בשיתוף עם Gong
עבודתם של המפתחים בסקייל - צפו בפאנל
מהפכת הבינה המלאכותית של השנים האחרונות מתבססת על היכולת להתמודד עם כמויות עצומות של מידע, לעבד, לנתח, להפיק תובנות יקרות ערך שמניעות החלטות עסקיות, או במילים אחרות, היכולת לעבוד בסקייל. מאחורי הקסם הזה עומדים מפתחים, מהנדסים, מנהלי מוצר, צוותי דאטה שמנהלים את המערכות הללו ומבטיחים שהן יפעלו במהירות, דיוק ואמינות.
כדי להבין איך נראית מבפנים סביבת העבודה בחברת AI שוחחנו עם איתי בן חיים, מנהל פיתוח בכיר בחברת גונג, המובילה בתחום ה-Revenue AI, ועם ענבל בן יהודה, מנהלת מוצר AI בחברת גונג.
- נתחיל בבסיס - במה מתעסקת חברת גונג?
בן יהודה: "קודם צריך להבין את הבעיות. היום בארגוני מכירות, 70% או כמעט 80% מהזמן של אנשי מכירות הולך על פעילויות שהן לא המכירה עצמה, אלא נטו עבודות אדמיניסטרטיביות, למלא דברים במערכות הדאטה-בייס וה-CRM, מערכת ניהול קשרי הלקוחות וכולי, ו-80% מהחברות, גם חברות שנסחרות בבורסה, טועות בחיזוי ההכנסות שלהן.
"שוק ה-Revenue AI שבו פועלת גונג אומר שבאמצעות AI ותהליכי אוטומציה אפשר להקל ולייעל את אותם תהליכים, את הפעילות היומיומית של אנשי המכירות, של אנשי שימור הלקוחות, של אנשי השיווק, כדי להגדיל הכנסות. גונג לקחה את זה אפילו צעד אחד קדימה, ואנחנו מציעים מערכת הפעלה מבוססת AI לאנשי מכירות, ככה שאנשים, אייג'נטים שהם סוכנים וכלי AI, עובדים ביחד כדי להצליח יותר ולהגדיל הכנסות".
- ומהי הפלטפורמה שמציעה גונג?
בן יהודה: "פלטפורמה הכוונה היא שיש תשתית ויש מספר אפליקציות, וכל אפליקציה מכוונת לפרסונה אחרת בתוך הארגון. יש אפליקציה שמיועדת לאיש המכירות בתחילת התהליך, יש לאנשי התפעול, או ל-CRO. לכל אפליקציה יש ייעוד, וככה הפלטפורמה משרתת מספר אנשים".
- כשמדברים על עבודה בסקייל בעולם הטכנולוגי, למה הכוונה?
בן חיים: "הסקייל הוא קנה המידה, זאת אומרת, השינוי שמתרחש בין יום שני ב-8 בבוקר, כשעוד עדיין כולם בארצות הברית ובאירופה מנומנמים, ופתאום מגיע 9 בבוקר ואנשי המכירות מתעוררים, פותחים את הפלטפורמה ומתחילים לנהל שיחות מכירה. הם מייצרים תוכן קולי או ויזואלי, עובדים על מערכות CRM, מייצרים אירועים שקורים במערכת, ופתאום עברנו ממצב שכולם יחסית מנומנמים למצב שהמערכת צריכה לעבוד בתפוקה מלאה, לתת מענה לכל לקוח שלנו ולאפשר לו לעשות את העבודה שלו בצורה יעילה וזורמת, כך שהוא לא ייתקע ולא יעצור".
- איך העבודה בסקייל באה לידי ביטוי כשמדברים על צוותי פיתוח או צוותי מוצר?
בן יהודה: "ניקח לדוגמה את ההשקה של ChatGPT. כשהם השיקו את היכולת ליצור תמונות, נחתו שם בשבוע הראשון 130 מיליון משתמשים. בתור מנהל מוצר אתה צריך להבין איזו חוויית משתמש אתה מספק כאשר כזאת כמות של אנשים נכנסת למערכת. ליצור תמונה יכול לקחת כמה עשרות שניות - צריך להבין מהי חוויית הטעינה, מה אתה מנגיש למשתמשים תוך כדי. יש חשיבה מוצרית שצריכה להתלוות לתהליך בהינתן שצריך לשרת הרבה משתמשים".
הלקוח יכול ללמד בעצמו את המודל
אחרי שהבנו את הצורך של מערכות הבינה המלאכותית להתמודד עם כמויות מידע עצומות ולנתח אותן, נשאלת השאלה איך מלמדים את מערכות ה-AI לעשות את זה. לדברי בן חיים, "אחד האתגרים הגדולים הוא שאין מודל אחד כרגע שיודע לפתור את כל בעיות העולם וגם לענות לאנשי הרפואה, לאנשי המכירות ולאנשי הבנקאות או הפיננסים.
"הרעיון שלנו הוא שאנחנו יודעים לקחת את אותה בעיה עסקית, בין אם זה מעבר של שיחה מווידאו לתמלול מילולי, או הוספה של סימני פיסוק או זיהוי קונספטים סמנטיים מאוד מורכבים בתוך השיחה. אנחנו מפרקים את הבעיה המאוד גדולה הזו לתתי בעיות קטנות, שמודל ידע יכול לתת להם מענה בצורה מהימנה, בסקייל או גם במקרה שהמון לקוחות יפנו ויבקשו את התוצאה. בסוף, כשיש הרבה בעיות קטנות, אפשר לנהל את זה בצורה טובה יותר באופן הזה".
- והאתגר המשמעותי הוא להבטיח שהניתוח יהיה אמין ויעיל.
בן יהודה: "נכון, ופה צריך לקחת איזושהי גישה מוצרית. לחברה כמו גונג שמשרתת גם חברות קטנות וגם אנטרפרייז, החברות הגדולות ביותר בעולם, הסוד הוא לתת מוצר שמאפשר ללקוחות לכייל את המודלים בעצמם. כלומר, אנחנו מספקים תשתית, והלקוח יכול ללמד בעצמו את המודל: איך נראים סיגנלים שהעסקה הזאת לא הולכת להיסגר, איך נראים סיגנלים שאומרים שהלקוח מרוצה. הוא עושה את זה על הדאטה שלו והוא עושה את זה עם הידע שלו".
בן חיים מתאר כיצד מלמדים מערכת AI כמו של גונג להפיק מתוך הררי המידע ניתוח אמין ורלוונטי. "זה מתחלק לשניים או שלושה חלקים. החלק הראשון הוא הבנת הבעיה העסקית עצמה. אנחנו רוצים לזהות קונספט מורכב בתוך שיחה, להבין מהו אותו סיגנל, אותו אות, לעומת מהו הרעש.
"לאחר מכן מגיע שלב ניהול הנתונים. יש דוגמה טובה ממלחמת העולם השנייה: אחרי שהמטוסים האמריקאים חזרו מהפצצות, ניתחו בצבא את המטוסים וזיהו הרבה פגיעות בכנפיים. המסקנה הראשונית הייתה 'בואו נמגן את הכנפיים'. אבל אז הגיע סטטיסטיקאי שהסביר: 'אם המטוסים עם הפגיעות בכנפיים הם אלה שחזרו, אז לא צריך למגן את הכנפיים. דווקא המטוסים שנפלו, שאינם חלק מהמדגם שלנו, הם אלה שצריך לבדוק איפה נפגעו כדי לדעת מה למגן".
"אותו דבר מתרחש בגונג. יש המון מידע, והמידע הוא לא מבני, אין לו צורה אחידה: חלק מגיע משיחות, חלק מקבצי קול, חלק מכל מיני אינטראקציות שהיו למשתמש עם המערכת. את כל הדבר הזה אנחנו צריכים להעביר תהליך סטנדרטיזציה שייכנס לתוך מסדי נתונים מסודרים, כדי שה-AI יידע לצרוך אותם בצורה נכונה, מהירה ומבנית על מנת לתת את החיזויים שלו".
- איך מונעים ממערכות ה-AI לבצע טעויות בניתוח המידע?
בן חיים: "כאן יש משמעות מאוד גדולה למידע שנכנס בתהליך האימון של המודל, ויש פה עוד אתגר נוסף, העולם האמיתי שלנו הולך ומתפתח, והפרופיל כל הזמן זז. שיחת מכירות שקרתה לפני הקורונה, בחג המולד 2019, שונה באופן משמעותי משיחת מכירות שקרתה אחרי הקורונה ב-2023. אם המודל שלנו לא יידע או אנחנו לא נדע לזהות בזמן אמת שקרה שינוי מבני באופן הסקת המסקנות שלו, ונדע ללמד אותו מידע עדכני וחדש יותר, בסוף נאבד את היכולת לתת חיזויים טובים. לכן גונג משקיעה המון בפלטפורמה שמאמנת מחדש ומוודאת שהמודל עדכני ביותר, נשען על מידע מסודר, ויודע לתת תשובות איכותיות".
"התקשורת הפנים ארגונית חייבת להיות מאוד גבוהה"
כיצד מתרגמים את המידע שמפיקות מערכות ה-AI לתובנות פשוטות, עבור הלקוחות? בן יהודה: "אני לא חושבת שזה שונה בהרבה מכל עבודת מוצר טובה שצריכה להיעשות במערכות. צריך להבין איזה פרסונות או משתמשים אתה משרת ומה העבודה שלהם בחיי היום-יום. כלומר, אם אני רוצה לפתח פיצ'ר שעוזר לאיש מכירות לנהל את יומו יותר טוב על בסיס השיחות האחרונות ולייצר עבורו רשימת משימות יומית, אני צריכה להכיר את היום-יום שלו ולהנגיש לו את התובנות רגע לפני שהוא מתחיל את היום. אם אני פונה ל-CRO, שהוא סמנכ"ל מכירות, ואין לו זמן, אני צריכה להבין מהן התובנות שאני צריכה להביא לו כשהוא נכנס לישיבה עם הדירקטוריון. ההבנה המוצרית הזאת עוזרת לנו להנגיש תובנות בזמן הנכון ובקונטקסט הנכון".
- איך נראית ביום יום העבודה בסקייל בגונג?
בן יהודה: "מבחינת הצד המוצרי, ברגע שעובדים בכמויות כל כך רבות של מידע ושל חברות שונות, כמנהלי מוצר אנחנו צריכים להבין את הדרישות הטכניות, כמה משתמשים צפויים להיכנס, כמה מודלים יהיו לנו שאנחנו משרתים ולכמה סוגי משתמשים. אנחנו צריכים להכיר את הדרישות האלה, ולשקף אותן לצוותי הפיתוח שלנו בתקשורת פתוחה ומקדימה ככל שניתן. יש המון עבודה בתוך גונג של מנהלי מוצר אחד עם השני, כלומר, התקשורת הארגונית חייבת להיות מאוד מאוד גבוהה".
ואיך מתאימים את סביבת העבודה לקצב המהיר שנדרש בעבודה בסקייל? לדברי בן חיים הסוד הוא תעדוף משימות ומתן תמונת מצב ויזואלית שמאפשרת תגובה מיידית לאירועים: "דבר ראשון, אנחנו הרבה פעמים שמים לעצמנו דגש מהם אותם מודלים או אותו קנה מידה שאנחנו צריכים לשרת בצורה מאוד מהירה, כי הלקוח כרגע מול הפלטפורמה, מול המסך, ורוצה את התשובה שלו באופן מיידי. לעומת זאת, כל מיני תהליכי משנה שרצים ברקע, ויכולים להימשך 20, 30, או 40 שניות, יכולים לקבל תעדוף משני.
"הדבר השני, כאשר עובדים בקנה מידה מאוד גדול, הוא היכולת של מהנדס או של איש תשתית להבין מה קורה כרגע, שצריכה להיות מאוד ויזואלית. זאת אומרת, הוא צריך להיכנס ולראות את המטריקות המרכזיות, את הגרפים שמראים את השימוש הנוכחי בכל המעבדים והכרטיסים הגרפיים, את העומסים, וכל הנתונים הרלוונטיים. אפשרי לקבל המון מטריקות ודשבורדים מורכבים אשר יציגו תמונת מצב במבט אחד ויאפשרו להגיב לאירועים שקורים כמה שיותר מהר".
- לסיכום, אחרי שלמדנו על העבודה בסקייל וההשפעה שלה על הצוותים ביום יום, מי הם האנשים שמתאימים לעבוד בצוותים כאלה? אילו כישורים אתם מחפשים?
בן יהודה: "אני מאמינה שאלו אנשים שמבינים שאיכות ומהירות הם לא עקרונות פעולה שמנוגדים זה לזה. אנחנו מחפשים שחקנים שיודעים לעבוד במרץ, בסטארט-אפים צומחים, וכל הזמן מאזנים בין שני קצוות החבל הזה.
"אתן דוגמה, ראש צוות פנה אלי והציע: 'יש פיצ'ר חדש שאנחנו רוצים להוציא, ואני רוצה לכתוב את כולו נטו עם AI. תספקי לי את מסמך הדרישות, ואנחנו ניתן ל-AI לכתוב את רוב הקוד'. מצד אחד יש פה סיכון מאוד גדול לאיכות, ואולי נשלם מחיר של עוד חודש בפרויקט בשל האיכות. מצד שני הרווח הוא מאוד גדול, כי כל פרויקט שנעשה לאחר מכן, יתקדם פי שלושה מהר יותר. לכן, בעיני אלה האנשים שאנחנו רוצים סביב השולחן, הם אנשים שחושבים יצירתית, וגמישים מחשבתית. זה הסוד".
