מי שהיה בוובינר כבר יודע שלדעתי AI הפך להיות רלוונטי ל"עובדי ידע" כמונו בערך בפברואר, עם ההשקה של Claude Cowork, התוספים לאופיס והמודלים (Opus 4.6 ו-Codex 5.5) שנהיו פשוט וואו. זמן טוב לעצור קצת ולסדר את המחשבות שלי בנושא, ובגלל שיצא קצת ארוך, בפוסט הבא אשתף כמה דברים חמודים שעשינו אצלנו בפרוטאנטקס ואולי יתנו לכם רעיונות.

לפני שנתחיל, אני חייב לשתף שאני חושב שיונתן ירש ממני את ההתמכרות למסכים כי לאחרונה אני מוצא עצמי מהופנט מול הדבר היפה הזה😵‍💫

בחזרה לנושא.
AI, כמו כל הטמעה אחרת, נראה בגדול ככה (לפעמים השלבים מתאחדים):

1. למישהו יש רצון
2. מישהו בא עם פיתרון
3. מישהו מטמיע
4. מישהו משתמש ונותן פידבק
5. מישהו משפר
6. מישהו משתמש ונותן פידבק
7. מישהו משפר
8. מישהו משתמש ונותן פידבק
9. מישהו משפר
10. מישהו משתמש ונותן פידבק
11. מישהו משפר
12. סוף טוב

אצל מתכנתים הרבה יותר קל להטמיע AI מהר ובצורה רוחבית כי רוב השלבים הללו מערבים שני אנשים גג. התוצאה היא שרואים ROI הרבה יותר מהר, כולם בולעים את הגלולה האדומה ורצים יחד אל עבר השקיעה. יש קשיים אחרים, שדורשים התאמות ויאיר ויינברגר כתב פוסט בנושא שחרך את טוויטר למשך יומיים. זו גם הסיבה שאתם שומעים הרבה סיפורי הצלחה עם אנשים שהטמיעו AI עבור עצמם. זה פשוט קל יותר :)
אצלנו בכספים, אם ניקח את נושא הכרטיסים הוירטואליים, זה הלך בערך ככה:

1. מישהו רוצה סגירה מהירה יותר של החודש
2. מישהו מציע להטמיע Mesh
3. מישהו מטמיע את Mesh בארגון ומישהו מחבר אותו ל-ERP
4. מישהו מתחיל להשתמש ומגלה שצריך לתקן את הליך האישורים
5. מישהו משפר
6. מישהו מרוצה, אבל עכשיו יש בעיה עם זה שחסר שם על הכרטיס הפיזי
7. מעבירים פידבק ל-Mesh
8. Mesh משפרים
9. לקוח מרוצה, אבל עכשיו יש בעיה עם

אוקיי, הבנתם.
פיתרון כמו Mesh הוא דוגמת ספר לפיתרון שכולנו נטמיע ביום 0 בכל חברה שנגיע אליה כי הוא זול, אפקטיבי, טוב לכספים, טוב לחווית העובדים, טוב לויזה וטוב ל-Acquired. למרות שהוא מערב לפחות 3 פרסונות שונות, הערך מספיק גבוה בשביל להתגבר על המכשולים.
עם AI זה קצת אחרת. מאוד קל לעבור מהשלב של "למישהו יש רצון" לשלב של "מישהו בא עם פיתרון" וזה מטעה כי לפעמים זה משולב עם "מישהו מטמיע" בדמות POC שעשיתם עם קלוד – אבל כשרוצים לעבור לשימוש יומיומי, כלומר לפרודקשן, מגלים שהטמעה אמיתי דורשת קוד איכותי יותר, עזרה מה-IT, אכפתיות, תחזוקה שוטפת ועוד קצת אכפתיות כדי שהדבר הזה ייתן ערך ויהיה בשימוש.
כלומר, בניגוד למתכנתים, שאצלם גם די קל לקבל ערך ממודלים כי לולאת הפידבק סגורה, אצלנו יש יותר בלאגן – אנשים פחות טכניים, הרבה stakeholders, המודלים לא תמיד מצליחים לתת ערך ישר מהקופסא ועוד.
זה אומר שיש לנו שלוש אופציות (שיכולות לחיות במקביל):

1. לדרוש מהספקים "לעשות AI". נגיד לבקש מ-Dokka שיתנו המלצה איך לפרוס קדימה חשבונית של שירות שנתי, או מ-Mesh על איזה חשבון הוצאות לשים ארוחה בקלארו (129 שקל על מושט?!?!)
2. לעשות בעצמכם דברים קטנים ולקוות שלא תזדקקו לעזרה חיצונית (IT/מטמיע) יותר מדי. דוגמאות: דשבורד סגירת חודש, בקרה לפקודת השכר, פקודת חכירה רבעונית ועוד. אנטרופיק משקיעה די הרבה משאבים בלעזור לנו כאן, למשל עם Live Artifacts. אגב, יש מצב שעדיין תידרשו גם ל-1, למשל בשביל לדרוש מהספקים שישחררו MCP שיתחבר לקלוד שלכם.
3. לעשות פרויקט גדול, על כל המשתמע מכך. דוגמאות: החלפת מוצר CPQ שיעשה גם בילינג או כתיבת מוצר FP&A (כמו שאופטיבאס הראו לנו בוובינר).

אני ממליץ על 1, נהנה מ-2 ומכבד אנשים שהולכים עם 3.
אם מסכימים על הפריימוורק הזה (לא חושב שהמצאתי פה משהו, שיהיה ברור 🙂), קל להבין מדוע חברות כמו Sierra/Wonderful/Reindeer עושות חיל עם לקוחות אנטרפרייז (יש הנחיה חזקה מלמעלה וה-ACV מספיק גבוה כדי להצדיק את הלופ של הטמעה/תחזוקה), מדוע Rollups צצים כמו פטריות (אחרי גשם?) ומדוע חברות AI שפונות ל-SMB מפוקסות על וורטיקלים ספציפיים ומקוות שהסבסוד של חברות המודלים ימשיך עוד קצת.
מה לגבי כישלונות? מניסיוני, כישלונות AI מתחלקים לארבעה סוגים:

1. תהליך שבו AI אמור לעבוד טוב אבל עדיין לא נוסה (הכישלון השקט). כאן הסיבות יכולות להיות מגוונות מאוד: הגרוע מכולם הוא חוסר רצון ללמוד ולהתפתח כי בגדול זה גזר דין מוות למחלקה ומעיד על תרבות ארגונית מאוד לקויה בחברה בכלל ובמחלקה בפרט. שני אחריו, היכרות שטחית עם הכלים והפיתרונות הקיימים, שהיום בעידן הלינקדין/טוויטר, הוא בן דוד די קרוב של הסיבה הקודמת. אם לא מכירים מה אפשרי – איך אפשר להטמיע? דוגמה לכך היא סמנכל שיווק שלא שמע שמטא שיחררו MCP בסוף אפריל, או גרוע מכך – אף אחד לא סיפר לו. (מילה לגבי סוג הכישלון הזה כי זה קצת בוער בעצמותיי: הרבה אנשים לא קולטים לדעתי את גודל השעה. הם לא מבינים שיש להם הזדמנות פז ללמוד AI דרך מקום העבודה שלהם, עם תקציבים ורוח גבית מההנהלה והמשקיעים. הם לא מבינים שיש המון אנשים שנמצאים כרגע בין עבודות והיו מתים לכזו הזדמנות. והם לא מבינים שיש מצב שבעוד שנה הם יסתכלו אחורה על ההזדמנות שהייתה להם, יתחרטו שלא לקחו אותה וזה כבר יהיה מאוחר מדי).
2.  הברור מכולם (אולי הייתי צריך להתחיל איתו): כישלון בשלב של לולאת הפידבק השוטף. זה המקום שלנו כמנהלים "להיות על זה" עד שהסירה מתייצבת, ממש כמו בכל הטמעה של מוצר/תהליך חדש.
3. מחסור במשאבים תומכים (שהוא בעצם אידיקציה לסדר עדיפויות שלא נותן קדימות מספקת לפרויקטים של AI או תקציב לתמיכה חיצונית). זה לא חוכמה לרכוש לכולם Claude Enterprise אם לוקח ל-IT שלושה ימים לפתוח ל-Cowork אפשרות לצאת החוצה ל*.powerplatform.com.
4. שמרנות. רואים את זה הרבה אצל חברות תעשייתיות, במיוחד כשהן פועלות בשוק מקומי ולא חשופות לתחרות גלובלית. הן פחות פרנואידיות מהתחרות וגם פחות מעניינות כלקוחות עבור חברות AI-native שגייסו מקרנות.