FDE – Forward Deployed AI & Business Architect
השירות שמכין את הארגון שלכם לעידן הבינה המלאכותית
לא כל ארגון צריך עוד כלי AI.
כל ארגון צריך מישהו שיודע להפוך AI לתוצאות עסקיות.
בעוד עשר שנים, כמעט בכל ארגון יהיה אדם שתפקידו יהיה לחבר בין העולם העסקי לבין עולם הבינה המלאכותית.
אנחנו בחברת Dogma מאמינים שבתוך שנה-שנתיים לכל ארגון יהיה Forward Deployed AI & Business Architect, בדיוק כפי שכיום לכל ארגון יש CFO, CTO או CISO.
יש שיקראו לו FDE – Forward Deployed Engineer.
יש שיקראו לו AI Strategist.
אחרים יקראו לו AI Transformation Lead.
אנחנו קוראים לו Forward Deployed AI & Business Architect.
לא משנה איך יקראו לתפקיד, דבר אחד כבר ברור היום.
ארגונים שלא יצליחו לתרגם את הפעילות העסקית שלהם לעולם הבינה המלאכותית יתקשו להתחרות בעולם החדש.
והחדשות הטובות?
זה לא דורש מהארגון שלכם להיות חברת הייטק.
זה גם לא דורש שכל העובדים יהפכו למהנדסי תוכנה.
מה שנדרש הוא להבין את העסק שלכם טוב יותר מכל אחד אחר, ולדעת כיצד להפוך את הידע הזה למערכות חכמות, תהליכים אוטומטיים וסוכני AI שעובדים עבורכם.
בדיוק בשביל זה הקמנו את תחום Forward Deployed AI & Business Architecture ב-Dogma.
המהפכה כבר לא בדרך.
היא כבר כאן.
בשנים האחרונות העולם השתנה בקצב שלא הכרנו.
מה שנראה לפני שלוש שנים כמו ניסוי מרשים הפך היום לכלי עבודה יומיומי.
- ChatGPT
- Claude
- Gemini
- Microsoft Copilot
- Amazon Nova
- מאות מודלים
- אלפי סוכני AI
- עשרות אלפי כלים חדשים
בכל שבוע מתפרסמת טכנולוגיה חדשה שמבטיחה לשנות את הדרך שבה ארגונים עובדים.
אבל מאחורי כל הרעש הזה מסתתרת עובדה אחת.
רוב הארגונים עדיין לא יודעים כיצד באמת להשתמש בבינה מלאכותית.
לא משום שהמודלים אינם טובים.
לא משום שהכלים יקרים.
ולא משום שהטכנולוגיה עדיין לא בשלה.
הבעיה היא אחרת לחלוטין.
הבעיה היא לא ה-AI.
הבעיה היא פער התרגום.
אנחנו פוגשים את זה כמעט בכל ארגון.
הנהלה שרוצה להכניס AI.
עובדים שמתנסים בכלים שונים.
מחלקת IT שבוחנת פתרונות.
ואחרי מספר חודשים…
כמעט שום דבר משמעותי לא השתנה.
למה?
מפני ש-AI אינו יודע כיצד העסק שלכם עובד.
הוא אינו יודע:
- איך מתקבלות החלטות.
- מי מאשר עסקאות.
- כיצד עובד תהליך המכירה.
- איך מתבצע טיפול בלקוח.
- מהי המדיניות המסחרית.
- מהם הנהלים.
- איפה נמצאים צווארי הבקבוק.
- איפה יש כפילויות.
- איפה מידע הולך לאיבוד.
- איפה עובדים מבזבזים שעות בכל יום.
- איפה מתקבלות החלטות שגויות בגלל מחסור במידע.
- את כל אלה צריך ללמד.
- וזה בדיוק המקום שבו רוב הארגונים נעצרים.
כאן נולד אחד התפקידים המבוקשים היום בעולם
בשנים האחרונות החלו חברות הטכנולוגיה הגדולות בעולם להבין שהאתגר המרכזי כבר אינו בניית מודלי AI טובים יותר.
האתגר האמיתי הוא לגרום לארגונים להפיק מהם ערך עסקי.
זו הסיבה שחברות מובילות בעולם מגייסות בהיקפים הולכים וגדלים אנשי Forward Deployed Engineer (FDE).
התפקיד שלהם אינו לפתח עוד מודל AI.
אלא להיכנס אל תוך הארגון.
להבין כיצד הוא עובד.
לזהות בעיות.
לתרגם אותן לשפה טכנולוגית.
ולתכנן פתרונות שבאמת עובדים.
אנחנו מאמינים שהשוק מתקדם שלב נוסף.
לכן הרחבנו את ההגדרה.
יצרנו את תחום Forward Deployed AI & Business Architecture.
מפני שבסופו של דבר, מה שהארגון באמת צריך הוא לא רק מהנדס.
הוא צריך מישהו שמבין עסקים.
מבין אנשים.
מבין תהליכים.
מבין נתונים.
ומבין כיצד כל אלה מתחברים לבינה מלאכותית.
הטעות הגדולה ביותר שארגונים עושים
היום כמעט כל מנהל כבר ניסה ChatGPT.
רבים עובדים עם Claude.
אחרים משתמשים ב-Copilot.
אבל כמעט כולם שואלים בסופו של דבר את אותה השאלה.
"עכשיו מה?"
איך הופכים את כל היכולות האלה למשהו שבאמת משנה את הארגון?
התשובה איננה עוד Prompt.
גם לא עוד מודל.
וגם לא עוד כלי.
התשובה היא תכנון.
בדיוק כפי שלא בונים בניין לפני שיש אדריכל.
כך גם לא בונים ארגון מבוסס AI לפני שיש מי שמתכנן את הארכיטקטורה העסקית שלו.
_____________________________________
אנחנו לא מתחילים בטכנולוגיה.
אנחנו מתחילים בעסק.
זו אחת הסיבות שגישה אחת מצליחה ואחרת נכשלת.
חברות רבות מתחילות בשאלה:
"איזה מודל AI כדאי לבחור?"
אנחנו מתחילים בשאלות אחרות לגמרי.
- איך הארגון שלכם עובד?
- איך מתקבלות החלטות?
- למה עובדים עושים את מה שהם עושים?
- אילו תהליכים חוזרים על עצמם?
- איפה מתבזבז הכי הרבה זמן?
- איפה נוצרים הפסדים?
- איפה יש טעויות אנוש?
- איפה אנשים ממתינים לאישורים?
- איפה המידע נמצא רק בראש של עובד אחד?
- איפה ניתן לקבל החלטות מהר יותר?
רק אחרי שאנחנו יודעים לענות על כל השאלות האלה, מתחילה העבודה הטכנולוגית.
AI לא מחליף עובדים.
הוא מחליף עבודה מיותרת.
יש לא מעט חששות סביב בינה מלאכותית.
- האם היא תחליף עובדים?
- האם היא תייתר מחלקות?
- האם היא תגרום לאנשים לאבד את מקום עבודתם?
בפועל, ברוב הארגונים שאנחנו מלווים, הסיפור שונה לחלוטין.
AI אינו מחליף את הידע של העובדים.
הוא מחליף את העבודה שאף אחד לא אוהב לבצע.
- העתקת מידע.
- בדיקות חוזרות.
- מילוי טפסים.
- כתיבת סיכומים.
- מעקבים.
- הקלדות.
- חיפושים.
- אישורים.
- חיבור בין מערכות.
העובדים ממשיכים לעשות את מה שבאמת דורש חשיבה, ניסיון ושיקול דעת.
המערכת לוקחת על עצמה את כל השאר.
______________________________
מה בעצם עושה
Forward Deployed AI & Business Architect?
אפשר לחשוב עליו כאדריכל של הארגון בעידן הבינה המלאכותית.
לפני שנכתבת שורת קוד אחת.
לפני שמוגדר Agent אחד.
לפני שנבחר מודל AI.
הוא נכנס אל תוך הארגון.
- מקשיב.
- שואל.
- חוקר.
- מתבונן.
- ממפה.
- מאתגר הנחות יסוד.
- ומבין כיצד הארגון באמת עובד.
לא כיצד הוא חושב שהוא עובד.
אלא כיצד הוא פועל בפועל.
רק לאחר מכן מתחיל שלב התכנון.
לא כל מי שעוסק בתחום הזה הוא מהנדס
זו אולי ההפתעה הגדולה ביותר.
כאשר שומעים את השם Forward Deployed Engineer, רבים מדמיינים מפתח בכיר שיושב וכותב קוד.
אבל המציאות שונה.
אנשי המקצוע הטובים ביותר בתחום מגיעים פעמים רבות מעולמות האסטרטגיה, הייעוץ העסקי, ניהול המוצר, מערכות המידע, חוויית המשתמש, התפעול וניהול הפרויקטים.
המשותף לכולם אינו בהכרח היכולת לפתח תוכנה.
אלא היכולת להבין כיצד ארגונים עובדים.
לשאול את השאלות הנכונות.
לזהות את הבעיות שאיש אחר אינו רואה.
ולתרגם אותן לפתרונות שמערכות מידע וסוכני AI מסוגלים לבצע.
ב-Dogma בנינו צוות רב-תחומי בדיוק מתוך התפיסה הזו.
כי אנחנו מאמינים שהעתיד שייך לאנשים שמסוגלים לחבר בין העולם העסקי לבין העולם הטכנולוגי.
ולא רק להבין אחד מהם.
_________________________________
יש רגע אחד שבו כל מנהל צריך לקבל החלטה
ההיסטוריה מלמדת שבכל מהפכה טכנולוגית היו שני סוגי מנהלים.
אלה שהמתינו.
ואלה שהובילו.
ההבדל ביניהם לא היה גודל התקציב.
לא מספר העובדים.
ולא סוג הארגון.
ההבדל היה היכולת לזהות את השינוי בזמן.
מנהל שמבין כבר היום כיצד בינה מלאכותית תשפיע על הארגון שלו, אינו רק מאמץ טכנולוגיה חדשה.
הוא בונה את היתרון התחרותי של השנים הבאות.
הוא מצמצם סיכונים.
הוא מונע מהארגון להישאר מאחור.
והוא יוצר תרבות ארגונית שמסוגלת להסתגל מהר יותר לשינויים.
ייתכן שבעוד כמה שנים, כאשר ישאלו מי הוביל את הארגון אל עידן הבינה המלאכותית, השם הראשון שיעלה יהיה אותו מנהל שהבין בזמן שהשאלה איננה איזה כלי AI לרכוש, אלא כיצד להכין את הארגון כולו לעולם החדש.
זו אינה רק החלטה טכנולוגית.
זו החלטה מנהיגותית.
כפי שמיוחסת לצ'ארלס דרווין אחת האמירות הידועות ביותר:
לא החזק ביותר שורד, ולא החכם ביותר. שורד מי שמסתגל בצורה הטובה ביותר לשינוי.
ואולי זהו התפקיד החשוב ביותר של מנהלים בעשור הקרוב – לזהות את השינוי לפני כולם, ולהוביל אליו את הארגון שלהם.
בחלק הבא ניכנס למתודולוגיית העבודה של Dogma, נסביר כיצד אנחנו מלווים ארגונים שלב אחר שלב, נציג את תפקידה של מנהלת תחום ה-Forward Deployed AI & Business Architecture, נוסיף דוגמאות ממגוון תעשיות, ונקדיש פרק ייעודי למשרדי ממשלה ולמגזר הציבורי.
_______________________________________________________
בעולם מכירים את התפקיד כ- Forward Deployed Engineer
אצלנו הרחבנו אותו, משום שאנחנו מאמינים שארגונים צריכים הרבה יותר מהנדסה.
הם צריכים ארכיטקטורה עסקית שלמה.
_______________________________________________
איך אנחנו עובדים?
המתודולוגיה שפיתחנו להטמעת AI בארגונים
רוב פרויקטי הבינה המלאכותית מתחילים במקום הלא נכון.
הם מתחילים בבחירת מודל.
בבחירת ספק.
או בפיתוח Agent ראשון.
אנחנו מתחילים במקום אחר לחלוטין.
העסק.
המתודולוגיה שפיתחנו ב-Dogma מבוססת על עשרות שנות ניסיון באפיון מערכות מידע מורכבות, טרנספורמציה דיגיטלית, UX, Enterprise Architecture ופיתוח מערכות עבור ארגונים, גופים ממשלתיים וחברות מובילות.
כאשר הבינה המלאכותית נכנסה לחיינו, לא שינינו את דרך החשיבה שלנו.
פשוט הרחבנו אותה.
במקום לאפיין רק מערכות מידע, או למשל לצאת לפיתוח אפליקציה AI, אנחנו מאפיינים כיום גם כיצד בני אדם, מערכות מידע וסוכני AI עובדים יחד.
זו בדיוק המשמעות של Forward Deployed AI & Business Architecture.
שלב ראשון
להבין את העסק לפני שמנסים לשנות אותו
אנחנו לא מתחילים במצגות.
לא במצגות של AI.
ולא בהדגמות של כלים.
אנחנו מתחילים בהקשבה.
אנחנו נפגשים עם הנהלת הארגון.
עם בעלי התפקידים.
עם מחלקות התפעול.
עם השירות.
עם המכירות.
עם מערכות המידע.
עם מי שבאמת מבצע את העבודה בכל יום.
המטרה היא להבין כיצד הארגון באמת עובד.
לא כיצד הנהלים כתובים.
אלא כיצד העבודה מתבצעת בפועל.
בשלב הזה מתגלים בדרך כלל עשרות פערים שאיש לא תכנן:
- קבצי Excel שמנהלים את הארגון.
- עובדים שמעבירים מידע ב-WhatsApp.
- אישורים שמבוצעים בטלפון.
- ידע שנמצא אצל אדם אחד בלבד.
- מסמכים שאף אחד כבר לא יודע מי יצר אותם.
- מערכות שאינן מסונכרנות.
אלה המקומות שבהם מתחיל השינוי.
שלב שני
מיפוי תהליכים עסקיים
בשלב זה אנו מבצעים מיפוי מלא של תהליכי העבודה.
As-Is.
לא כדי לתעד אותם.
אלא כדי להבין אותם.
אנחנו בוחנים:
- כיצד כל תהליך מתחיל.
- מי אחראי עליו.
- אילו מערכות משתתפות בו.
- אילו מסמכים נוצרים.
- אילו החלטות מתקבלות בדרך.
- אילו אישורים נדרשים.
- מה קורה כאשר משהו משתבש.
- כמה זמן כל שלב לוקח.
- כמה עבודה ידנית מבוצעת.
- אילו כפילויות קיימות.
- אילו סיכונים עסקיים קיימים.
לעיתים קרובות כבר בשלב הזה ניתן לזהות חיסכון משמעותי עוד לפני שמפעילים כלי AI אחד.
שלב שלישי
איתור צווארי בקבוק והפסדים סמויים
כל ארגון מכיר את הבעיות הגלויות שלו.
מעט מאוד ארגונים מכירים את הבעיות הסמויות.
דווקא הן עולות לארגון הכי הרבה כסף.
לדוגמה:
- עובדים שמזינים את אותו מידע לשלוש מערכות שונות.
- מסמכים שעוברים ידנית בין מחלקות.
- מנהלים שמאשרים מאות פעולות זהות מדי חודש.
- טעויות אנוש שניתן היה למנוע באמצעות חוקים עסקיים.
- עובדים שמחפשים מידע במשך שעות.
- לקוחות שממתינים לתשובות בגלל צווארי בקבוק פנימיים.
- ידע קריטי שנמצא אצל עובד יחיד.
- קבלת החלטות על בסיס מידע שאינו מעודכן.
אלה אינן רק בעיות תפעוליות.
אלה הפסדים כספיים.
התפקיד שלנו הוא להפוך אותם להזדמנויות.
שלב רביעי
תכנון הארגון העתידי (To-Be)
רק עכשיו מתחיל החלק היצירתי.
- כיצד הארגון צריך לעבוד בעוד שנתיים?
- כיצד ניתן לבטל שלבים מיותרים?
- אילו החלטות יכול AI לקבל?
- אילו החלטות חייבות להישאר בידי אדם?
- אילו תהליכים ניתן לבצע באופן אוטומטי?
- כיצד ייראה מסע הלקוח?
- כיצד ייראה מסע העובד?
- כיצד ייראה מסע המנהל?
אנחנו בונים ארכיטקטורה חדשה.
לא תיקון קטן.
אלא תכנון מחודש של האופן שבו הארגון עובד.
שלב חמישי
אפיון עסקי (PRD) ולוגיקה ארגונית
זהו אחד התחומים שבהם Dogma מביאה יתרון משמעותי.
במשך שנים כתבנו מסמכי אפיון למערכות מורכבות.
כיום אותם מסמכים משמשים גם להכוונת מערכות AI.
אנחנו מגדירים:
- דרישות עסקיות.
- מסכי מערכת.
- תרחישי שימוש.
- Workflow.
- Business Rules.
- Hard Stops.
- הרשאות.
- בקרות.
- Edge Cases.
- Validation Rules.
- Exception Handling.
- KPI.
- SLA.
- Audit Trail.
AI איכותי אינו מתחיל במודל.
הוא מתחיל באפיון איכותי.
שלב שישי
בניית מקור אמת ארגוני (ODS)
אחד האתגרים הגדולים ביותר בארגונים הוא ריבוי מקורות מידע.
מערכת ה-CRM אומרת דבר אחד.
מערכת ה-ERP אומרת דבר אחר.
Excel של מחלקת המכירות אומר משהו שלישי.
כאשר AI מקבל מידע סותר, גם התשובות שלו יהיו סותרות.
לכן אנו מסייעים לארגונים להגדיר One Data Source או Operational Data Store, כך שסוכני AI, מערכות BI והעובדים יפעלו כולם על בסיס אותם נתונים.
AI טוב מתחיל בנתונים טובים.
שלב שביעי
תכנון סוכני AI
רק בשלב הזה אנחנו שואלים:
אילו Agents באמת נחוצים?
לא כל בעיה דורשת Agent.
לא כל תהליך דורש Automation.
אנחנו בוחרים את נקודות ההשפעה הגבוהות ביותר.
בין היתר אנו מתכננים:
- סוכני שירות לקוחות.
- סוכני ידע ארגוני.
- סוכני מכירות.
- סוכני רכש.
- סוכני כספים.
- סוכני משאבי אנוש.
- סוכני בקרה.
- סוכני Compliance.
- סוכני מסמכים.
- סוכני קבלת החלטות.
- סוכנים התומכים בעובדים ולא מחליפים אותם.
כל Agent מוגדר על פי מטרות עסקיות, חוקים ארגוניים, גבולות אחריות ומנגנוני בקרה.
שלב שמיני
הטמעה, הדרכה ושינוי ארגוני
אחד הגורמים המרכזיים לכישלון של פרויקטי AI הוא ההנחה שאם המערכת טובה, העובדים יאמצו אותה מעצמם.
- המציאות שונה.
- כל שינוי מחייב ליווי.
- הדרכה.
- מדידה.
- שיפור.
- הקשבה.
לכן אנחנו מלווים את הארגון גם לאחר העלייה לאוויר.
מבצעים בדיקות קבלה עסקיות (UAT), מודדים את התוצאות, משפרים תהליכים ומוודאים שהמערכת אכן מייצרת את הערך שלשמו הוקמה.
מנהלת תחום
Forward Deployed AI & Business
Architecture
תחום זה ב-Dogma מנוהל על ידי יפעת רוזנברג אשת אסטרטגיה בעלת ניסיון של יותר משני עשורים בתפקידי הנהלה בכירים, בליווי מנכ"לים, יזמים וארגונים גדולים, לצד פעילות כדירקטורית ומרצה בתחום הבינה המלאכותית.
התפיסה שמובילה את עבודתה פשוטה אך מהותית:
הטכנולוגיה כבר קיימת. האתגר הוא לתרגם את העסק אליה.
בפועל, עבודתה מתחילה הרבה לפני בחירת מודל AI כזה או אחר. היא כוללת לימוד מעמיק של הארגון, זיהוי נקודות החיכוך שמאטות את הפעילות העסקית, איתור דליפות מידע, מיפוי תהליכי עבודה, בניית מסמכי PRD, תכנון לוגיקה עסקית, הגדרת חוקים ארגוניים, תכנון מקורות נתונים אחודים (ODS) ואפיון סוכני AI הפועלים בהתאם למדיניות הארגון.
היא מלווה את הארגון גם בשלבי ההטמעה, בדיקות הקבלה העסקיות (UAT), ניהול השינוי והכשרת העובדים, כדי לוודא שהטכנולוגיה אינה רק עובדת, אלא גם מאומצת ומייצרת ערך עסקי אמיתי.
מבחינתה, הצלחת פרויקט אינה נמדדת במספר הסוכנים שהוטמעו, אלא בהשפעה שלהם על קיצור זמני עבודה, שיפור איכות קבלת ההחלטות, צמצום טעויות והגדלת הרווחיות.
