אינטליגנציה לכל דורש? משמעויות, הזדמנויות וסכנות עבור אנשי למידה ופיתוח ארגוני

מהפיכת הבינה המלאכותית הגנרטיבית נמצאת בעיצומה, ורק תלך ותעצים. המשמעויות עבור תחום הלמידה והפיתוח הארגוני הן מרחיקות לכת. במאמר זה אציע מבט-על עם שלוש דרכים ליצירת ערך באמצעות טכנולוגיה זו עבור מקצוע הלמידה והפיתוח הארגוני, כולל מספר דוגמאות שתוכלו לבחון וליישם כבר כעת. בנוסף, אצביע על כמה סכנות אפשרויות שעליכם להיערך לקראתן.

אינטליגנציה היא עכשיו מוצר צריכה

עד לא מזמן כאשר ארגונים רצו לייצר ערך באמצעות פעולה של עיבוד או יצירת מידע בצורה אינטליגנטית, הדרך העיקרית – אם לא היחידה – לעשות זאת הייתה על ידי שימוש באינטליגנציה אנושית – כלומר לייצר התקשרות כזו או אחרת עם אדם (עובד, ספק, שותף עסקי) כדי שיפתחו עבורנו מוצר, יכתבו לנו תוכן, יפיקו לנו סרט, יתאימו וימכרו פתרונות ללקוחות, יספקו תמיכה והדרכה למשתמשים חדשים, ודוגמאות רבות ומגוונות נוספות. המציאות הזו משתנה לנגד עינינו במהירות ובצורה שתשפיע על היבטים רבים של עבודה, כלכלה, עסקים ולא פחות מכך – למידה ופיתוח אישי וארגוני.

אנחנו יכולים היום לשלם סנטים בודדים, ולקבל בתמורה ביצועים של מגוון הולך ומתרחב של משימות על ידי בינה מלאכותית, ובפרט בינה מלאכותית גנרטיבית (Generative AI). אינטליגנציה היא מוצר צריכה לא רק במובן של העלות הצונחת והאיכות העולה של התוצרים, אלא גם בזכות העובדה שהיא נגישה עבור אנשים ללא רקע טכנולוגי בעזרת מוצרים פשוטים לשימוש הזמינים עבור כל אחד ואחת מאתנו במחשב האישי או בטלפון החכם.

קורס הדרכה ופיתוח ארגוני באמצעות AI – לפרטים והרשמה, לחצו פה.

שלוש דרכים ליצירת ערך

כאנשי למידה ופיתוח ארגוני המשמעויות של השינוי הזה הן מרחיקות לכת. קשה לנבא מה כל ההשלכות שלו, אבל אפשר להצביע כבר עכשיו על שלושה כיוונים אפשריים ליצירת ערך בעזרתו. אם אתם אנשי למידה ופיתוח ארגוני, אתם חייבים לבחון את כל שלושת הכיוונים, ולבחור כיצד תייצרו ערך דרך אחד או יותר מהם.

א. הדרך המהירה והיעילה – הגברת האפקטיביות

זוהי הרבה פעמים הדרך בה אנשים וארגונים מתחילים להפיק ערך מבינה מלאכותית גנרטיבית, והיא אכן נקודת פתיחה קלה וטובה כדי לייצר מומנטום וללמוד לעבוד עם הכלים והטכנולוגיה.

היא כרוכה בבחינה של תהליכי עבודה ומשימות שאנחנו מבצעים באופן שוטף, ושילוב ושימוש בכלי בינה מלאכותית על מנת להגביר את האפקטיביות שלנו והיקף ההשפעה והתפוקה שלנו.

הנה מספר דוגמאות לשימושים כאלה בעולמות הלמידה והפיתוח הארגוני:

• נוכל לתמלל ראיונות עם מספר גדול של מומחי תוכן ומובילי דעה בתחום מקצועי כשלהו (למשל מיומנויות ניהול או תחום טכנולוגי כזה או אחר) תוך דקות ספורות, לסקור ספרות ומאמרים בנושא, ולזהות ולזקק מתוך מגוון המקורות הללו נושאים עיקריים, עצות עשה ואל תעשה, טעויות נפוצות וכיצד להימנע מהן, ודוגמאות מגוונות. אלו יוכלו לשמש אותנו בתכנון ופיתוח תוכניות למידה ותוצרי הדרכה לעובדים ומנהלים במגוון רמות ידע.
• נוכל לתרגם תכנים שונים לשפות שונות – הן בצורת מלל (כמו חוברות הדרכה, עזרי עבודה, הנחיות תפעול)והן ביצירת תוצרי שמע (כגון פודקאסטים) ואפילו וידאו ואנשים וירטואליים או אווטארים (Avatars) כדי לייצר למידה מעניינת ומגוונת יותר הנותנת מענה לסגנונות למידה שונים.
• נוכל לייצר במהירות תכנים ותוצרים עבור הדרכות בעזרת מדריך או ללמידה עצמית – כגון סיפורי מקרה, תרגילים, שאלות ומבדקי ידע – מתוך קבצי PDF ארוכים, ספרי מכונה, נהלים, ואפילו מתוך ניתוח של סרטוני ביצוע של עובדים.
• נוכל לנתח כמות אדירה של נתונים מתוך מערכות ניהול למידה, מבחנים, הערכות מילוליות, ועוד ולספק לאנשי הלמידה, ללומדים, ולמנהלים תובנות על לומדים ספציפיים או על קבוצות של לומדים ועל פערי ידע וביצועים שעולים מתוך הנתונים. נוכל להמשיך ו״לדבר״ עם הנתונים בשפה פשוטה ולקבל כל מיני חתכים, ניתוחים, סיכומים ותרשימים שיעזרו להבין מגמות ומשמעויות.

ב. הדרך המעניינת – יצירת ערך מוסף

בדרך הראשונה המיקוד היה פנימי – יצירת ערך על ידי הגברת היעילות והאפקטיביות על ידי מיקוד בתהליכים של ניהול ופיתוח הדרכה, שמאפשרים לנו לעשות הרבה יותר, יותר מהר, בהיקפים גדולים יותר, ולהגיע לקהל רחב יותר.

הדרך השנייה ליצירת ערך היא בעלת מיקוד חיצוני. כאן נסתכל על התהליכים והצרכים של בעלי עניין שונים (לומדים, מנהלים, לקוחות, ספקים), ונבחן כיצד ניתן לשלב יכולות של בינה מלאכותית על מנת לייצר ערך עבורם.

האפשרויות הן רבות ומגוונות. רק כדי לעורר את המחשבה והדמיון, הנה כמה רעיונות לתחום הלימדה והפיתוח הארגוני:

• כלי שמאפשר לעובדים (אולי בשיתוף עם המנהלים או החונכים שלהם) לייצר מסלולי למידה מותאמים אישית, להמליץ על קורסים, לומדים, סרטונים או חומרים נוספים על בסיס הידע הנוכחי שלהם, מטרות אישיות ומקצועיות שהם מגדירים לעצמם, והעדפות אישיות כגון צורת הלמידה המועדפת עליהם, שפות שהם שולטים בהן, הזמן שיש להם וכדומה.
• סימולציות ותרגול של שיחות (הן בצ׳אט, בקול ואפילו בווידאו מול אוואטר) לאימון אישי במיומנויות של מכירה, ניהול, שירות לקוחות וכדומה וקבלת משוב בזמן אמת על נקודות חוזק והצעות לשיפור על בסיס שיטות העבודה והתרבות הספציפיות של הארגון שלנו.
• קמפיינים של תקשור על תוכניות ופתרונות הלמידה שלנו שנוכל להשתמש בהם בדואר אלקטרוני, בפוסטרים, במסרים אישיים ללומדים פוטנציאליים ולמשתתפים בתוכניות על מנת להגביר עניין, לעודד הרשמה והשתתפות, לייצר למידה מתמשכת וחיזוק שלה בהקשרים של העבודה.
• לאפשר ללומדים ועובדים לתמוך ולתרום ליצירת תוכן מקצועי ולמידה שיתופית על ידי שליחה של טיפים ועצות בדרך פשוטה (למשל הקלטה קולית קצרה) ועיבוד מהר של התוכן הזה והפצתו לקהלים רלוונטיים.

שימו לב מה AI יכול לעשות בעולמות ה-HR – להצטרפות לוובינר, לחצו פה.

ג. הדרך הנועזת – שרשראות ערך חדשות

מכיוון שחלק ניכר מהערך שאנשים מייצרים כיום בעבודה הוא מבוסס על ביצועים של אינטליגנציה, העובדה שעכשיו יש לנו כלים ומערכות שיכולים להשתוות ובמקרים מסוימים אף להתעלות על ביצועים אנושיים כאלה, בעלות ובהיקפים חסרי תקדים, צפויה לערער שרשראות ערך רבות – ובמוקדם או במאוחר זה ישפיע גם על שרשראות הערך שלכם.

מטבע הדברים, הדרך הזו דורשת בחינת עומק משמעותית יותר משתי הדרכים שציינו לעיל, אבל שווה להתחיל את החשיבה שלכם בנושא באופנים הבאים:

• הפן האישי – כיצד אני, כאיש או אשת למידה ופיתוח ארגוני מייצר ערך? מהי שרשרת הערך הכוללת שאני תורם לה (מה קורה לפני ואחרי בתהליך)? כיצד אני יכול/ה להרחיב את הפעילות שלי לשלב אחרים בשרשרת הערך הזו בעזרת כלים של בינה מלאכותית גנרטיבית שתספק לי יכולות שאין לי כעת או שהן יקרות עבורי מדי לרכוש מאנשים אחרים?
• הפן המחלקתי או הארגוני – כיצד אנחנו, כמחלקת למידה או כספק פתרונות למידה, מייצרים ערך? מהן שרשראות הערך שאנחנו חלק מהן וכיצד אנחנו יכולים להרחיב את העשייה שלנו במורד או במעלה שרשרת הערך?

אתגרים וסכנות שחשוב לקחת בחשבון

שינויים בדרכי העבודה, הכלים החדשים, הצורך לחשוב מחדש על כל מה שאנחנו עושים – טומנים בחובם לא מעט אתגרים וסכנות. הנה כמה מהם בהקשר של למידה ופיתוח ארגוני:

• שימוש לא נכון בטכנולוגיה ובכלים: ביצועי הבינה המלאכותית הגנרטיבית אמנם הולכים ומשתפרים מיום ליום, אבל עדיין יש לה מגבלות, ויש גם מאפייני יסוד של הטכנולוגיה שיכולים להוביל לתוצאות לא רצויות. למשל – היא יכולה להעצים הטיות ולספק מידע לא מבוסס, ניתן לעשות בה שימוש לרעה ולהטעות אנשים, ומצד שני, אנשים יכולים להסתמך עליה כמקור בלתי מעורער של ידע. כאשר אנחנו משלבים את הטכנולוגיה הזו בתהליכים ובתוצרים שלנו, עלינו להכיר את המגבלות הללו ולהשתמש בטכניקות וכלים שכבר קיימים כדי לצמצם ולזהות אותן. לא פחות חשוב – עלינו להגדיר איך חשוב ונכון לשלב אנשים ומומחים בתהליך כדי לבקר אותו, לשפר אותו, ולצמצם טעויות.
• התעלמות מהמגמה והמשמעויות: אני פוגש הרבה מנהלים ואנשי מקצוע שלא מבינים את המשמעויות מרחיקות הלכת של המהפכה הזו ובוחרים לשבת על הגדר, או לא מקצים לזה מספיק מחשבה וזמן עבורם ועבור הצוותים שלהם. במקרה הטוב הם מבינים שקורה פה משהו משמעותי, אבל לא בטוחים איפה להתחיל ומה לעשות. התעלמות או דחיינות הם לא אופציה טובה במקרה הזה. ככל שתקדימו ללמוד ולבחון את ההזדמנויות ליצירת ערך – כך תפעלו מתוך מקום של הובלה והבנה ותצמצמו את הסכנה של להיות מופתעים כאשר הקרקע פתאום תישמט מתחת רגליכם.
• התחייבות מהירה מדי לכלי או טכנולוגיה: הכלים שזמינים לנו הם מדהימים והרבה פעמים סוחפים. אבל התחום הוא בתחילת הדרך וקצב השינויים מהיר בצורה מסחררת – אפילו מומחים מתקשים להישאר מעודכנים. אם נתחייב בשלב מוקדם לשימוש בכלי אחד, אנו עלולים לגלות שמהר מאוד הכלי כבר לא משתווה לדברים אחרים שקיימים בשוק ולא מאפשר לנו להמשיך ולהתקדם.
• חוסר מיקוד: בגלל שהאפשרויות הו רבות כל כך, אנחנו עשויים לרצות לנסות את הכל ולקחת על עצמינו יותר מדי פרויקטים ואתגרים חדשים. חשוב לא להתפזר יותר מדי ולשלב מצד אחד בין דברים שמביאים לנו ערך מהיר, ומצד שני כאלו שפותחים לנו אפשרויות חדשות שלא חשבנו עליהן בעבר.
• היבטים משפטיים: החוקים והרגולציה סביב השימוש בבינה מלאכותית עדיין מתהווים. למשל – יש שאלות פתוחות לגבי קניין רוחני ואחריות לגבי תוצרים המשלבים בינה מלאכותית. מדינות שונות מתחילות להגדיר דרישות לגבי שימוש בטכנולוגיה – למשל הנחיות ה- AI Act של האיחוד האירופי. חשוב להיות מודעים ולפעול בהתאם (אבל שוב – לא לתת לזה לעצור אתכם מלפעול).

המלצות מעשיות

מה לעשות מחר בבוקר? או טוב יותר – כבר היום…

הנה כמה המלצות מעשיות שיעזרו לכם להתחיל:

• זהו ובחרו מקרים ספציפיים בהם תוכלו לייצר ערך בעזרת בינה מלאכותית גנרטיבית בתהליכי העבודה שלכם וקחו על עצמיכם (או הגדירו לאנשים בצוות שלכם) את זה כמטרה בעדיפות גבוהה.
• עקבו אחרי מקורות ואנשים שיעזרו לכם להבין מה קורה בתחום וכיצד ניתן ליישם את זה לעולמות של למידה ופיתוח ארגוני.
• צרו לעצמיכם ולצוות מגרש משחקים – מפגשים ללמידה משותפת, כלים שאליהם תוכלו להעלות חומרים ולנסות דברים, האקתונים לבנייה של תוצרים ושיתוף תובנות, ועוד.
• דברו עם מחלקות אחרות כדי לעודד אותן להבין את ההשלכות של המהפכה על תהליכי העבודה שלהן, ומצבו את עצמכם כמומחים ומובילים של למידה סביב הנושא.
• למדו ללא הפסקה – כאנשי למידה זה צריך להיות מובן מאליו עבורנו, אבל זה הזדמנות טובה להזכיר לעצמנו ולפתח את עצמנו כדי להיות מסוגלים לא רק להישאר רלוונטיים אלא אפילו להוביל ולהמציא את עצמנו ואת הארגונים שלנו מחדש.