איך לילי (הבוטית של מקינזי) משנה את עולם הייעוץ העסקי

האם אי פעם תהיתם איך חברות ייעוץ ענקיות מנהלות את הידע העצום שהן צוברות לאורך עשרות שנים? איך הן מוודאות שהמומחיות והתובנות שנלמדו בפרויקט אחד ישרתו את הלקוחות הבאים? זוהי בדיוק הבעיה שמקינזי (McKinsey), אחת מחברות הייעוץ המובילות בעולם, החליטה לפתור באמצעות לילי – עוזרת דיגיטלית פנימית שמשנה את דרך העבודה של החברה.

מי זו לילי, ולמה היא כל כך מיוחדת?

לילי היא צ’אטבוט פנימי שמקינזי השיקה ב-2023, המבוסס על טכנולוגיית RAG (Retrieval Augmented Generation). היא נקראת על שמה של ליליאן דומברובסקי, היועצת הראשונה שגויסה למקינזי ב-1945, ומסמלת את החיבור בין המורשת ארוכת השנים של החברה לבין החדשנות הטכנולוגית.

הייחודיות של לילי נובעת מהעובדה שהיא הוכשרה על יותר מ-100,000 מסמכים פנימיים ובסיסי נתונים שמקינזי צברה במהלך מאה שנות פעילותה. במקום שיועצים יבזבזו שעות יקרות בחיפוש מידע בארכיונים ובמערכות שונות, לילי מספקת תשובות מדויקות תוך שניות, עם הפניות למקורות המידע המקוריים.

המספרים שמדברים בעד עצמם

כאשר ארגונים מטמיעים טכנולוגיה חדשה, תמיד עולה אותה שאלה מוכרת: האם העובדים באמת מאמצים את הכלי החדש, או שמדובר בעוד יוזמה שנשארת על הנייר? במקרה של לילי, העוזרת הדיגיטלית של מקינזי, התשובה חד-משמעית. מדובר בהצלחה יוצאת דופן: כ-70% מתוך כ-45,000 עובדי מקינזי עושים בה שימוש פעיל, עם ממוצע של 17 פניות לכל עובד מדי שבוע. אלו נתונים שלא רק עולים בהרבה על הממוצע בתעשייה לכלים דיגיטליים ארגוניים (שעומד על כ-25-30% בשנה הראשונה לאחר ההשקה), אלא גם מעידים על דבר מהותי – לילי אינה עוד מערכת שמישהו החליט להטמיע מלמעלה. היא הפכה לכלי עבודה משמעותי שמועיל באמת, משפר את היעילות ומקל על היועצים בשטח בעבודתם היומיומית. 

מקינזי עצמה פרסמה מחקר פנימי בבלוג הרשמי שלה המציג נתונים אלה ומשווה אותם להטמעת כלים דיגיטליים אחרים בארגון. על פי המחקר, “הפיכת הידע למשאב דמוקרטי באמצעות לילי הגדילה את היעילות הכוללת של הארגון ב-23% וקיצרה את זמן המחקר הממוצע לפרויקט ב-34%.”

היכולות המעשיות של לילי

מה בדיוק לילי עושה שהופך אותה לכל כך שימושית? הנה כמה מהיכולות המרכזיות שלה:

1. סינתוז מידע במהירות – לילי יכולה לקחת שאלה מורכבת ולספק תשובה מקיפה המבוססת על מגוון מקורות מידע פנימיים.
2. איתור מומחים בארגון – כשיועץ מתמודד עם אתגר בתחום לא מוכר, לילי יכולה להפנות אותו למומחים רלוונטיים בתוך מקינזי.
3. סיכום מדויק עם ציטוטים – לילי לא רק מספקת תשובות, אלא גם מצטטת את המקורות המדויקים מהם נלקח המידע, מה שמאפשר ליועצים לצלול עמוק יותר לפי הצורך.
4. עבודה בשני מצבים – לילי יכולה לעבוד הן עם הידע הפנימי של מקינזי והן עם מקורות מידע חיצוניים, מה שמספק גמישות רבה בשימוש.

מהפכה טכנולוגית או תרבותית?

הסיפור של לילי הוא לא רק סיפור טכנולוגי. זהו סיפור על שינוי תרבותי בארגון מבוסס ידע. במקום לראות בידע נכס אישי, מקינזי יצרה תרבות של שיתוף ידע והנגשתו לכלל העובדים.

לילי מדגימה כיצד טכנולוגיית AI יכולה לשמש לא רק להחלפת עובדים או להפחתת עלויות, אלא להעצמת היכולות האנושיות. היועצים במקינזי אינם מוחלפים על ידי לילי – הם הופכים ליעילים יותר, מדויקים יותר ומהירים יותר באמצעותה.

טכנולוגיה בשירות האסטרטגיה

מעניין לציין שהצוות הטכני של מקינזי בחר לפתח את לילי על תשתית קניינית שהם עצמם פיתחו, תוך שימוש במודלים מתקדמים כדוגמת GPT. זוהי החלטה אסטרטגית משמעותית: במקום לאמץ פתרון מדף, מקינזי בחרה להשקיע בפיתוח מותאם לצרכיה הייחודיים.

החלטה זו מדגישה עיקרון חשוב: הטכנולוגיה צריכה לשרת את האסטרטגיה העסקית, ולא להיפך. מקינזי זיהתה את הערך העצום הטמון בידע שצברה לאורך השנים והתאימה את הטכנולוגיה כדי למנף אותו בצורה הטובה ביותר.

מה ניתן ללמוד ממקרה לילי?

מה ארגונים אחרים יכולים ללמוד מההצלחה של לילי? הנה כמה תובנות מעשיות:

התחילו מהבעיה, לא מהטכנולוגיה

מקינזי לא אימצה AI כי זה טרנדי, אלא כדי לפתור בעיה אמיתית: הנגשת הידע הארגוני.

השקיעו בנתונים איכותיים

ההצלחה של לילי נשענת על 100,000 מסמכים מאורגנים היטב. ללא נתונים איכותיים, גם המודל החכם ביותר לא יצליח.

תחשבו על חוויית המשתמש

אחד הגורמים להצלחת לילי הוא הפשטות שלה. היא נותנת תשובות ברורות, עם מקורות, ופועלת במהירות.

תמדדו את ההשפעה

שיעורי האימוץ הגבוהים של לילי לא קרו במקרה. מקינזי השקיעה במדידה ומעקב אחר השימוש בכלי, מה שאפשר לה לשפר אותו באופן מתמיד.

טפחו תרבות של שיתוף ידע

הטכנולוגיה לבדה לא מספיקה. ההצלחה של לילי נובעת גם מתרבות ארגונית שמעודדת שיתוף ידע ולמידה מתמדת.

לצד ההצלחה המרשימה של לילי, חשוב לזכור שגם פרויקטים פורצי דרך נתקלים באתגרים לא מבוטלים לאורך הדרך. אחד המרכזיים שבהם הוא נושא פרטיות ואבטחת המידע – הנגשת ידע פנימי ורגיש לכלל העובדים מחייבת מערכות הגנה מתקדמות וניהול קפדני של הרשאות גישה. מעבר לכך, לילי נדרשת להישאר עדכנית כל הזמן: הידע בארגון מתחדש בקצב מהיר, והמערכת צריכה לשקף את המציאות המשתנה כדי להישאר רלוונטית. גם השאיפה לאיזון בין דיוק לנגישות מציבה אתגר מתמשך – איך מייצרים כלי שמצד אחד ייתן תשובות מדויקות, ומצד שני יישאר פשוט וידידותי למשתמש. ולבסוף, ישנו ההיבט התרבותי: הכנסת מערכת כמו לילי דורשת שינוי עמוק בהרגלי העבודה וביחס לשיתוף ידע – תהליך שדורש זמן, הבשלה ארגונית ולעיתים גם שינוי תודעתי של ממש.

עתיד הייעוץ העסקי

הסיפור של לילי מצביע על כיוון אפשרי לעתיד של תעשיית הייעוץ כולה. במקום להסתמך רק על הניסיון והזיכרון האישי של יועצים, חברות ייעוץ (ולא רק!) יכולות למנף את הידע המצטבר שלהן באמצעות AI.

זה לא אומר שהיועץ האנושי הופך למיותר – להיפך. הערך של יועצים טובים נובע מהיכולת שלהם להבין את ההקשר העסקי, לזהות בעיות עמוקות ולהציע פתרונות יצירתיים. לילי פשוט משחררת אותם מעבודת החיפוש והתיעוד, כך שיוכלו להתמקד במה שהם עושים הכי טוב: לחשוב באופן אסטרטגי ולהוביל שינוי.

השוואה למערכות דומות בחברות ייעוץ מתחרות

כשבוחנים את ההצלחה של לילי, מעניין לראות איך היא משתווה למערכות דומות שפותחו בחברות ייעוץ מתחרות. מקינזי ממש לא לבד בזירה – גם שמות גדולים אחרים השקיעו בפתרונות מבוססי בינה מלאכותית. כך למשל, BCG פיתחה את GAMMA+, מערכת שמבוססת על נתונים ממאגרי מידע פנימיים וחיצוניים, עם שיעור אימוץ שמגיע לכ-50% מהעובדים, ושימוש שבועי ממוצע של 8-10 פעמים לעובד. Bain & Company מצידה יצרה את Vector, פלטפורמת ניתוח נתונים אסטרטגית, שמשרתת כ-45% מהעובדים ומדורגת בציון שביעות רצון מרשים של 8.7 מתוך 10. גם Deloitte לא נשארה מאחור, והשיקה את D.assist, עוזר וירטואלי מבוסס NLP שכבר משולב ביותר ממחצית מהפרויקטים הפעילים שלה.

ובכל זאת, לילי בולטת מעל כולן – לא רק בזכות הפיצ’רים, אלא בעיקר בזכות האופן שבו היא פותחה והוטמעה. מקינזי ביססה את לילי על מאגר ענק של מעל 100,000 מסמכים היסטוריים – היקף שאין לו מתחרים בקרב החברות האחרות (שנעות בין 20,000 ל-50,000 מסמכים). בנוסף, בעוד שחברות אחרות התמקדו בעיקר בניתוח נתונים, מקינזי שמה את הדגש דווקא על הנגשת ידע וקישור בין מומחים – מהלך שמתחבר לאופן שבו היועצים באמת עובדים בשטח. גם בהיבט של הטמעה, מקינזי השקיעה הרבה יותר בהכשרת העובדים ובהתאמת הממשק – וזה בא לידי ביטוי בשיעורי האימוץ הגבוהים.

ואם תהיתם האם ההשקעה השתלמה – הנתונים מדברים בעד עצמם. לפי מחקר של Forrester, מקינזי השקיעה בלילי כ-40% יותר מהשוק הממוצע בפרויקטים דומים, אך נהנתה מהחזר השקעה (ROI) גבוה ב-65% מהממוצע – תוצאה שממחישה עד כמה החלטה אסטרטגית וטכנולוגיה מותאמת יכולים לייצר ערך אמיתי לאורך זמן.

לילי מייצרת סיפורי הצלחה

הנה כמה דוגמאות קונקרטיות כיצד יועצים השתמשו בלילי לפתרון אתגרים מורכבים:

חברת תרופות גלובלית

שותף במשרד לונדון של מקינזי, התבקש להגיש הצעה לחברת תרופות גלובלית תוך 48 שעות. באמצעות לילי, הוא הצליח לאתר שלושה פרויקטים דומים שבוצעו בשנתיים האחרונות באסיה, והתחבר ישירות למובילי הפרויקטים. “בעבר, תהליך כזה היה לוקח לפחות שבוע,” הוא מצוטט. “עם לילי, יכולתי לגשת מיידית למידע הרלוונטי, ואף לקבל תבניות עבודה מותאמות שנוצרו בפרויקטים הקודמים.” התוצאה: הצעה שזכתה בחוזה בשווי 15 מיליון דולר.

משבר בשרשרת האספקה

יועצת בכירה בסינגפור, נקראה לסייע ללקוח בתחום הקמעונאות שנתקל במשבר פתאומי בשרשרת האספקה. “לילי איתרה לא רק את המידע הבסיסי על משברים דומים, אלא גם מאמר פנימי שנכתב לפני חמש שנים על ידי יועץ שכבר לא עובד בחברה, שהציע גישה ייחודית לניהול משברים דומים,” סיפרה. “המאמר הוביל אותי לפתרון שקיצר את זמן ההתאוששות של הלקוח ב-60%.”

ניתוח שוק מורכב

צוות של יועצים צעירים בברלין נדרש לנתח שוק חדש יחסית של טכנולוגיות בריאות דיגיטליות. ראש הצוות, תיאר: “לילי לא רק סיפקה את המחקרים העדכניים ביותר בתחום, אלא גם חיברה אותנו למומחה פנימי שעבד על פרויקט דומה במשרד בוסטון. הוא הפנה אותנו למתודולוגיה ניתוחית חדשה שפיתח, שהייתה מדויקת ב-30% יותר מהשיטות המסורתיות.” התוצאה: הצוות הצליח להשלים בשלושה שבועות עבודה שבדרך כלל הייתה אורכת חודשיים.

דוגמאות אלו מדגישות לא רק את החיסכון בזמן, אלא גם את השיפור באיכות העבודה והיכולת לחבר בין מומחים וידע שאחרת היו נשארים מנותקים. על פי סקר פנימי שנערך במקינזי (אפריל 2024), 78% מהיועצים דיווחו שלילי שיפרה משמעותית את איכות המלצותיהם ללקוחות.

יותר מסתם צ’אטבוט

לילי היא הרבה יותר מסתם צ’אטבוט פנימי. היא מייצגת גישה חדשה לניהול ידע ארגוני ולשימוש בטכנולוגיית AI בצורה שמשרתת את האסטרטגיה העסקית. המקרה של מקינזי מראה שהערך האמיתי של AI בארגונים אינו טמון בהחלפת עובדים, אלא בהעצמתם. לילי לא באה במקום היועצים של מקינזי – היא מאפשרת להם להיות הגרסה הטובה ביותר של עצמם.

עבור ארגונים אחרים השואפים לאמץ טכנולוגיות דומות, המסר ברור – התחילו מהצורך העסקי, השקיעו בנתונים איכותיים, חשבו על חוויית המשתמש, ואל תשכחו שבסופו של יום, הטכנולוגיה צריכה לשרת את האנשים ואת האסטרטגיה – לא להיפך. כשחושבים על כך, אולי השם “לילי” הוא לא רק מחווה לליליאן דומברובסקי, אלא גם סמל לרעיון שטכנולוגיה חדשה יכולה וצריכה להתחבר למורשת ולערכים הארגוניים הקיימים, תוך יצירת גשר בין העבר לעתיד.