AI הפך את יצירת הרעיונות לקלה מתמיד — אך ביצועם עדיין מאתגר

הפיכת הרעיונות לזולים מדי — והבעיה שנוצרה בעקבותיה

בינה מלאכותית גנריטיבית שינתה את כללי המשחק בעבודת ידע: היא הפחיתה באופן דרמטי את עלות יצירת רעיונות. כל מקצוען בעל יכולות סבירות יכול כיום להפיק עשרות אסטרטגיות, מסמכים, רעיונות למוצרים או תוכניות שיווקיות לפני הצהריים. במקרים מסוימים, ה-AI אף מפחית את עלות הביצוע — אך לא באותה מידה או באותה מהירות. הוצאת רעיון לפועל עדיין דורשת שבועות, חודשים ואף שנים. התוצאה כבר ניכרת במקומות העבודה: יותר יוזמות ממה שהצוותים יכולים לבצע, יותר כלים ממה שאיש יכול ללמוד, ויותר מטרות ממה שאדם סביר יכול לזכור. מנהלים ממשיכים להוסיף עבודה חדשה כי עלות ההמצאה שלה כמעט אפסית — אך עלות הביצוע נותרה גבוהה. כך נוצר אתגר ניהולי חדש: במקום מחסור ברעיונות, הבעיה היא ביצועם.

לקח מהמעבדה: פחות עבודה, יותר תוצאות

מעבדת המחקר הגנומית Broad Institute, השייכת למכון הטכנולוגי של מסצ'וסטס (MIT) ולאוניברסיטת הרווארד, התמודדה עם בעיה דומה לפני עשור. כאשר הגנום האנושי הראשון פוענח בשנת 2003, התהליך ארך יותר מעשור ועלה כ-3 מיליארד דולר. כיום, ריצוף גנום אנושי לוקח שעות ועולה פחות מ-200 דולר. הוזלה זו יצרה הזדמנויות עצומות, אך גם שתי משברים נפרדים ב-Broad Institute.

המשבר התפעולי: עומס יתר ודחיפות

ככל שריצוף הגנומים הפך למהיר יותר, הדגימות החלו לזרום במערכת מהר יותר ממה שצוותים מורידים יכלו לעבד. העומס הצטבר בצווארי הבקבוק, עד שהטכנאים החלו לאבד דגימות. הפתרון היה מעבר ממערכת "דחיפה" — שבה כל שלב שולח עבודה לשלב הבא במהירות האפשרית — למערכת "משיכה", שבה כל שלב מקבל עבודה חדשה רק כאשר יש לו קיבולת פנויה.

המשבר השני: הצפת רעיונות ללא ביצוע

לאחר שריצוף הגנומים הפך לזול ושגרתי, צוות החדשנות ב-Broad Institute התמודד עם הצפת רעיונות. פרויקטים חדשים נפתחו ללא הפסקה, אך מעטים הושלמו. כפי שתואר במחקר מקרה של MIT, הקבוצה "איבדה את מעמדה כמובילת טכנולוגיה, למרות המאמצים הרבים להשיגו". הפתרון היה זהה לזה שננקט מול המשבר התפעולי: משמעת בניהול רעיונות.

הצוות יצר מפה ויזואלית — פתקים על קיר — של כל הפרויקטים הפעילים, תוך מעקב אחר מיקומם בתהליך הפיתוח. התרגיל חשף שתי בעיות עיקריות: חלק מהפרויקטים היו מיותרים, ובוצעו פי שניים פרויקטים ממה שהצוות יכול היה לטפל בהם בפועל. הם הקימו "אזור המתנה" (hopper) לפני תהליך הפיתוח, שבו רעיונות ממתינים עד שתתפנה קיבולת במערכת. תוך שנתיים, הצוות צמצם את מספר הפרויקטים הפעילים ביותר מחצי והגדיל את מספר הפרויקטים שהושלמו.

מדוע מנהלים ממשיכים להוסיף עבודה?

הפתרון של Broad Institute נראה ברור לאחור, אך הוא נדיר במציאות. בני אדם נוטים להעדיף הוספת עבודה על פני צמצומה. מחקר משנת 2021 שנערך על ידי חוקרים מ-Nature גילה כי אנשים נוטים לבחור באפשרויות שמציעות יותר אפשרויות, גם כאשר הן פחות יעילות. הנטייה הזו, המכונה "נטיית ההוספה" (addition bias), גורמת למנהלים להוסיף עוד ועוד משימות, גם כאשר המערכת כבר עמוסה מדי.

"הבעיה אינה מחסור ברעיונות, אלא מחסור ביכולת לבצע אותם. AI הפך את יצירת הרעיונות לזולה, אך הביצוע נותר יקר — ולכן עלינו ללמוד לעשות פחות, אך לעשות זאת טוב יותר."

איך ליישם את הלקח בעולם ה-AI?

הפתרונות ש-Broad Institute יישמה ניתנים להחלה גם בסביבת עבודה מונעת AI:

• הגבלת קיבולת: קבעו כמות מקסימלית של פרויקטים או יוזמות שניתן לפתוח בו-זמנית, בהתאם לקיבולת הצוות.
• מערכת "משיכה": אל תדחפו עבודה לצוותים. תנו להם לקחת עבודה חדשה רק כאשר יש להם פנוי.
• ניטור ויזואלי: השתמשו בלוחות משימה או פתקים על קיר כדי לעקוב אחר מצב הפרויקטים ולזהות חסימות או כפילויות.
• תהליך קבלת החלטות מחמיר: לפני פתיחת פרויקט חדש, בדקו אם הוא תורם למטרות העיקריות או רק מוסיף עומס.
• הפרדת רעיונות מביצוע: צרו מנגנון שבו רעיונות חדשים ממתינים בתור עד שתתפנה קיבולת בביצוע.

סיכום: פחות זה יותר בעידן ה-AI

בינה מלאכותית גנריטיבית הפכה את יצירת הרעיונות לזולה ופשוטה, אך היא גם יצרה אתגר חדש: ניהול עומס העבודה. הפתרון אינו להוסיף עוד ועוד משימות, אלא ללמוד לעשות פחות — אך לעשות זאת בצורה יעילה ומרוכזת יותר. המעבדות של Broad Institute מראות כי משמעת בניהול פרויקטים וצמצום עומס העבודה יכולים להוביל לתוצאות טובות יותר, גם בעולם שבו הרעיונות זורמים בקלות רבה יותר מאי פעם.