בפרקים הקודמים כתבתי על הידע הארגוני כתשתית לצמיחה ועל התפקיד החדש שמתחיל להתהוות סביבו: מנהל הידע הארגוני.
הסברתי שארגון מייצר בכל יום כמויות עצומות של נתונים ומידע, אבל הערך האמיתי נוצר רק כאשר הוא מצליח לשמור אותם, לחבר ביניהם ולהפוך אותם לידע שמשרת את קבלת ההחלטות ואת הפעילות העסקית של הארגון
עכשיו אני רוצה לקחת את התהליך הזה צעד אחד קדימה
תחשבו על ארגון שביצע לאורך השנים עשרות או מאות פרויקטים, בכל אחד מהם נצבר מידע על התכנון, התמחור, הכמויות, הספקים, הרכש, השינויים, העיכובים, החריגות, הגבייה, התקלות, ההחלטות והפתרונות.
בכל פרויקט נוצרו הצלחות שכדאי לשכפל, טעויות שכדאי למנוע ולקחים שיכולים לשפר את הפרויקט הבא.
אבל בפועל, חלק גדול מהידע הזה נשאר מפוזר בין תיקיות, מערכות, מודלים, מסמכים וראשים של עובדים.
לכן, גם כאשר הארגון כבר מחזיק את התשובה, הוא לא תמיד יודע איפה ואיך למצוא אותה בזמן.
עכשיו דמיינו שכל הידע הזה מחובר למערכת AI שמסוגלת לקרוא אותו, לנתח אותו ולהפיק ממנו תובנות.
כאשר מתחיל פרויקט חדש, במקום להתחיל באופן אוטומטי בדרך שבה תמיד עבדנו, אפשר לשאול:
איך לדעתך נכון להתחיל את הפרויקט החדש לאור כל המידע שצברנו עד עתה?
הארגון יוכל להסתמך על הזיכרון המצטבר שלו ולקבל ממנו תובנות מקצועיות טכנולוגיות ובעיקר עסקיות.
זהו בעיניי יכול להיות היועץ הארגוני הבא: שכבת AI שיודעת לעבוד עם הידע שהארגון כבר צבר ולהחזיר אותו בצורה נגישה, מהירה ורלוונטית מבלי להחליף את המנהלים עצמם.
AI שמכיר את הארגון עצמו
כיום רובנו משתמשים בכלי AI כדי לכתוב, לסכם, לחפש רעיונות או לקבל תשובות מהירות.
הערך הגדול באמת עבור ארגונים יגיע מכלי שמכיר את הארגון עצמו, מעבר למידע הכללי שהוא כבר מכיר מהאינטרנט אלא מהמידע שנצבר בו ביומיום: הפרויקטים שביצע, הלקוחות והספקים שלו וההתנהלות מולם, ההחלטות שקיבל, הכשלים שספג, הפתרונות שעבדו והדרך שבה הארגון עובד.
אם מנהל פרויקט ישאל כלי כזה מהם הסיכונים המרכזיים בפרויקט מסוים, הוא יוכל לבחון מה קרה בפרויקטים דומים שביצע הארגון בעבר, במקום לקבל רק תשובה תאורטית.
אם מנהל עסקי יבקש לבדוק הצעת מחיר, המערכת תוכל להשוות אותה לפרויקטים קודמים, לזהות סעיפים שבהם נוצרו חריגות ולהעלות שאלות שכדאי לבחון לפני ההגשה.
אם מחלקת הרכש תרצה להעריך ספק, היא תוכל לקבל תמונה שמבוססת על זמני אספקה, איכות, שינויים וחריגות שנצברו לאורך כמה פרויקטים.
ואם ההנהלה תרצה להבין מה באמת משפיע על הרווחיות, ה-AI יוכל לחבר בין נתוני תכנון, ביצוע, רכש, לוחות זמנים וגבייה ולהציג דפוסים שקשה לראות כאשר כל פרויקט נבחן בנפרד.
כך ה-AI הופך לכלי שמאפשר לארגון לשאול שאלות טובות יותר על עצמו, מעבר למתן תשובות בלבד.
בעולם הבנייה, מודלי BIM יכולים להיות אחד ממקורות הידע החשובים ביותר של אותו ״יועץ ארגוני״
המודל יכול לכלול מידע על רכיבים, חומרים, מערכות, כמויות, עלויות, שלבי ביצוע ותחזוקה, מעבר לגאומטריה עצמה.
כאשר המידע במודלים נבנה בצורה אחידה ומתחבר לנתוני רכש, ביצוע, לוחות זמנים וכספים, אפשר להתחיל לראות את הפרויקט כתמונה אחת במקום כאוסף של מערכות נפרדות.
אפשר לבדוק מה היו הכמויות המתוכננות לעומת מה שנרכש בפועל, אילו רכיבים יצרו את מספר השינויים הגבוה ביותר, אילו החלטות תכנון השפיעו על הביצוע ואיזה מידע מהמודל יכול לשפר את התמחור בפרויקט הבא.
וכאשר מוסיפים בהמשך נתונים שמגיעים מהשטח, מחיישנים וממערכות IoT, הידע ממשיך להתפתח גם לאחר המסירה ומאפשר לארגון ללמוד כיצד הפתרונות שלו מתפקדים לאורך כל חיי הפרויקט תכנון, ביצוע ואחזקה
שיקול הדעת נשאר אנושי
חשוב להבין שהיועץ הארגוני מבוסס ה-AI מסייע למנהל הפרויקט, למנהל ה-BIM, לאנשי הרכש ולהנהלה. הוא מעבד כמויות עצומות של מידע, מזהה קשרים ומציג תובנות. שיקול הדעת, האחריות, הניסיון והמנהיגות נשארים אנושיים.
רמת הסיכון שהארגון מוכן לקחת, הרגישות מול לקוח מסוים והשיקולים האנושיים והעסקיים שמשפיעים על ההחלטה הם עדיין באחריות מלאה של המנהלים עצמם רק יכולות הניתוח והתובנות מוגשות להם וזה מקל עליהם לקבל החלטות עסקיות מושכלות יותר.
לכן נכון לחשוב על ה-AI כעל משתתף נוסף בחדר, כזה שמסוגל לזכור ולעבד את כל מה שהארגון עשה בעבר ולהציג למנהלים תמונה רחבה יותר.
הוא יכול לומר שבכמה פרויקטים דומים חזרה אותה בעיה, שבמקרה מסוים פתרון אחר הוביל לתוצאה טובה יותר או שהנתונים מצביעים על סיכון שכדאי לבדוק.
והמנהלים ממשיכים לשאול, לדייק אותו, לבחון אופציות ולהחליט את ההחלטה הטובה ביותר עבורם שעליה הם גם ייקחו אחריות.
האמינות של היועץ תלויה לגמרי באיכות הידע שעליו הוא נשען. ברגע שהידע של הארגון מפוזר, לא מעודכן, לא אחיד או קיים רק אצל אנשים מסוימים, ה-AI עלול להחזיר תשובה שנשמעת מצוין אבל נשענת על בסיס לא אמין.
מה שנכנס זה מה שיוצא נכנס ידע מדויק ומסודר יצאו תובנות בהתאם ולהיפך.
לכן לפני שמבקשים מה-AI לייעץ, הארגון צריך להחליט מה הוא רוצה ללמד אותו: איזה מידע מותר לו לראות, אילו מקורות נחשבים אמינים, מי מאשר את הידע, כיצד מגנים על מידע מסחרי ורגיש ומה עושים כאשר קיימת סתירה בין מספר מקורות.
זה בדיוק החיבור בין שלושת הפרקים בסדרה:
- הידע הארגוני הוא התשתית.
- מנהל הידע הארגוני הוא מי שבונה ומנהל אותה.
- ה-AI היא השכבה שמאפשרת להפיק ממנה ערך בקנה מידה שלא היה אפשרי בעבר.
איך מתחילים?
אפשר להתחיל בבעיה עסקית אחת שבה קיים ערך ברור, כמו שיפור התמחור, זיהוי מוקדם של חריגות, הפקת לקחים מפרויקטים או הנגשת ידע לעובדים חדשים.
אפשר להתחיל בכמה צעדים פשוטים:
- לבחור מספר פרויקטים דומים ולרכז את המידע הרלוונטי.
- לבדוק מה מהמידע אמין, מעודכן ומאושר לשימוש.
- להגדיר אילו שאלות היינו רוצים לשאול יועץ שמכיר את הארגון.
- לבצע פיילוט ממוקד ולבחון אם התשובות באמת מסייעות לקבלת החלטות.
- לזהות איזה מידע חסר ומה צריך להתחיל לצבור בצורה עקבית.
- להחזיר את התובנות החדשות לבסיס הידע כדי שהמערכת והארגון ימשיכו ללמוד.
המטרה היא להתחיל משאלה עסקית קטנה שהארגון רוצה לפתור ורק לאחר קבלת התובנות להמשיך ולגדול
לסיכום
בעיניי, זו אחת ההבטחות הגדולות ביותר של AI עבור ענף הבנייה: היכולת לאפשר לארגון ללמוד מהניסיון של עצמו, מעבר להאצת מה שאנחנו כבר עושים.
במשך שנים התרגלנו לכך שכל פרויקט הוא כמעט עולם בפני עצמו. יש צוות חדש, תנאים חדשים, ספקים חדשים ואתגרים חדשים. אבל גם כאשר כל פרויקט ייחודי, חלק גדול מהידע הנדרש כדי להצליח בו כבר קיים במקום כלשהו בארגון.
עד היום פשוט לא תמיד ידענו למצוא אותו, לחבר אותו ולעבד אותו בזמן שבו הוא יכול לעזור.
יועץ ארגוני מבוסס AI יכול לשנות את נקודת הפתיחה הזאת.
הוא יכול לאפשר למנהלים להתחיל כל פרויקט עם הידע שנצבר בפרויקטים שקדמו לו, להרחיב את שיקול הדעת האנושי ולזהות סיכונים והזדמנויות הרבה לפני שהם מתהווים.
בסופו של דבר, היתרון של ארגון נמצא ביכולת לחבר את הניסיון שנצבר בפרויקטים, בטכנולוגיות ובאנשים שנמצאים בו, ללמוד ממנו ולהשתמש בו שוב ושוב.
ברגע שיש לנו את הידע נגיש, הדרך לתוצאות עסקיות טובות יותר משמעותית הוא קצר ופשוט…