04:38.020 --> 00:04:42.460
אם אנליסט פיננסי חוסך אפילו סכום קטן במשימה שחוזרת על עצמה פעמים רבות בכל חודש,

00:04:42.620 --> 00:04:43.740
השעות המוחזרות מצטברות.

00:04:43.800 --> 00:04:48.360
מחקר במערך המקורות שלכם מראה שאפילו חיסכון חודשי צנוע יכול להצדיק את הרישיון במהירות

00:04:48.360 --> 00:04:50.220
כאשר הערך השעתי של העובד גבוה מספיק.

00:04:50.300 --> 00:04:52.160
לאחר מכן, הוסיפו את מהירות ההחלטה.

00:04:52.300 --> 00:04:56.060
זה חשוב מכיוון שהרבה ערך של בינה מלאכותית לא מתבטא בצמצום עבודה פשוט.

00:04:56.160 --> 00:04:58.480
ומתבטא בפיחות המתנה בין בעיה לפעולה.

00:04:58.480 --> 00:05:02.140
מידדו את זמן המחזור מהבעיה שזוהתה ועד להחלטה הבאה שהתקבלה.

00:05:02.280 --> 00:05:04.880
בצוותים מסוימים, זה אומר מפגישה ועד מעקב.

00:05:05.020 --> 00:05:07.620
באחרים, משונות שסומנה ועד לתגובת ההנהלה.

00:05:07.760 --> 00:05:10.020
ומכיוון שקל לזייף זאת עם סיפורים מאורפלים,

00:05:10.280 --> 00:05:12.540
השתמשו בזמני תרום הדרכה ואחרי ההדרכה.

00:05:12.660 --> 00:05:15.420
אותו צוות, אותו סוג החלטה, אותו נתיב אישור.

00:05:15.600 --> 00:05:17.240
יש לכם תמיכה לכך במחקר.

00:05:17.240 --> 00:05:20.680
חלק מהארגונים דיווחו על החלטות מהירות פי שמונה ועל זמן קבלת תובנות

00:05:20.680 --> 00:05:23.420
שירד בית מינוס 88% לאחר אימוץ בינה מלאכותית.

00:05:23.520 --> 00:05:26.760
עכשיו, אסור לכם לזרוק את המספרים האלה כאל הבטחות אוניברסליות

00:05:26.760 --> 00:05:28.820
מכיוון שהם תלויים בזרימת העבודה ובהגדרה.

00:05:29.080 --> 00:05:31.020
אבל הם כן מראים מה קורה כאשר בינה מלאכותית

00:05:31.020 --> 00:05:32.860
מפחיתה את החיכוך בין ניסוף מידע לפעולה.

00:05:32.980 --> 00:05:35.760
וזה החלק שמנהלים דואגים לו מכיוון שההחלטות איטיות

00:05:35.760 --> 00:05:38.060
בדרך כלל עולות יותר מיצירת מסמכים איטית.

00:05:38.060 --> 00:05:41.040
לאחר מכן, בחרו מדד נוסף המבוסס על התפקיד.

00:05:41.040 --> 00:05:44.420
צמצום שגיאות עובד היטב בזרימות כספיות או כבדות תעימות.

00:05:44.580 --> 00:05:46.400
תפוקה עובדת היטב בתפעול שירות.

00:05:46.600 --> 00:05:48.780
עלות להחלטה יכולה לעבוד עבור תהליכי ניהול

00:05:48.780 --> 00:05:51.700
שבהם אותה בעיה ממשיכה לגרור אנשים רבים לתוך הלולאה.

00:05:51.820 --> 00:05:53.500
העניין הוא לא ליצור לוח מכוונים ענק,

00:05:53.680 --> 00:05:55.940
אלא להתאים מדד איכות או תפוקה אחד לזרימת העבודה

00:05:55.940 --> 00:05:57.540
כך שמהירות לא תסתיר עבודה גרועה.

00:05:57.540 --> 00:05:59.060
עכשיו, משמעת בסיסית.

00:05:59.180 --> 00:06:01.940
זהו החלק שכמעט כולם רוצים לדלג עליו כי הוא מרגיש משעמם.

00:06:02.120 --> 00:06:03.740
וזו בדיוק הסיבה שכל כך הרבה תביעות

00:06:03.740 --> 00:06:05.240
החזר השקעה מתפרקות מאוחר יותר.

00:06:05.420 --> 00:06:06.980
לפני האימון, מדדו את זמן המשימה,

00:06:07.140 --> 00:06:08.080
ספרו את העבודה החוזרת,

00:06:08.260 --> 00:06:09.360
תעדו כמה זמן לוקח להסרה.

00:06:09.500 --> 00:06:10.780
לאחר מכן, הפעילו את אותו המבחן

00:06:10.780 --> 00:06:11.920
לאחר שדרוג מיומנויות ממוקד.

00:06:12.020 --> 00:06:13.580
אם המשימה השתנתה, שימו לב לכך.

00:06:13.700 --> 00:06:15.220
אם הנפח השתנה, שימו לב לכך.

00:06:15.320 --> 00:06:17.140
אם איכות הנתונים השתפרה, שימו לב לכך.

00:06:17.140 --> 00:06:19.160
השוואות נקיות מגנות על המקרה כולו.

00:06:19.160 --> 00:06:21.900
אימוץ עדיין חשוב, אבל כמכפיל, לא כגביה.

00:06:22.060 --> 00:06:24.340
רישיון שלא פעיל גורר את המודל למטה.

00:06:24.480 --> 00:06:25.760
מחקרים במקורות שלך מראים

00:06:25.760 --> 00:06:27.620
כי ניצול פעיל של מושבים בארגונים גדולים

00:06:27.620 --> 00:06:29.540
עומד בממוצע על 55 אחוזים,

00:06:29.580 --> 00:06:31.220
מה שאומר שהרבה קיבולת בתשלום לעולם

00:06:31.220 --> 00:06:32.320
לא נכנסת לתהליך העבודה.

00:06:32.480 --> 00:06:34.580
לכן אל תשאלו רק האם משתמשים יתחברו.

00:06:34.580 --> 00:06:36.260
שאלו האם ההתנהגות המאומנת

00:06:36.260 --> 00:06:37.940
הופיעה שוב ושוב במשימת היעד.

00:06:38.100 --> 00:06:40.080
זהו אות האימוץ שכדאי לעקוב אחריו.

00:06:40.080 --> 00:06:41.680
ועוד הבחנה אחת חשובה,

00:06:41.840 --> 00:06:44.360
זמן ברוטו שנחסך אינו זהה לערך שנוצר.

00:06:44.500 --> 00:06:45.860
אם אנליסט חוסך שעה,

00:06:46.080 --> 00:06:47.860
שעה זו חשובה רק כשהוא עובר

00:06:47.860 --> 00:06:49.020
לניתוח מעמיק יותר,

00:06:49.280 --> 00:06:50.280
הסלמה מהירה יותר,

00:06:50.500 --> 00:06:52.620
תכנון טוב יותר או יותר עבודה עם לקוחות.

00:06:52.720 --> 00:06:54.320
אז המודל המלא הוא באמת כזה,

00:06:54.320 --> 00:06:55.660
לטבוע בחזרה את הדקה,

00:06:55.800 --> 00:06:56.980
ואז לפרוס אותה מחדש.

00:06:57.080 --> 00:06:58.860
כך בינה מלאכותית מפסיקה להיראות

00:06:58.860 --> 00:06:59.700
כמו הוצאות תוכנה

00:06:59.700 --> 00:07:01.440
ומתחילה להיראות כמו מינוף תפעולי.

00:07:01.440 --> 00:07:03.500
אבל היכן שהחזר ההשקעה מופיע ראשון,

00:07:03.720 --> 00:07:05.980
שלושת התפקידים עם צפיפות החזר ההשקעה הגבוהה.

00:07:06.100 --> 00:07:07.180
ברגע שהמודל ברור,

00:07:07.400 --> 00:07:08.940
השאלה הבאה היא היכן להתחיל.

00:07:09.100 --> 00:07:09.620
לא עם כולם,

00:07:09.820 --> 00:07:11.320
לא עם המחלקה הרועשת ביותר.

00:07:11.480 --> 00:07:13.040
התחילו היכן שהעבודה חוזרת על עצמה,

00:07:13.200 --> 00:07:14.900
עמוסה במסמכים ועמוסה בהחלטות קטנות

00:07:14.900 --> 00:07:16.020
שמעטות את כל מה שסביבם.

00:07:16.020 --> 00:07:18.620
שם מתפתחת שדרוג המיומנויות של בינה מלאכותית.

00:07:18.720 --> 00:07:20.120
אתם מאמנים התנהגות אחת,

00:07:20.280 --> 00:07:21.940
היא מופיעה עשרות פעמים בכל שבוע,

00:07:31.440 --> 00:07:33.960
הטעמות ומחזורי דיווח שמענישים על מאמץ ידני.

00:07:34.100 --> 00:07:34.900
הם חיים באקסל,

00:07:35.040 --> 00:07:35.900
הם מנקים קלטים,

00:07:36.040 --> 00:07:36.840
משווים גרסאות,

00:07:37.020 --> 00:07:38.960
מסבירים תנועה והופכים מספרים גולמיים

00:07:38.960 --> 00:07:40.680
למשהו שההנהלה יכולה לפעול עליו.

00:07:40.840 --> 00:07:43.100
זה בדיוק סוג העבודה שבו מיומנויות בינה מלאכותית

00:07:43.100 --> 00:07:45.260
מבוססות תפקידים יכולות להפחית את הגרירה במהירות

00:07:45.260 --> 00:07:47.140
מכיוון שהחיכוך בדרך כלל אינו שיפוט מעמית.

00:07:47.140 --> 00:07:48.440
זוהי העבודה שלפני שיפוט,

00:07:48.540 --> 00:07:48.860
איסוף,

00:07:48.980 --> 00:07:49.300
עיצוב,

00:07:49.440 --> 00:07:49.780
ניסוח,

00:07:49.960 --> 00:07:50.280
בדיקה,

00:07:50.280 --> 00:07:51.000
כתיבה מחדש.

00:07:51.140 --> 00:07:51.640
במחקר,

00:07:51.760 --> 00:07:54.000
צוותי פיננסים מדווחים על חיסכון חודשי חזק

00:07:54.000 --> 00:07:55.740
וכמה פיילוטים מראים שעבודת הדיווח

00:07:55.740 --> 00:07:57.240
יורדת ממחזורים ידניים ארוכים

00:07:57.240 --> 00:07:58.500
לטיוטות ראשונות מהירות בהרבה.

00:07:58.700 --> 00:08:00.740
דפוס זה חשוב יותר מכל מספר כותרת.

00:08:00.920 --> 00:08:02.580
אנליסטים לא מפסיקים להיות אנליסטים,

00:08:02.760 --> 00:08:04.360
הם מפסיקים להשקיע כל כך הרבה זמן

00:08:04.360 --> 00:08:05.960
בבניית הגרסה הראשונה של הפלט.

00:08:05.960 --> 00:08:07.620
כאשר השינוי הזה נוחת היטב,

00:08:07.760 --> 00:08:09.300
רואים החזרה אמיתית של קיבולת,

00:08:09.300 --> 00:08:11.980
לעתים קרובות בטווח של 30% עד 50%

00:08:11.980 --> 00:08:13.200
עבור משימות ממוקדות

00:08:13.200 --> 00:08:15.780
ומחזורים סגורים מתחילים לנוע עם פחות הרבוב בסוף.

00:08:15.900 --> 00:08:18.460
מנהלי פרויקטים הם אזור נוסף של החזר השקעה,

00:08:18.580 --> 00:08:18.960
ROI,

00:08:19.380 --> 00:08:20.080
אך מסיבה אחרת,

00:08:20.220 --> 00:08:21.940
עבודתם נקברת תחת אומס תאום,

00:08:22.100 --> 00:08:22.820
איסוף סטטוס,

00:08:23.020 --> 00:08:23.780
סיכומי פגישות,

00:08:23.940 --> 00:08:24.900
מעקב אחר פעולות,

00:08:24.900 --> 00:08:25.800
יומני סיכונים,

00:08:25.980 --> 00:08:27.560
מעקבים ועדכוני בעלי עניין.

00:08:27.720 --> 00:08:29.200
שום דבר מזה אינות ריאלי,

00:08:29.200 --> 00:08:31.680
וכל זה יוצר עיכוב כאשר המידע נמצא בצ'טים,

00:08:31.860 --> 00:08:34.340
בדיונים או בהערות חצי גמורות במקום לעבור להחלטות.

00:08:34.500 --> 00:08:38.480
לכן, כאשר מנהלי פרויקטים מאומנים להשתמש בבינה מלאכותית בתוך זרימת העבודה,

00:08:38.720 --> 00:08:39.540
ולא כניסוי צדדי,

00:08:39.700 --> 00:08:40.700
הרווח מתבטא בזרימה.

00:08:40.800 --> 00:08:44.940
מחזור הכנה שבועי שבעבר גוזל 6 שעות יכול לרדת לי שעתיים כאשר סיכומים,

00:08:44.940 --> 00:08:48.760
חילוץ פעולות ועדכוני טיוטות מתרחשים בתוך הכלים שהם כבר משתמשים בהם.

00:08:48.840 --> 00:08:49.560
חשוב מכך,

00:08:49.560 --> 00:08:51.740
הפלט מגיע במצב טוב יותר לפעולה.

00:08:51.880 --> 00:08:54.160
אנשים לא צריכים לשחזר את מה שקרה בפגישה.

00:08:54.280 --> 00:08:57.560
הם יכולים לראות את הסיכון, את הבעלים, את הדד ליין ואת הצעד הבא.

00:08:57.700 --> 00:09:02.080
זו הסיבה שמחזורי החלטות יכולים לנוע מהר יותר בית מינוס 25% עד 40% בסביבות אלה.

00:09:02.160 --> 00:09:04.040
המהירות לא נובעת מהקלדה מהירה יותר,

00:09:04.040 --> 00:09:06.280
היא נובעת מהפחתת העיכוב בין דיון לביצוע.

00:09:06.420 --> 00:09:10.620
לאחר מכן יש תפעול ותמיכה בחזית שבהם נפח העבודה עושה את רוב העבודה הכלכלית.

00:09:10.620 --> 00:09:13.060
צוותים אלה מטפלים בשאלות חוזרות ונשנות,

00:09:13.220 --> 00:09:14.500
תקשורת חוזרת ונשנית,

00:09:14.700 --> 00:09:15.240
החזור ידע,

00:09:15.460 --> 00:09:17.440
סיכומי מקרים ומעבר מתמיד בין מערכות.

00:09:17.540 --> 00:09:20.120
חיסכון קטן חשוב כאן משום שהוא מתרחש כל היום.

00:09:20.280 --> 00:09:23.720
אם זרימת עבודה של תמיכה יורדת ממ-12 דקות למד-7,

00:09:23.720 --> 00:09:26.540
הפער הזה חוזר על עצמו על פני מאות או אלפי אינטראקציות,

00:09:26.740 --> 00:09:29.840
ופתאום התפוקה עולה ללא התשובה הרגילה שהיא גיוס אנשים נוספים.

00:09:29.980 --> 00:09:32.060
כאן גם לחץ האיכות הופך למציאותי.

00:09:32.160 --> 00:09:33.800
הצוות לא יכול פשוט לנוע מהר יותר,

00:09:34.000 --> 00:09:35.360
הוא צריך להישאר במסגרת היד,

00:09:35.560 --> 00:09:37.660
להישאר מדויק ולשמור על איכות תגובה יציבה.

00:09:37.800 --> 00:09:40.420
זו הסיבה שתפקידים אלה נהנים מדפוסי הנחיות צפופים יותר,

00:09:40.540 --> 00:09:42.420
ומקרי שימוש מצומצמים יותר בשלב מוקדם.

00:09:42.560 --> 00:09:43.540
ניסחו את התגובה,

00:09:43.660 --> 00:09:44.900
איספו את הידע הנכון,

00:09:44.900 --> 00:09:45.940
סכמו את המקרה,

00:09:46.180 --> 00:09:48.060
תנו לאדם לאשר את מקרי הקצה.

00:09:48.140 --> 00:09:49.780
כאשר המשמעת הזו קיימת,

00:09:50.000 --> 00:09:55.000
רווחי התפוקה בטווח של 20% עד 40% מתחילים להיראות המינים לא מנופחים.

00:09:55.140 --> 00:09:56.800
לכן, כלל הבחירה הוא פשוט.

00:09:56.940 --> 00:10:00.200
אל תחזרו את ההדרכה באופן שווה על פני הארגון כי זה מרגיש עוגן.

00:10:00.380 --> 00:10:03.840
שימו את זה במקום שבו בינה מלאכותית מרכיבה את התפוקה באמצעות חזרה,

00:10:03.980 --> 00:10:04.920
תיעוד ואומס החלטות.

00:10:05.100 --> 00:10:07.520
מימון נותן לכם תחיסה מדידה בהכנת ניתוח.

00:10:07.520 --> 00:10:10.800
ניהול פרויקטים נותן לכם תנועה מהירה יותר באמצעות תאום.

00:10:10.960 --> 00:10:14.220
תפעול ותמיכה נותנות לכם רווחי נפח עם מדדי שירות ברורים.

00:10:14.340 --> 00:10:16.000
תפקידים שונים, אותו דפוס.

00:10:16.000 --> 00:10:20.140
העבודה נעה עם פחות חיכוך מכיוון שהמידע מגיע קרוב יותר למוכן לקבלת החלטה.

00:10:20.260 --> 00:10:24.100
וזו ההדשה להמשיך להשתמש בה כשאנחנו עוברים לדוגמאות מכיוון שהסיגנל מתחזק

00:10:24.100 --> 00:10:27.440
כשמפסיקים לשאול מי השתמש בכלי ומתחילים לשאול איזו זרימת עבודה התקצרה.

00:10:27.440 --> 00:10:30.880
הוכחה בזרימת העבודה שלושה מקרים קונקרטיים של לפני ואחרי.

00:10:31.020 --> 00:10:34.620
אז בואו נהיה ספציפי מכיוון שזו הנקודה שבה החזר ההשקעה, ROI, של בינה מלאכותית,

00:10:34.620 --> 00:10:36.380
הופך להיות בר הגנה או לארפל בחדרי ישיבות.

00:10:36.520 --> 00:10:38.020
קחו קודם כל את הפיננסים.

00:10:38.220 --> 00:10:43.060
לפני שדרוג מיומנויות ממוקד, מחזור דיווח חודשי יכול להימשך על פני חמישה ימים,

00:10:43.060 --> 00:10:45.580
לא בגלל שהניתוח עצמו אורך חמישה ימים,

00:10:45.860 --> 00:10:48.940
אלא בגלל שאנליסטים משקיעים יותר מדי זמן בייחוד מספרים,

00:10:49.160 --> 00:10:53.300
בדיקת עיצוב, ניסוח פרשנות וכתיבה שוב ושוב של אותו סגנון הסבר שונות.

00:10:53.420 --> 00:10:55.720
ההתנהגות המאומנת משנה את הרצף הזה.

00:10:55.880 --> 00:10:57.160
במקום להתחיל מדף ריק,

00:10:57.340 --> 00:11:01.260
האנליסט משתמש בבינה מלאכותית כדי לנסח את מעבר הפרשנות הראשון,

00:11:01.460 --> 00:11:04.220
לסכם תנועה בין קטגוריות ולבנות את ההסבר לסגירה.

00:11:04.340 --> 00:11:05.440
הסגירה לא נעלמת.

00:11:05.440 --> 00:11:06.980
האנליסט עדיין מאמת את המספרים,

00:11:07.200 --> 00:11:11.020
אבל הגרירה הידנית יורדת והמחזור יכול לעבור מממינוס חמישה ימים למד מינוס שניים ימים.

00:11:11.160 --> 00:11:13.080
הרווח האמיתי הוא מה שקורה אחר כך.

00:11:13.220 --> 00:11:15.420
השעות שהתאוששו לא חוזרות לדיווח יפה יותר.

00:11:15.620 --> 00:11:16.920
הן מועברות לתכנון תרחישים,

00:11:17.060 --> 00:11:19.480
סקירת חריגים ומעקב מהיר יותר עם מקבלי החלטות.

00:11:19.620 --> 00:11:21.360
עכשיו, תסתכלו על ניהול פרויקטים.

00:11:21.480 --> 00:11:23.760
הבעיה הבסיסית בדרך כלל אינה חוסר מאמץ.

00:11:23.940 --> 00:11:24.500
זה פיצול.

00:11:24.500 --> 00:11:25.520
הערות במקום אחד,

00:11:25.680 --> 00:11:26.500
פעולות במקום אחר,

00:11:26.700 --> 00:11:29.020
סיכונים קבורים בפגישה שאין לאף אחד זמן לצפות בשוב.

00:11:29.160 --> 00:11:32.900
מנהל פרויקטים יכול בקלות לבלות שש שעות בשבוע רק על העברת סטטוס לצורה שמישה.

00:11:33.000 --> 00:11:34.900
לאחר שדרוג מיומנויות מבוסס תפקידים,

00:11:34.900 --> 00:11:35.880
זרימת העבודה משתנה.

00:11:36.020 --> 00:11:37.980
הערות פגישה מסוכמות בתבנית עקבית.

00:11:38.160 --> 00:11:40.360
פעולות נשלפות עם בעלים ומועדים אחרונים.

00:11:40.600 --> 00:11:42.060
סיכונים וחוסמות סצים מוקדם יותר,

00:11:42.180 --> 00:11:44.840
מכיוון שמנהל הפגישה לא בונה אותה מחדש ידנית לאחר מעשה.

00:11:44.840 --> 00:11:47.320
זמן ההכנה הזה יכול לרדת מ-6 שעות למד-2,

00:11:47.560 --> 00:11:49.060
והניצחון הגדול יותר הוא במורד הזרם.

00:11:49.160 --> 00:11:50.680
הסלמות מתרחשות מוקדם יותר.

00:11:50.900 --> 00:11:53.160
בעלי עניין מקבלים עדכונים שמוכנים לפעולה.

00:11:53.260 --> 00:11:56.000
פחות החלטות נתקאות מכיוון שהמעקב מגיע באיחור,

00:11:56.000 --> 00:11:57.160
לא שלם או לא ברור.

00:11:57.320 --> 00:11:59.240
מה שהשתנה לא היה תואר מנהל הפגישה.

00:11:59.360 --> 00:12:01.680
המהירות שבה המידע הפך לשימושי הייתה עצמה.

00:12:01.840 --> 00:12:03.580
לאחר מכן יש את התמיכה והתפעול,

00:12:03.740 --> 00:12:05.780
שבהן המתמטיקה הופכת לגלויה מאוד מהר מאוד.

00:12:05.780 --> 00:12:07.300
התחילו עם מקרה משותף.

00:12:07.460 --> 00:12:09.520
זמן הטיפול הממוצע עומד על 12 דקות,

00:12:09.680 --> 00:12:11.660
מכיוון שאנשים מחפשים את התשובה הנכונה,

00:12:11.920 --> 00:12:12.980
כותבים את התגובה מאפס,

00:12:13.160 --> 00:12:13.940
מסכמים את המקרה,

00:12:14.140 --> 00:12:16.060
ואז עוברים לתיק הבא שכבר נמצא מאחוריו.

00:12:16.200 --> 00:12:17.780
לאחר שדרוג מיומנויות ממוקד,

00:12:17.780 --> 00:12:20.260
הסוכן משתמש בבינה מלאכותית לתגובות טיוטה,

00:12:20.500 --> 00:12:22.040
החזור מהיר יותר מהידע שאושר,

00:12:22.220 --> 00:12:24.400
וסיכומי מקרים מובנים שמפחיתים חיפוש חוזר.

00:12:24.560 --> 00:12:27.640
זמן הטיפול יכול לרדת מממינוס 12 דקות למד מינוס 7.

00:12:27.640 --> 00:12:28.820
זה משנה בפני עצמו,

00:12:28.980 --> 00:12:31.120
אבל הסימן החזק יותר הוא היציבות האחרת.

00:12:31.280 --> 00:12:33.060
יותר מקרים נפטרים בתוך היעד.

00:12:33.200 --> 00:12:34.700
איכות התגובה הראשונה משתפרת,

00:12:34.760 --> 00:12:36.700
מכיוון שהתשובה מתחילה מטיוטה המבוססת,

00:12:36.760 --> 00:12:37.940
במקום כתיבה ידנית חפוזה.

00:12:38.100 --> 00:12:39.580
והצוות מקבל מרחב נשימה,

00:12:39.580 --> 00:12:40.800
מבלי להוסיף ספירת עובדים.

00:12:40.960 --> 00:12:42.060
בכל שלושת המקרים,

00:12:42.240 --> 00:12:43.200
המבנה נשאר זהה.

00:12:43.300 --> 00:12:44.820
אתם מתחילים עם משימה בסיסית.

00:12:44.980 --> 00:12:46.860
אתם מאמנים את ההתנהגות בתוך אותה משימה.

00:12:46.980 --> 00:12:48.140
זרימת העבודה מתקצרת.

00:12:48.140 --> 00:12:48.800
לאחר מכן,

00:12:48.860 --> 00:12:50.560
הקיבולת המשוחררת עוברת למקום שימושי.

00:12:50.640 --> 00:12:51.840
המבנה החוזר הזה חשוב,

00:12:51.940 --> 00:12:53.560
מכיוון שהוא שומר על כנות המקרה העסקי.

00:12:53.660 --> 00:12:54.880
אתם לא טוענים לקסם.

00:12:55.000 --> 00:12:56.380
אתם מראים לאן הזמן הלך,

00:12:56.560 --> 00:12:57.040
מה השתנה,

00:12:57.240 --> 00:12:58.500
ומה הצוות עשה עם הרווח.

00:12:58.500 --> 00:13:00.260
אבני המידה החיצוניות במחקר,

00:13:00.340 --> 00:13:01.560
שלחת תומכות בדפוס זה,

00:13:01.640 --> 00:13:02.980
מבלי להחליף הוכחות פנימיות.

00:13:03.100 --> 00:13:04.540
במחקרי Microsoft Copilot,

00:13:04.780 --> 00:13:06.820
משתמשים מדווחים על חיסכון זמן חודשי ממוצע,

00:13:06.820 --> 00:13:09.800
וחלק גדול מדווח על הגאה מהירה יותר לטיוטה ראשונה טובה.

00:13:09.900 --> 00:13:10.720
בפריסות מדודות,

00:13:10.840 --> 00:13:13.100
צוותים מדווחים גם על זמן מהיר יותר לקבלת תובנות,

00:13:13.160 --> 00:13:14.500
ומהירות קבלת החלטות טובה יותר,

00:13:14.640 --> 00:13:15.540
כאשר בינה מלאכותית,

00:13:15.620 --> 00:13:16.780
קשורה לזרימת עבודה אמיתית,

00:13:16.780 --> 00:13:18.420
במקום להיות שפה כעוזר לשימוש כללי.

00:13:18.540 --> 00:13:20.060
אותות אבני המידה הללו שימושיים,

00:13:20.140 --> 00:13:22.460
משום שהם מראים שהתוצאה הפנימית שלך אינה מבודדת,

00:13:22.640 --> 00:13:24.180
אלא עליה לתמוך בטענה לא לשאת אותה.

00:13:24.260 --> 00:13:25.860
וזה מה שמנהיגי התחום צריכים.

00:13:25.860 --> 00:13:28.320
אל תשאלו האם בינה מלאכותית נגעה בתהליך.

00:13:28.520 --> 00:13:30.960
שאלו האם התהליך מתקדם כעת עם פחות עיכוב,

00:13:31.140 --> 00:13:33.920
פחות עבודות חוזרות וניצול טוב יותר של אנשים מיומנים.

00:13:34.080 --> 00:13:35.440
בכל אחד מהמקרים הללו,

00:13:35.620 --> 00:13:37.320
בינה מלאכותית לא הסירה את התפקיד.

00:13:37.460 --> 00:13:40.260
היא הסירה את הפער בין הגעת המידע לתחילת הפעולה.

00:13:40.420 --> 00:13:41.140
זה היתרון.

00:13:41.260 --> 00:13:43.680
אבל זה תקף רק אם המערכת סביבה נשלטת.

00:13:43.860 --> 00:13:45.340
כי ברגע שהפלטים נסחפים,

00:13:45.480 --> 00:13:46.540
המקורות מתבלבלים,

00:13:46.540 --> 00:13:49.620
או שאנשים מתחילים לאלטר בזרימות עבודה בסיכון גבוה,

00:13:49.860 --> 00:13:52.760
הרווח לכאורה יכול להיעלם תחת עבודת תיקונים נסתרת.

00:13:53.380 --> 00:13:55.660
הממשל הקשוח שמגן על החזר ההשקעה,

00:13:55.840 --> 00:13:56.180
ROI.

00:13:56.540 --> 00:13:59.120
עכשיו, החלק שהרבה תוכן בתחום הבינה המלאכותית מדלג עליו,

00:13:59.120 --> 00:14:01.180
כי הוא נשמע פחות מרגש מאשר שיפורי פרודוקטיביות.

00:14:01.280 --> 00:14:01.560
ממשל.

00:14:01.680 --> 00:14:02.680
אבל אם משמיתים את זה,

00:14:02.880 --> 00:14:04.500
מודל הרוי שלכם הופך רך מהר,

00:14:04.560 --> 00:14:07.000
מכיוון שתפוקות גרועות יוצרות עבודת סקירה נסתרת,

00:14:07.000 --> 00:14:09.740
החלטות חלשות וסיכון שאף אחד לא תמחר בהתחלה.

00:14:09.840 --> 00:14:11.260
התחילו עם גבול הנתונים.

00:14:11.440 --> 00:14:13.960
בינה מלאכותית צריכה לעבוד רק עם מקורות נתונים

00:14:13.960 --> 00:14:17.680
מאושרים תחת כללי גישה ברורים עם קלטים שאנשים יכולים לסמוך עליהם.

00:14:17.780 --> 00:14:20.760
אם המקור מיושן, מבולגן או נמשך מהמקום הלא נכון,

00:14:20.760 --> 00:14:24.320
הפלט עשוי להיראות מלוטש ועדיין לדחוף את הצוות לכיוון הלא נכון.

00:14:24.540 --> 00:14:25.100
זה יקר.

00:14:25.280 --> 00:14:26.640
לא תמיד בצורה נראית לעין,

00:14:26.820 --> 00:14:27.700
אלא בבדיקות שניות,

00:14:27.880 --> 00:14:28.480
איבוד חוזר,

00:14:28.480 --> 00:14:30.080
אישורים מתעכבים ואובדן אמון.

00:14:30.220 --> 00:14:32.380
לכן, כלל ההפעלה צריך להישאר פשוט.

00:14:32.560 --> 00:14:33.860
נתונים מבוקרים נכנסים,

00:14:34.080 --> 00:14:35.200
פלט ניתן לסקירה יוצא.

00:14:35.300 --> 00:14:35.940
לאחר מכן,

00:14:36.080 --> 00:14:38.580
שימרו על האדם בלולאה שבה נמצאת האחריות בפועל.

00:14:38.700 --> 00:14:40.140
בינה מלאכותית יכולה לנסח,

00:14:40.300 --> 00:14:41.060
היא יכולה לסכם,

00:14:41.060 --> 00:14:42.240
היא יכולה להציע דפוסים,

00:14:42.400 --> 00:14:42.960
אבל אישורים,

00:14:43.080 --> 00:14:45.200
חריגים והחלטות סופיות עדיין שייכים לאנשים.

00:14:45.420 --> 00:14:46.300
זו לא זהירות לשמה,

00:14:46.540 --> 00:14:50.040
זו הדרך שבה אתם מגנים על איכות ההחלטות ועדיין מקבלים את יתרון המהירות.

00:14:50.040 --> 00:14:50.940
במיוחד במימון,

00:14:51.100 --> 00:14:51.940
סיכוני פרויקטים,

00:14:52.060 --> 00:14:52.660
מקרי לקוח,

00:14:52.840 --> 00:14:54.560
או כל דבר עם השלכות רגולטוריות,

00:14:54.800 --> 00:14:56.300
מי שהוא צריך להיות אחריי על השיפוט,

00:14:56.480 --> 00:14:57.180
לא רק על ההנחיה.

00:14:57.320 --> 00:14:59.020
כאן עוזר קריאת מקרי שימוש.

00:14:59.180 --> 00:15:00.560
עבודה בסיכון נמוך מתקדמת,

00:15:00.640 --> 00:15:00.960
תחילה,

00:15:01.140 --> 00:15:01.560
סיכומים,

00:15:11.060 --> 00:15:13.260
שבה בינה מלאכותית עוזרת לבנות את החשיבה,

00:15:13.340 --> 00:15:14.660
אך לא סוגרת את הלולאה לבדה.

00:15:14.740 --> 00:15:16.520
אוטומציה בסיכון גבוה נשארת צרה,

00:15:16.640 --> 00:15:19.360
ומבוקרת כי ברגע שתהליך העבודה נושא סיכון פיננסי,

00:15:19.520 --> 00:15:20.460
משפטי או שירות,

00:15:20.460 --> 00:15:22.420
העלות של פלט שגוי מטפסת במהירות.

00:15:22.500 --> 00:15:23.340
בלי קריאה זו,

00:15:23.500 --> 00:15:25.060
חברות מתשתשות הכל יחד.

00:15:25.180 --> 00:15:28.020
הן מתייחסות לסיכום פגישה ולנתיב קבלת החלטות רגיש,

00:15:28.100 --> 00:15:29.320
כאילו הם נושאים את אותו סיכון.

00:15:29.460 --> 00:15:29.780
הן לא,

00:15:29.780 --> 00:15:31.560
וכאשר אנשים לא יכולים לראות את הגבול,

00:15:31.720 --> 00:15:34.120
הם רואו סומכים יתר על המידה על הכלי או נמנעים ממנו לחלוטין.

00:15:34.260 --> 00:15:35.360
שניהם הורסים ערך.

00:15:35.560 --> 00:15:36.780
גם סטנדרטים חשובים.

00:15:36.920 --> 00:15:38.920
הנחיה האקראית מייצרת עבודה אקראית.

00:15:38.920 --> 00:15:41.720
אם כל עובד ממציא את הדרך שלו לבקש סיכומים,

00:15:41.860 --> 00:15:42.840
טיוטות וניתוחים,

00:15:43.040 --> 00:15:44.460
האיכות מתפשטת לכל עבר,

00:15:44.700 --> 00:15:48.060
ומנהלים בסופו של דבר בוחנים הבדלי סגנון במקום ערך עסקי.

00:15:48.180 --> 00:15:49.380
מפוסי הנחיות משותפים,

00:15:49.380 --> 00:15:52.200
מדריכי תפקידים ודוגמאות פשוטות מפחיתים את הסחיפה הזו.

00:15:52.300 --> 00:15:53.700
לא בגלל שהנחיות אין האסטרטגיה,

00:15:53.860 --> 00:15:56.220
אלא בגלל שהתנהגות חוזרת מפחיתה את כמות העבודה החוזרת.

00:15:56.380 --> 00:15:58.500
המדידה גם לא יכולה להיפסק לאחר הפריסה.

00:15:58.500 --> 00:16:01.080
אתם זקוקים לתצוגה חיה של זמן שנחסך עומק האימוץ,

00:16:01.260 --> 00:16:01.940
שיעורי החריגים,

00:16:02.100 --> 00:16:03.580
עיבוד חוזר וכל ירידה באיכות הפלט.

00:16:03.660 --> 00:16:06.220
אחרת, הרווחים המוקדמים יכולים להשוות דעיכה מאוחרת יותר.

00:16:06.220 --> 00:16:07.800
צוות עשוי להיראות מהיר יותר על הנייר,

00:16:07.880 --> 00:16:09.440
בעוד שעבודת התיקון מצטברת במקום אחר.

00:16:09.580 --> 00:16:10.980
זו לא החזר השקעה ROI,

00:16:11.320 --> 00:16:13.540
זוהי עלות שהוא עברה לחלק אחר של המערכת.

00:16:13.700 --> 00:16:15.080
וזוהי הנקודה הניהולית.

00:16:15.080 --> 00:16:16.380
ממשל לא מעט ערך,

00:16:16.560 --> 00:16:18.020
הוא מגן על ערך מפני הגזמה.

00:16:18.180 --> 00:16:19.960
מנהיגים לא מממנים את מה שמרגיש חכם,

00:16:20.120 --> 00:16:21.640
הם מממנים את מה שהם יכולים לבקר,

00:16:21.780 --> 00:16:24.040
להשוות ולהגן כאשר התוצאות מוטלות בספק.

00:16:24.120 --> 00:16:27.280
לכן, אם תוכנית הבינה המלאכותית שלכם יכולה להציג תשומות נקיות,

00:16:27.280 --> 00:16:29.680
בעלות ברורה, שכבות הגיוניות ותוצאות מדודות,

00:16:29.860 --> 00:16:32.840
היא מפסיקה להיראות כמו ניסוי ומתחילה להיראות כמו משמעת תפעולית.

00:16:32.940 --> 00:16:34.740
ברגע שפקרות אלו מובנות במודל,

00:16:34.740 --> 00:16:38.660
הרחבת השימוש בבינה מלאכותית מפסיקה להיראות כמו הימור על התלהבות

00:16:38.660 --> 00:16:40.840
ומתחילה להיראות כמו בחירה עסקית מנוהלת.

00:16:40.900 --> 00:16:42.240
קנה מידה ללא בזבוז.

00:16:42.400 --> 00:16:44.820
כיצד להתרחב מפיילוט למודל תפעולי.

00:16:44.940 --> 00:16:47.840
לאחר מכן, הטעות הבאה היא קנה מידה מוקדם מדי.

00:16:47.960 --> 00:16:50.460
פיילוט מראה פוטנציאל, ההנהגה מתרגשת,

00:16:50.620 --> 00:16:55.400
ואז רישיונות מתפשטים ברחבי החברה לפני שמישהו נעל את התבנית שהביאה בפועל לתוצאה.

00:16:55.560 --> 00:16:56.680
שם הכסף דולף.

00:16:56.680 --> 00:17:01.020
לא בגלל שהכלי הפסיק לעבוד, אלא בגלל שמודל ההפעלה מעולם לא נוצר סביבו.

00:17:01.120 --> 00:17:03.300
נתיב טוב יותר מתחיל בקטן וספציפי.

00:17:03.440 --> 00:17:06.140
בחרו שלוש עד חמש זרימות עבודה לכל תפקיד יעד.

00:17:06.140 --> 00:17:11.780
לא עשר, לא כל מקרי שימוש אפשרי, רק זרימות עבודה עם נפח חוזר, חיכוך גלוי ורלוונטיות עסקית ברורה.

00:17:11.920 --> 00:17:14.180
כוונו את קו הבסיס לפני שמשהו משתנה.

00:17:14.180 --> 00:17:17.820
לאחר מכן, הכשירו אנשים במשימה עצמה, לא בסיור כללי של תכונות.

00:17:17.980 --> 00:17:21.360
אנליסט פיננסי לא צריך שיעור רחב באפשרויות של בינה מלאכותית תחילה,

00:17:21.540 --> 00:17:25.620
הוא צריך לדעת כיצד לקצר ניסוח הערות, כיצד לנקות גיליון אלקטרוני חוזר מהר יותר,

00:17:25.880 --> 00:17:27.980
וכיצד לבנות סקירת שונות עם פחות הלוך ושוב.

00:17:28.140 --> 00:17:31.020
לאחר מכן, הפעילו מחזורי פיילוט קצרים עם שערי הצלחה קשים.

00:17:31.220 --> 00:17:32.440
האם שעות ששולמו הופיעו?

00:17:32.540 --> 00:17:33.700
האם זמן המחזור ירד?

00:17:33.840 --> 00:17:35.120
האם האיכות נשארה יציבה?

00:17:35.120 --> 00:17:38.180
האם משתמשים שאומנו המשיכו להשתמש בתבנית לאחר השבוע הראשון?

00:17:38.300 --> 00:17:39.580
אלה הסימנים שחשובים.

00:17:39.740 --> 00:17:43.140
אם השימוש הפעיל יורד או אם איבוד חוזר עולה, אל תרחיבו עדיין.

00:17:43.280 --> 00:17:46.220
תקן תחילה את זרימת העבודה, את ההדרכה או את התמיכה.

00:17:46.360 --> 00:17:48.740
צמיחה ללא משמעת זו רק מפחיתה את הבלבול.

00:17:48.900 --> 00:17:52.860
מה שעוזר כאן הוא בניית חבילות הוכחה שמדברות את השפה של כל בעל עניין.

00:17:53.060 --> 00:17:56.520
מנהל הכספים רוצה תצוגה מתונחרת של עבודה מוחזרת ובזבוז שנמנע.

00:17:56.520 --> 00:18:00.500
מנהל התפעול הראשי רוצה תנועה בזמן המחזור, התפוקה והאמינות השירות.

00:18:00.620 --> 00:18:05.540
מנהלי קו רוצים לדעת האם הצוות יכול לספוג יותר עבודה, להגיב מהר יותר או להפחית ניהול ידני.

00:18:05.680 --> 00:18:08.900
לכן, אל תציגו טענות ספקים רחבות כשאתם מבקשים את השלב הבא.

00:18:08.900 --> 00:18:12.660
הציגו נתונים ברמת התפקיד מהסביבה שלכם הקשורים לזרימת עבודה אחת בכל פעם.

00:18:12.840 --> 00:18:14.240
גם התקציב צריך להשתנות.

00:18:14.240 --> 00:18:20.080
יותר מדי הוצאות על בינה מלאכותית עדיין מושקעות בהסמכה גנרית ובאירועי הדרכה חד פעמיים שמרגישים מאורגנים אך לא נצמדים.

00:18:20.200 --> 00:18:28.840
המודל החזק יותר משקיע כסף באימון מוטמע בזרימת עבודה, ספריות הנחיות משותפות וחיזוקים בהובלת מנהלים מכיוון שאלו המנגנונים שהופכים הדגמה שימושית להתנהגות חוזרת.

00:18:28.840 --> 00:18:31.800
גם מחקר במערך המקור שלכם מצביע בכיוון זה.

00:18:31.800 --> 00:18:38.400
ארגונים בעלי ביצועים גבוהים מוציאים יותר על תכנון תוכניות פנימי ותמיכה במנהלים ופחות על הסמכה חיצונית כתשובה העיקרית.

00:18:38.580 --> 00:18:41.940
ההתרחבות צריכה לעקוב אחר אשכולות תפקידים ורמות מקרי שימוש.

00:18:42.080 --> 00:18:47.020
אם צוות כספים אחד מוכיח ערך בתמיכה בדיווח והתאמה, עברו לזרימות עבודה פיננסיות סמוכים.

00:18:47.180 --> 00:18:51.780
אם מנהלי פרויקטים מראים שיפורים בדיווח סטטוס ומעקב אחר פעולות, עברו לדפוסי תאום קשורים.

00:18:51.940 --> 00:18:53.820
סוג כזה של קנה מידה מחזיק מעמד.

00:18:53.820 --> 00:18:57.760
רישוי גורף קורא לעיתים רחוקות מכיוון שהשימוש מתפשט מהר יותר מהיכולת.

00:18:57.860 --> 00:19:00.360
והשאירו שאלה אחת לפני כל החלטת פריסה.

00:19:00.460 --> 00:19:02.500
האם זה שינה את אופן התנועה של העבודה?

00:19:02.680 --> 00:19:06.640
אם התשובה היא לא, יצרו כי הרווח לא נובע מהוספת גישה לבינה מלאכותית,

00:19:06.640 --> 00:19:10.300
הוא נובע משינוי הנתיב מקלט לפעולה באופן שהעסק יכול למדוד.

00:19:10.420 --> 00:19:11.440
אז השינוי פשוט.

00:19:11.620 --> 00:19:14.280
החזר השקעה, ROI, לא נובע מנפח ההדרכה.

00:19:14.280 --> 00:19:19.640
הוא נובע ממשימות קצרות יותר, החלטות מהירות יותר וביצוע נקי יותר בתוך העבודה שאנשים כבר עושים.

00:19:19.780 --> 00:19:23.320
בחרו זרימת עבודה אחת השבוע בתחומי הכספים, ניהול פרויקטים או תמיכה,

00:19:23.520 --> 00:19:27.760
מידדו את הגרסה הידנית מול הגרסה בסיוע בינה מלאכותית לאחר שדרוג מיומנויות ממוקד,

00:19:27.760 --> 00:19:29.580
הוצפו לאן הולכת הקיבולת המשוחזרת.

00:19:29.700 --> 00:19:32.900
אם זה שינה את האופן שבו אתם חושבים על בינה מלאכותית של מייקרוסופט,

00:19:32.900 --> 00:19:38.100
הרשמו לפודקאסט M365FM, השאירו ביקורת, צרו איתי קשר, מרקו פיטרס, בלינקטין,

00:19:38.280 --> 00:19:41.140
ושילחו לי את סבר הבקבוק הבא בזרימת העבודה שאתם רוצים לפרק.