הרוב המכריע של פרויקטי ה-AI שראיתי נתקעים לא נכשלו בגלל שהמודל לא היה טוב מספיק. הם נכשלו בגלל החלטות שהתקבלו לפני שנגעו בטכנולוגיה בכלל — או שלא התקבלו כלל.
המאמר הזה מרכז את הטעויות שחוזרות אצלי בשטח שוב ושוב. לכל אחת אני מסביר למה היא קורית — כי היא כמעט תמיד נובעת מהיגיון סביר — ומה לעשות במקומה.
1. להתחיל מהכלי ולא מהבעיה
הטעות הנפוצה ביותר. מישהו ראה הדגמה מרשימה, וההחלטה הופכת ל"בואו נשתמש בזה" לפני שברור מה זה פותר.
למה זה קורה: כי הכלים באמת מרשימים, וכי קל יותר לדבר על טכנולוגיה מאשר על תהליכים משעממים.
מה לעשות במקום: להתחיל מהשאלה "איפה נשרפות הכי הרבה שעות על משהו חוזר". התשובה כמעט תמיד פחות זוהרת ממה שציפיתם — קליטת מסמכים, ניתוב פניות — ובדיוק שם נמצא ההחזר.
2. פרויקט ראשון גדול מדי
ההיגיון: אם כבר משקיעים, שיהיה משמעותי. התוצאה: פרויקט שנמשך חודשים, שאף אחד לא רואה ממנו ערך בדרך, ושמאבד תמיכה לפני שהוא מסתיים.
מה לעשות במקום: תהליך אחד, מוגדר, שאפשר להעלות לאוויר תוך שבועות. פרויקט של 10,000 ₪ שעובד מייצר תמיכה לפרויקט הבא; פרויקט של 50,000 ₪ שנתקע הורג את התיאבון לשנה.
3. לדלג על סידור הידע
עסק שרוצה בוט שיענה מהידע שלו, כשאין מחירון אחד מעודכן וכשמדיניות ההחזרות לא כתובה בשום מקום. מודל שיוזן בבלגן יענה בלגן — בביטחון מלא ובקנה מידה גדול.
למה זה קורה: כי סידור ידע הוא עבודה לא זוהרת שאף אחד לא רוצה לעשות, וקל להניח ש"ה-AI יסתדר".
מה לעשות במקום: לסדר קודם. זה שווה בפני עצמו — עובד חדש נקלט מהר יותר וההנחיות אחידות — וזה גם מוריד את עלות הפרויקט יותר מכל משא ומתן על מחיר.
4. לצפות לדיוק של 100%
מודל הוא הסתברותי. הוא יטעה לפעמים, וזה לא באג. הטעות היא לבנות תהליך שמניח שלא.
מה לעשות במקום: להחליט מראש מה קורה בטעות. הכלל שאני עובד לפיו: אוטומציה מלאה למה שקל לתקן, אישור אנושי לכל דבר שיוצא ללקוח או עולה כסף. אחרי שרואים את שיעור הדיוק לאורך חודשים, אפשר לשחרר בקרה בהדרגה — הכיוון הזה בטוח בהרבה מההפך.
5. אין בעלים לפרויקט
"זה של כולם" פירושו של אף אחד. פתרון AI דורש מישהו שמעדכן ידע, בודק את מה שלא עבד, ומחליט על שינויים. בלי שם אחד ברור, הכלי מתיישן ומת בשקט תוך חצי שנה.
מה לעשות במקום: למנות בעלים לפני שמתחילים, לא אחרי. ואם אין מי שיכול לקחת את זה — זה סימן שכדאי לבחור פתרון פשוט יותר שדורש פחות תחזוקה.
6. לא לספור לפני ואחרי
הרבה פרויקטים לא נמדדים כי אף אחד לא מדד את המצב הקודם. בלי מספר התחלה אי אפשר להוכיח שיפור, ואז הפרויקט נשען על תחושות — ותחושות לא שורדות קיצוץ תקציב.
מה לעשות במקום: לפני שמתחילים, לספור שבוע אחד: כמה פניות, כמה זמן לכל אחת, כמה טעויות. זה לוקח שעה ושווה יותר מכל דוח שיבוא אחר כך.
7. להטמיע בלי לדבר עם מי שמשתמש
כלי שנבנה בישיבת הנהלה ומוצג לצוות כעובדה מוגמרת נתקל בהתנגדות — לפעמים גלויה, לרוב שקטה. אנשים פשוט ממשיכים לעבוד כמו קודם.
למה זה קורה: כי נדמה שזה חוסך זמן, וכי לפעמים יש חשש שהצוות יתנגד. התוצאה הפוכה מהכוונה.
מה לעשות במקום: לשתף את מי שעושה את העבודה בשלב האפיון. הם יודעים איפה החריגים, והם גם מי שיחליט בפועל אם הכלי חי או מת. קבוצה קטנה שמצליחה ומספרת לאחרים עובדת טוב יותר מהודעת הנהלה.
8. להתעלם משאלת המידע
עסקים שמתחילים פרויקט ורק בסוף שואלים מה קורה עם מידע של לקוחות. אז מגלים שצריך לשנות ארכיטקטורה, או שהמשפטנים עוצרים.
מה לעשות במקום: להחליט בתחילת הפרויקט — סוג חשבון, מה מותר להזין, ומה נשמר ולכמה זמן. זו החלטה של שעה בהתחלה ושל שבועות בסוף. פירטתי בAI ופרטיות בעסק.
9. לשלם על AI במקום שכלל פשוט מספיק
אם אפשר לנסח את המשימה במשפט אחד חד-משמעי — "כשמגיעה הזמנה מעל 5,000 ₪, שלח התראה" — זה כלל, לא מקרה ל-AI. מודל שם הוא יקר יותר, איטי יותר, ופחות צפוי.
מה לעשות במקום: אוטומציה קלאסית לשלד התהליך, ו-AI רק בנקודות שדורשות הבנה של טקסט חופשי. הרוב המכריע של הפרויקטים הטובים הם שילוב של השניים.
10. לשכוח שזה לא נגמר בהעלאה לאוויר
ההנחה שפרויקט AI הוא כמו רכישת ריהוט — קונים פעם אחת ונהנים. בפועל, מחירים משתנים, נהלים משתנים, מערכות מתעדכנות, ומה שהיה מדויק בינואר מטעה ביוני.
מה לעשות במקום: לתקצב תחזוקה מראש, ולקבוע פגישת סקירה חודשית קצרה: מה נשאל, איפה הכלי נכשל, מה צריך לעדכן. חצי שעה בחודש שומרת על פרויקט חי.
ארבע טעויות שספציפיות לפרויקטי צ'אטבוט
אשכול הבוטים מייצר טעויות משלו, ושווה להכיר אותן בנפרד.
בוט שמתחזה לאדם. ההיגיון הוא שזה ייתן חוויה טובה יותר. בפועל, ברגע שנתפס — וזה קורה — האמון נשרף לגמרי. "אני העוזר הדיגיטלי של X" מייצר יותר אמון, לא פחות.
אין דרך יציאה לנציג. לקוח שמסתובב במעגלים בלי אפשרות להגיע לאדם מתעצבן פי כמה מלקוח שפשוט המתין. זו לא תכונה מתקדמת אלא דרישת סף.
לפתוח לכל הלקוחות ביום הראשון. תמיד להתחיל על קהל מצומצם ולהקשיב שבוע. השאלות שיגיעו יהיו שונות ממה שציפיתם, וזה זול לתקן לפני שכולם ראו.
שיעור "לא יודע" של אפס. נשמע כמו הצלחה והוא סימן אזהרה: בוט שתמיד עונה הוא בוט שממציא. שיעור בריא של "אין לי את המידע" הוא דווקא סימן שהמנגנון עובד.
מה שכן עובד — התבנית שחוזרת בפרויקטים מוצלחים
אחרי מספיק פרויקטים, ההצלחות נראות דומות זו לזו יותר מהכישלונות.
בעיה אחת מוגדרת שאפשר לתאר במשפט, עם משתמש ספציפי שאפשר לנקוב בשמו.
מדידה של המצב הקיים לפני שנוגעים במשהו, גם אם היא גסה.
גרסה ראשונה מצומצמת שעולה לאוויר תוך שבועות ולא חודשים, אפילו אם היא מכסה רק את המקרה הנפוץ.
הרצה במקביל לתהליך הקיים לפני שמכבים אותו, עם השוואת תוצאות.
בעלים אחד ופגישת סקירה קצרה שנשארת ביומן גם אחרי שהכל עובד.
אף אחד מחמשת אלה אינו טכנולוגי, וזה בדיוק העניין.
הדפוס המשותף
אם מסתכלים על עשר הטעויות יחד, מתגלה משהו: תשע מהן אינן טכנולוגיות. הן נוגעות להגדרת בעיה, לבעלות, למדידה, לתהליך ולאנשים.
זו גם הבשורה הטובה — כי כל אחת מהן ניתנת למניעה בהחלטה שמקבלים לפני שמתחילים, ולא דורשת מומחיות טכנית. שיחה של שעה שעונה על "איזו בעיה, של מי, איך נדע שהצלחנו, ומי אחראי" מונעת את רוב הכישלונות שאני רואה.
מאיפה מתחילים
לפני שאתם פונים לספק, ענו בכתב על ארבע שאלות: איזו בעיה זה פותר, מי המשתמש, איך נדע בעוד שלושה חודשים אם זה הצליח, ומי אחראי על זה. אם אתם לא יכולים לענות על אחת מהן — שם נמצאת העבודה, לא בבחירת הטכנולוגיה.
שווה לקרוא גם מתי לא כדאי להשתמש ב-AI וכמה עולה להטמיע AI בעסק.