איך בוחרים תהליך ראשון לאוטומציה עם AI בעסק

מכינים רשימה קצרה של משימות מלאות

בקשו מהצוות שלוש משימות חוזרות שמפריעות לעבודה חשובה. תארו כל אחת מהבקשה הנכנסת ועד לתוצאה שהושלמה. ״להשתמש ב-AI בתפעול״ זו הגדרה רחבה מדי. ״להכין תקציר לקוח וטיוטת תשובה שאיש המכירות יבדוק״ היא כבר משימה שאפשר לבחון.

כללו גם את השלבים הפחות נוחים: חיפוש רשומות, שאלה לעובד אחר, בדיקת טיוטה ועדכון מערכת נוספת. משימה שמתוארת כעשר דקות יכולה לקחת הרבה יותר כשסופרים את כל העברות הטיפול. השתמשו בדוגמאות שנצפו בפועל, ולא במקרה המהיר ביותר שמישהו זוכר.

בודקים מוכנות לפני שמשווים חיסכון

האם המערכת יכולה לגשת למידע הנדרש? האם מישהו יודע איך נראית תוצאה נכונה? האם אפשר לזהות טעויות לפני שהן משפיעות על לקוח או על רשומה עסקית? אם התשובות לא ברורות, הפרויקט הראשון יכול להיות סידור התהליך או המידע, עוד לפני שמוסיפים AI.

מנו אדם שיוכל לבדוק חריגים ולתחזק את הכללים. כשקשה לבטל פעולה שגויה, מתחילים מטיוטה או מהצעה לעדכון. הערכת זמן מבטיחה לא מספיקה אם אין מי שייקח אחריות על התהליך אחרי ההשקה.

• קלט: הגדירו אילו רשומות, מסמכים והרשאות באמת נדרשים.
• פלט: תארו מה נחשב לתוצאה מלאה שאפשר לקבל.
• חריגים: החליטו מי מטפל במידע חסר וברשומות סותרות.

משווים זמן שבועי נטו באותו חישוב

אפשר להתחיל מהערכה פשוטה: מספר המשימות בשבוע כפול הדקות שנחסכות בכל משימה, פחות דקות התחזוקה השבועיות. הזמן שנשאר עם AI חייב לכלול הכנה, בדיקה, תיקונים וטיפול בחריגים. בפיילוט מודדים את הנתונים האלה; לפני כן מסמנים אותם כהנחות.

הנה השוואה להמחשה, לא תוצאה של לקוח. סיכומי פגישות: 10 בשבוע, 15 דקות כיום, 7 דקות עם AI ועוד 20 דקות תחזוקה שבועית. החיסכון המשוער הוא 10 כפול ההפרש בין 15 ל-7, פחות 20: בסך הכול 60 דקות בשבוע.

הכנת הצעות מחיר: 40 בשבוע, 12 דקות כיום, 6 דקות עם AI ועוד 30 דקות תחזוקה נותנות חיסכון של 210 דקות. הזנת חשבוניות: 80 בשבוע, 5 דקות כיום, 4 דקות עם AI ועוד 40 דקות תחזוקה נותנות חיסכון של 40 דקות.

לפי ההנחות האלה, הכנת הצעות מחיר היא מועמדת חזקה יותר מבחינת זמן, אף שהזנת חשבוניות מתבצעת בתדירות גבוהה יותר. אם ההנחות משתנות, גם הסדר יכול להשתנות. האיכות, הגישה למידע והאחריות עדיין צריכות לעבור את בדיקת המוכנות.

בודקים אם אוטומציה פשוטה יותר מספיקה

חלק מהשלבים צריכים כלל קבוע, טופס או חיבור בין מערכות. משתמשים ב-AI במקום שבו הבנת מידע מגוון מוסיפה ערך. למשל, תוכנה יכולה לנתב פנייה לפי מזהה לקוח מוכר, ו-AI יכול להכין תקציר של ההודעה שהלקוח כתב.

במדריך שלה לבניית סוכנים, Anthropic ממליצה להתחיל מהפתרון הפשוט השימושי ולהוסיף מורכבות כשהיא משפרת את התוצאה. הייתי מיישם את העיקרון הזה לפני שמחליטים שהפרויקט הראשון חייב סוכן עצמאי. המטרה היא תהליך אמין שהצוות יודע להפעיל.

בוחרים גרסה ראשונה עם גבול ברור

הגדירו טריגר אחד, כמה מקורות מידע מוגדרים, תוצאה מוצעת ונקודת אישור. בדוגמת הצעות המחיר, הגרסה הראשונה יכולה להכין תקציר לקוח וטיוטה מתוך רשומות מאושרות. איש המכירות בודק לפני ששולחים הצעה.

החליטו מה יעצור את הניסיון: מידע חסר, יותר מדי זמן לתיקונים או בעיית אחריות שלא נפתרה. השאירו את התהליך הקיים זמין בזמן שלומדים. אחרי שבוחרים משימה, מפעילים פיילוט מדיד כדי לבדוק אם החיסכון המשוער מחזיק ביום עבודה רגיל.

נותנים לזמן שהתפנה מטרה

החליטו מה הצוות יעשה בזמן שיקבל בחזרה: טיפול בפניות מורכבות, מעקב מהיר יותר או צמצום עבודה שממתינה. כך קל יותר לשפוט את הפרויקט מאשר לפי כמות הטיוטות שנוצרו. תעדו גם מקרים שבהם העבודה פשוט עברה מעובד אחד לאחר.

השאיפה שלי היא להסיר לפחות חצי מהעבודה המשרדית החזרתית שמתאימה לכך. זה יעד לבדיקה, לא כלל שהופך כל שיפור קטן יותר לחסר ערך. בוחרים תהליך ראשון שימושי, בודקים את התוצאה המלאה ומרחיבים לפי ראיות.

הביאו שלוש משימות אפשריות, כמה דוגמאות אמיתיות ואת המערכות המעורבות. זה מספיק כדי להתחיל לבחור מה לבנות. החלטה ראשונה ברורה יכולה להיות מועילה יותר מרשימה ארוכה של כלים שאף אחד לא שילב בעבודה.