איך BCG בונה ארגון מונע-AI: שיעורים לחברות שרוצות לשרוד את הגל הבא

מבוא: מה קורה כשחברת ייעוץ הופכת ל"לקוח אפס" של עצמה?

Boston Consulting Group (BCG), אחת מחברות הייעוץ המשפיעות בעולם, נמצאת באמצע רענון אסטרטגיית ה-IT שלה – עם מטרה ברורה: להפוך לארגון מונע-AI מקצה לקצה.

Merim Becirovic, ה-CIO של BCG, מתאר גישה שמעניינת במיוחד עבור מנהלים, מפתחים ואנשי דאטה ישראלים: לפני שמוכרים פתרונות AI ללקוחות – מפעילים אותם פנימה, בודקים, מודדים, שוברים, מתקנים, ורק אז יוצאים החוצה. "Client Zero" לא כסיסמה אלא כמודל עבודה.

הכתבה הזו מסכמת את עיקרי התפיסה של BCG סביב AI: איך לשלב מודלים, סוכנים (agents), דאטה אסטרטגי, העלאת מיומנויות (upskilling) ושליטה בעלויות, בלי ללכת לאיבוד ברעש הרקע של ההייפ.

---

AI לא כגאדג'ט – כיסוד לתפיסת העבודה

Becirovic מדבר על שינוי עומק: לא "להוסיף AI" למוצרים ולתהליכים קיימים, אלא לעצב מחדש את חוויית העבודה סביבו.

ליבת האסטרטגיה:

1. AI פנימי לפני חיצוני – BCG בוחנת פתרונות על עצמה:

   • פיתוח פלטפורמות, מודלים, כלים ו-agents עבור עובדים ומומחים.
   • בדיקה של דיוק, יעילות, UX, אבטחה ועלויות.
   • רק לאחר שהשימוש מוכיח את עצמו – התאמה ללקוחות.

2. פלטפורמות מונעות Journey ו-Experience – במקום עוד אפליקציה, עוד URL, עוד טול מנותק:

   • מחברים journeys בין מערכות שונות באמצעות כלים מבוססי AI.
   • יוצרים חוויה "צרכנית" גם בתוך הארגון: פחות חיפוש, פחות friction, יותר אינטואיטיביות.

3. AI כחלק מהטרנספורמציה העסקית, לא כפרויקט IT – הדיון ב-BCG הוא לא רק טכנולוגי אלא גם ארגוני: איך נראית חברת ייעוץ כאשר AI משולב בכל שכבות קבלת ההחלטות, המחקר, הניתוח והאופרציה.

Becirovic מסכם את זה יפה: אחרי שנים שבהן בני אדם עשו "עבודת מכונה" (בדיקות נתונים, העלאת קוד, תחזוקת מערכות), אנחנו סוף סוף במקום שבו נותנים למכונות לעשות את עבודת המכונה – והאנשים מתפנים לחדשנות ויצירתיות.

---

מהענן ל-agents: למה 2025 מרגישה כמו דה-ז'ה-וו של המהפכה הקודמת

לישראלים שחוו את המעבר ההמוני לענן – האסטרטגיה של BCG תישמע מוכרת. גם Becirovic עצמו מדגיש את הדמיון:

• לפני עשור: "כולם עוברים ל-Cloud", בלי מספיק ניסיון, מתודולוגיה או שליטה בעלויות.
• היום: "כולם רצים ל-AI", עם קצב חדשנות מהיר בהרבה.

בשלוש שנים בלבד עברנו מ-LLMs בסיסיים אל:

• RAG (Retrieval-Augmented Generation) – שילוב ידע ארגוני עם מודלים גנרטיביים.
• Agents – מערכות אוטונומיות או חצי-אוטונומיות שמבצעות משימות מורכבות כחלק מהזרימה העסקית.

ב-BCG מסתכלים קדימה לעולם שבו לכל עובד יהיו agents:

• סוכני עזר למחקר שוק.
• סוכני סינתזה של מסמכים וידע פנימי.
• סוכני אוטומציה של תהליכי פרויקטים, דוחות, מצגות.

הנחת העבודה: זה לא POC חולף – זה שינוי תשתיתי באופן שבו ידע מנוהל ומיושם.

---

בלי דאטה אין AI: איך BCG חושבת על ידע ארגוני

כל מי שמנסה לבנות פתרון GenAI בארגון יודע: הבעיה האמיתית היא לא המודל, אלא הדאטה.

Becirovic מנסח את זה באופן חד:

"Data is the underlying prime factor if AI is going to work or not."

ב-BCG הפוקוס על שלושה צירים:

1. הגדרת נכסי הידע – מהו הידע הקריטי של BCG?

   • מתודולוגיות ייעוץ.
   • תובנות מפרויקטים, מחקרים, אנליזות שוק.
   • מסמכים פנימיים, best practices, ספריות תוכן.

2. איפה ואיך לחשוף אותו – לא כל ידע צריך להיות זמין לכל אחד, ולא בכל הקשרים:

   • שכבות הרשאות.
   • אבטחת מידע.
   • התאמת תוכן לקונטקסט של המשתמש.

3. שילוב בין ידע פנימי לחיצוני – מודל עבודה המשלב:

   • נתונים פנימיים של BCG.
   • מקורות חיצוניים מאומתים.
   • מנגנוני RAG שמוודאים שהתשובות מבוססות ולא "ממציאות".

עבור ארגונים ישראליים המסר ברור:

• בלי Data Strategy מסודרת – לא תגיעו ל-AI אפקטיבי.
• הצעד הראשון הוא לא Fine-tuning, אלא אינוונטר מסודר: מה יש לנו, איפה זה יושב, מי אחראי, איך מחברים.

---

דור ה-agents: איך תיראה כניסת העובדים הבאים לשוק העבודה

נקודה מעניינת ש-Becirovic מעלה:

הדור הבא של בוגרי אוניברסיטאות יגיע לעבודה עם סוכני AI אישיים שבהם השתמש לאורך כל הלימודים.

המשמעות:

• ג'וניורים יגיעו עם אוריינות גבוהה בשימוש בכלי AI מתקדמים.
• הרבה ממשימות ה"כניסה" הקלאסיות – סיכומים, מחקר בסיסי, טיוטות – יעברו לסוכנים.

זה לא אומר שהדרגים הנמוכים נעלמים, אלא שהם משתנים:

• הפוקוס יעבור מ"ביצוע טכני" ליכולת:
  • לשאול שאלות חכמות.
  • לבקר תוצרים של AI.
  • לחבר בין תובנות, לקוח והקשר עסקי.

בדרגים הבכירים הדרישה ברורה לא פחות:

• מנהלים חייבים להבין, לנסות ולהשתמש בכלים.
• אין מקום ל"אני לא טכנולוגי" – מי שמנהל צוותים, פרויקטים או P&L צריך להיות מסוגל לשלב AI בתהליכי קבלת החלטות.

מסר שכדאי להפנים גם בישראל: Upskilling הוא חובה, לא פריבילגיה.

---

השליטה בעלויות: הלקחים מהענן חוזרים לבמה

BCG מזהה מראש מלכודת קלאסית: שימוש לא מבוקר בכלי AI עלול להתפוצץ בתקציב, בדיוק כפי שקרה להרבה ארגונים בגל הראשון של ה-Cloud.

האתגר:

• מודלים שונים, עלויות שונות.
• שימוש פרוע ב-APIs יקרים.
• חוסר שקיפות לגבי מי מריץ מה, כמה ולמה.

הגישה ש-Becirovic מתאר מבוססת על כמה עקרונות פרקטיים:

1. בחירת מודל לפי סוג השאלה

   • שאלות פשוטות → מודלים זולים.
   • מחקר עמוק ללקוח → מודלים חזקים יותר, עם תיעדוף של איכות על פני עלות.

2. הטמעה ברמת האפליקציה, לא ברמת ה"כל עובד לעצמו"

   • יצירת שכבת גישה מרוכזת למודלים.
   • שימוש במסגרת (framework) שמנתבת את הקריאות למודל המתאים.

3. אינטגרציה עם מערכות זהות (identity)

   • בקשת המפתח: ספקי האקוסיסטם חייבים להתחבר ל-identity הארגוני.
   • בלי זה מקבלים "free for all" – משתמשים בכלים חיצוניים בלי בקרה.

השורה התחתונה:

• AI צריך להימדד כמו כל תשתית.
• מדיניות, monitoring, guardrails – לא פחות חשובים מהמודל עצמו.

---

לקח מרכזי: איך לבנות ארגון מונע-AI (גם בישראל)

מה אפשר לקחת מהמודל של BCG ולהחיל על סטארט-אפ בהרצליה, בנק בת"א או חברת תעשייה ביקנעם?

להלן קווים מנחים נגזרים, בלי להמציא מעבר למה שנאמר במפורש בראיון אלא לתרגם אותו לשפה אופרטיבית:

1. להיות Client Zero

   • לפני שמגלגלים פתרונות ללקוחות או לשוק – להטמיע אותם פנימה.
   • לייצר הוכחת יכולת אמיתית על דאטה, עובדים ותהליכים אמיתיים.

2. להתחיל מ-workflows, לא מ-features

   • לא לבנות עוד צ'טבוט מנותק.
   • לזהות מסעות עבודה מרכזיים (onboarding, מכירות, תמיכה, מחקר) ולראות איך AI מחבר מערכות ומקצר צעדים.

3. להשקיע ב-Data Strategy

   • מיפוי מקורות.
   • ניהול הרשאות.
   • קווים מנחים לאיכות.
   • הכנה ל-RAG ו-agents.

4. להכין את ההון האנושי

   • הכשרות רוחביות: שימוש אחראי ב-AI, prompt engineering בסיסי, בדיקת עובדות.
   • העצמת מנהלים: איך לשלב AI בתכנון, בקרה ומדידה.

5. לשלוט בעלויות ובממשל (governance)

   • להגדיר מראש: באילו מודלים משתמשים ולאילו שימושים.
   • לנטר צריכה.
   • לוודא אינטגרציה למערכות זהות ולמדיניות אבטחה.

---

לסיכום: הרגע שבו טכנולוגיה מפסיקה להיות "מלהיבה" והופכת להיות הכרחית

BCG מדגימה איך נראית גישה בוגרת ל-AI ב-2025: פחות דמוים נוצצים, יותר ארכיטקטורה, דאטה, זהויות, עלויות וחוויית עבודה.

המסר לקהל הישראלי הטכנולוגי:

• המהפכה הנוכחית רצה מהר יותר מהענן.
• מי שמתחיל עכשיו בלי אסטרטגיה, יישרף בעלויות, יסתבך בבלאגן דאטה ויפספס את הערך.
• מי שמאמץ את מודל ה-Client Zero, מחבר בין AI ל-journeys אמיתיים, ובונה אסטרטגיית דאטה ומיומנויות – לא רק שיישאר רלוונטי, אלא יקבע איך ייראו ארגונים בעשור הקרוב.