אוטומציה לעסקים עם ChatGPT: איך אורקל חוסכת ימי עבודה

מה צריך לדעת על המהלך של אורקל

• לפי הפרסום של OpenAI, מעל מאה אלף עובדים באורקל משתמשים כיום ב-ChatGPT Work וב-Codex.
• תהליכי מחקר והכנה לגיוס עובדים שדרשו בעבר מספר ימים מתבצעים כעת בתוך דקות ספורות.
• עובדים עסקיים שולפים נתונים ממערכות החברה בעזרת שפה טבעית, ללא צורך בהמתנה לדוחות מגורמים טכניים.
• צוותי הנדסה ופתרון תקלות משתמשים בכלים אלה כדי לאסוף הקשר על תקלות ולשלוף את נוהל הטיפול המתאים באופן מיידי.
• ההנהלה באורקל מדגישה כי למרות השימוש הנרחב בכלים, בני אדם עדיין אחראים על התוצאה הסופית ועל תקינות המערכות.

מה בדיוק הושק: הנתונים מתוך ההכרזה הרשמית

הפרסום הרשמי של OpenAI מציג מקרה בוחן מקיף על האופן שבו חברת אורקל משלבת כלי בינה מלאכותית בשגרת העבודה של מחלקות שונות. המיקוד המרכזי של ההכרזה הוא המעבר מעבודה ידנית שאורכת ימים, לתהליכים שמושלמים בתוך דקות. לפי המסמך, השינוי הזה מקיף את מחלקות משאבי האנוש, מעבדות היישומים של החברה וצוותי ההנדסה.

במחלקת גיוס העובדים, הצוות בנה כלי ייעודי לאיסוף מודיעין על שוק הכישרונות המבוסס על ChatGPT Work. הכלי מקבל תיאור משרה, חוקר תפקידים מקבילים בשוק, מבצע השוואת שכר ומעריך את מאגר המועמדים במיקומים הרלוונטיים. לפי יאן אקרמן, מנהל בכיר וראש מערך גיוס הכישרונות העולמי באורקל, תהליך ההכנה של מגייס לקראת פגישה עם מנהל מגייס, שלקח בעבר בין יומיים לארבעה ימים, אורך כעת רבע שעה עד עשרים דקות. התוצאה היא לא רק חיסכון בזמן אלא גם אחידות בתהליך. כל מנהל מגייס מקבל את אותה רמה של נתונים ותובנות, ללא קשר למגייס הספציפי שאיתו הוא עובד.

במעבדות היישומים של אורקל (Oracle Applications Lab), הצוות בנה מיפוי מקיף של האובייקטים, הקשרים והכללים העסקיים של החברה. המיפוי הזה מאפשר לעובדים להציג שאלות עסקיות בשפה פשוטה, בזמן שהמערכת, המבוססת על Codex, מתרגמת את השאלה לשאילתת SQL אמינה. העובד מתאר את התוצאה שהוא מחפש, והמערכת מחליטה לאילו מערכות פנימיות לפנות, אוספת את המידע ומחזירה ניתוח או דוח. ריצ'רד לאם, סגן נשיא במעבדות היישומים, מתאר מקרה שבו עובדת קיבלה תשובה כמעט מיידית לשאלה שבעבר דרשה שעות של עבודה, והמספרים תאמו בדיוק לתוצאות של התהליך הידני הישן.

במחלקת ההנדסה, צוותי אמינות האתר (SRE) משתמשים ב-Codex כדי לאסוף הקשר רלוונטי על תקלות מערכת ולשלוף באופן אוטומטי את נוהל הטיפול הנכון. לפי לאם, תקלה פשוטה שבעבר דרשה שעת עבודה לפתרון, מטופלת כעת בתוך דקות. העובדים מקדישים פחות זמן לחיפוש מידע ויותר זמן לקבלת החלטות והכוונת הטיפול.

המשמעות עבור העסק הישראלי: לחסוך זמן ולקבל החלטות מהר יותר

הנתונים שעולים מהמקרה של אורקל ממחישים איך אוטומציה לעסקים עם ChatGPT יכולה לשנות את שגרת העבודה גם בחברות שאינן תאגידי ענק. המעבר מחיפוש ידני של נתונים להגדרת התוצאה הרצויה הוא שינוי תפיסתי. במקום שעובדים יבזבזו שעות על איסוף חומר גלם, הם מקבלים את המידע מעובד ומוכן לקבלת החלטה.

נניח שאתם מנהלים תהליך גיוס למנהל מכירות חדש בעסק שלכם. בדרך כלל, תהליך כזה דורש שעות של קריאת קורות חיים, חיפוש נתוני שכר עדכניים בשוק, והשוואה של דרישות התפקיד מול חברות מתחרות. לפי המודל שהוצג באורקל, בניית כלי פנימי מבוסס בינה מלאכותית מאפשרת להזין את דרישות הבסיס ולקבל מיד את כל נתוני הרקע הנדרשים. המגייס שלכם מגיע לפגישת ההתנעה כשהוא כבר מצויד בנתוני שכר ממוצעים ובהבנה של היצע המועמדים, מה שמאפשר להתחיל את תהליך הסינון בפועל הרבה יותר מהר.

דוגמה נוספת נוגעת לשליפת נתונים עסקיים. בעסקים רבים, מנהלים שתלויים בנתונים צריכים לבקש דוחות מאנשי טכנולוגיה או ממנתחי נתונים. התהליך הזה יוצר צוואר בקבוק, שכן אנשי הטכנולוגיה עמוסים במשימות אחרות. המקרה של אורקל מראה שברגע שמלמדים את המערכת את המבנה של מסדי הנתונים בארגון, מנהל יכול פשוט לבקש נתונים על מכירות ברבעון האחרון ולקבל אותם מיד. זה מצמצם את התלות בגורמים מתווכים ומאפשר למנהלים להגיב מהר יותר לשינויים בשטח. אם אתם מתלבטים אילו תהליכים כדאי לייעל קודם, מומלץ לקרוא על אוטומציה עסקית לפני הכל: איך להחליט מה לאטמט כדי להרוויח זמן וכסף, כדי להבטיח שההשקעה הטכנולוגית אכן משרתת את המטרות העסקיות.

החלטות מעשיות: מה לעשות עכשיו ומה כדאי לחכות

ההכרזה של OpenAI מספקת מספר לקחי מנהיגות ברורים מצוות ההנהלה של אורקל, שאפשר ליישם גם בעסקים מקומיים. הלקח הראשון הוא הצורך בהגדרת גבולות גזרה ברורים. לפי לאם, למרות היכולות של המערכת, חובה לשמור על אחריות בכל הנוגע לעיצוב המערכת, לארכיטקטורה ולאבטחת המידע. המשמעות המעשית היא שלא נותנים לכלים אוטומטיים גישה חופשית לכל המידע הארגוני ללא בקרת הרשאות קפדנית.

לקח נוסף נוגע לשיטת העבודה מול פיתוח כלים חדשים. בארי שילמובר, סגן נשיא ויועץ טכני ל-CIO באורקל, מציין שבעבר היה נהוג לכתוב מסמכי אפיון ארוכים לכל רעיון חדש. כיום, הגישה היא לבנות אב טיפוס ראשוני בעזרת הכלים הללו כדי לבחון את ההיתכנות של הרעיון בשטח. זו המלצה מעשית מצוינת: במקום לתכנן פרויקטים ארוכים ויקרים של פיתוח תוכנה, נסו לבנות תהליך קטן וממוקד בעזרת ChatGPT כדי לראות אם הוא אכן חוסך זמן לעובדים שלכם.

עם זאת, ההכרזה מבהירה מתי כדאי להמתין ולא לרוץ קדימה. לאם מזהיר במפורש מפני מצב שבו נותנים למערכת לפעול על טייס אוטומטי לחלוטין. הוא מדגיש שאם לא עובדים לצד המערכת ולא מבינים את הקוד שהיא מייצרת, העסק ימצא את עצמו עם כמות גדולה של קוד שלא ניתן לתחזק. לכן, ההחלטה המעשית היא להכניס את הכלים האלה רק במקומות שבהם יש לכם עובד שמסוגל לבקר את התוצאה, להבין את הלוגיקה שמאחוריה, ולקחת אחריות על התוצר הסופי. אם אין לכם גורם כזה בעסק עבור תהליך מסוים, כדאי לחכות עם האוטומציה שלו.

מגבלות ומה עוד לא ידוע: מה ההכרזה לא אומרת

למרות הנתונים המרשימים שמוצגים בפרסום של OpenAI, ישנם מספר נושאים קריטיים שלא זוכים להתייחסות במסמך, וחשוב לקחת אותם בחשבון כשבוחנים יישום דומה. ראשית, אין במסמך התייחסות ליכולת של הכלים הללו להתמודד עם שפות שונות, ובפרט עם השפה העברית. עבור עסק ישראלי שרוצה לתשאל מסדי נתונים מקומיים או לנתח קורות חיים בעברית, זו נקודה שדורשת בדיקה מעשית בשטח, שכן היעילות של המודלים משתנה משפה לשפה.

שנית, המסמך לא מפרט את העלויות הכרוכות במהלך בסדר גודל כזה. פריסה של כלים למאה אלף עובדים דורשת משאבים, אך ההכרזה לא חושפת את מודל התמחור, את עלויות הרישוי או את הוצאות התשתית הנדרשות כדי לתמוך במערכת. כמו כן, אין התייחסות לזמן שלקח לצוותים באורקל לבנות את הכלים הללו. בניית מיפוי מדויק של כללי החברה כדי שהמערכת תוכל לתרגם שפה טבעית לשאילתות SQL היא פרויקט מורכב. ההכרזה מתארת את התוצאה הסופית שבה עובדת מקבלת תשובה מיידית, אך לא מציינת כמה חודשי עבודה נדרשו מצוות מעבדות היישומים כדי להגיע לרמת האמינות הזו.

בנוסף, למרות שאבטחת מידע מוזכרת כגבול גזרה הכרחי, המסמך לא מסביר טכנית איך אורקל מגינה על המידע העסקי הרגיש שלה כשהיא משתמשת בכלים של OpenAI. עבור עסקים ששוקלים להזין נתוני לקוחות, דוחות פיננסיים או מידע אישי של מועמדים לתוך מערכות דומות, סוגיית הפרטיות נשארת פתוחה ודורשת בירור מעמיק מול ספקי הטכנולוגיה.

איך זה מתחבר לעבודה שכבר יש בעסק

השילוב של כלי בינה מלאכותית בתהליכי העבודה היומיומיים דורש הסתכלות רחבה על האופן שבו העסק מתנהל. כשאנחנו ניגשים לפרויקט, הגישה שלנו ב-Mr. Make היא קודם כל לבדוק אם התהליך בכלל צריך אוטומציה. לפעמים התשובה הנכונה היא לפשט את התהליך הקיים או לבטל אותו לחלוטין, ורק לאחר מכן להוסיף כלים טכנולוגיים. אנחנו כותבים ומיישמים מנקודת מבט של מי שעובד בשטח, ולכן אנחנו יודעים שחיבור נכון דורש תכנון מקדים והבנה עמוקה של צרכי העסק.

אם התהליך אכן חיוני ודורש זמן רב, כמו איסוף הנתונים שתואר במקרה של אורקל, השלב הבא הוא בניית תשתית נכונה. זה אומר לחבר את המערכות הקיימות בעסק, כמו מערכת ניהול הלקוחות או מערכת הנהלת החשבונות, כך שהכלים החדשים יוכלו לגשת למידע הרלוונטי בצורה מאובטחת. שירות של אוטומציה לעסקים והטמעת AI מתמקד בדיוק בנקודה הזו: יצירת גשר בין היכולות של המודלים החדשים לבין המידע הספציפי של העסק שלכם, כדי לייצר תוצאות מדויקות ואמינות.

לדוגמה, אם אתם רוצים לייעל את העבודה מול לקוחות קיימים, חיבור חכם של כלי ניתוח למערכת ניהול הלקוחות יכול לחסוך שעות של חיפוש נתונים לפני פגישות סטטוס. תוכלו לקרוא עוד על הנושא במאמר הלקוח כבר שילם? עכשיו מתחילה העבודה: המדריך לאוטומציה ב-CRM לשימור לקוחות. המטרה הסופית היא לא להחליף את העובדים, אלא לתת להם כלים שיאפשרו להם להתמקד בקבלת החלטות ובקידום העסק, במקום בחיפוש סיזיפי של מידע במערכות שונות.

מקורות

• OpenAI: How Oracle turns days of work into minutes with ChatGPT and Codex

Mr. Make (ליאור צברי) מלווה בעלי עסקים ומנהלים בישראל בהטמעת אוטומציה ו-AI בתהליכי העבודה. רוצים לבדוק מה מתאים לעסק שלכם? דברו איתנו.