למה אינך מצליח לאוטומט את זרימת העבודה שלך?

מעולם לא היו יותר כלים לאוטומציה. סוכני בינה מלאכותית שיכולים לקרוא את תיבת הדואר שלך, לסכם פגישות, לנסח תשובות, לכתוב קוד, לארגן את השבוע שלך. כל חודש, גל נוסף.

ובכל זאת, רוב האנשים שדיברנו איתם עדיין עושים את אותה עבודה ידנית, חוזרת ומתישה שהם עשו לפני שנתיים.

למה?

בחודשים האחרונים ניסינו לענות על השאלה הזו. ישבנו עם 22 אנשים מתפקידים, תעשיות ורמות מיומנות שונות. כשלושה רבעים מהם היו בעלי רקע טכני. השאר לא. בערך חצי עבדו בהייטק. החצי השני לא.

שאלנו אותם איך נראית העבודה שלהם. מה קשה. מה היו רוצים לשנות.

מצאנו ארבעה חסמים שחוזרים שוב ושוב, בלי קשר למה שאדם עושה למחייתו או כמה הוא טכני. שלושה מהם אישיים. הרביעי מבני. יחד הם מסבירים מדוע אוטומציה, למרות שהיא ההבטחה הגדולה ביותר בתוכנה כבר עשרים שנה, עדיין נשארת בגדר שאיפה עבור רוב האנשים.

הנה הם.

חסם 1: אינך רואה מה שבור

הדבר הראשון שהפתיע אותנו: כששאלנו אנשים מה קשה או מתסכל בעבודה שלהם, רובם נתנו תלונות כלליות. "איזון בין עדיפויות." "תקשורת." "אני פשוט עסוק." שום דבר קונקרטי. שום דבר שאפשר לפעול לפיו.

אז ניסינו שאלה אחרת: "אם הייתה לך שרביט קסמים והיית יכול לתקן דבר אחד בזרימת העבודה שלך, מה זה היה?"

פתאום, כאב מוחשי. משימות ספציפיות. דברים שהם שונאים. אותם אנשים שעד לפני חמש דקות משכו בכתפיים, פתאום היו להם שלוש תשובות כל אחד.

אחד המרואיינים סיפר לנו:

"כן, אני מסונכרן. היו לי המון דיונים. אבל רק לשמור את כולם מעודכנים זה חלק כל כך מייגע בעבודה."

אחר, שתיאר תהליך רבעוני:

"הייתי רוצה להעלים את המעקב הידני הזה. זה פשוט גוזל יותר מדי זמן. זה קורה כמעט כל רבעון. ובאותו שבוע שזה קורה, כולם שונאים את זה."

מרואיין שלישי שתיאר משימה חוזרת:

"לפעמים אני מקבל בקשה מהחנות לסנכרן את המלאי אונליין. הבקשה כל כך... לא סטנדרטית. לפעמים נותנים מזהה חנות נכון. לפעמים צריך אותיות גדולות, אבל נותנים קטנות. הפורמט לא נכון. אני צריך לכייל ידנית את כל הפורמטים כדי לוודא שזה נכון, להכניס למכונה וללחוץ על הכפתור."

אף אחד מהם לא חשב על המשימות האלה כאוטומטיות עד ששאלנו את השאלה הנכונה. הם עשו אותן חודשים או שנים. זו פשוט הייתה העבודה.

זו לא אשמה אישית. כך פועלת תשומת הלב. משימות חוזרות נעלמות ברקע. המוח מפסיק לסמן אותן כראויות לתשומת לב כי הן צפויות. אי הנוחות הופכת ל"יום שני".

אי אפשר לאוטומט מה שלא יודעים להגדיר. ורוב האנשים לא יודעים להגדיר מה שבור אצלם בעבודה בלי עזרה.

זה החסם הראשון.

חסם 2: אינך יודע מאיפה להתחיל

נניח שאתה כן רואה מה שבור. אתה יודע בדיוק איזו משימה שואבת לך את השבוע. אפילו יש לך גישה לכלי בינה מלאכותית שכנראה יכולים לטפל בזה.

רוב האנשים בכל זאת קופאים.

הבעיה: יותר מדי אפשרויות, אין נקודת התחלה ברורה. שיתוק החלטות באוטומציה. כשאפשר לאוטומט הכל, לרוב לא מאוטומטים כלום.

אחד המרואיינים אמר לנו:

"איך בעצם מכוונים את הבינה המלאכותית לעשות את זה? איך מנסחים את ההוראה? נראה לי שלוקח זמן ללמוד איך להיות יותר מדויק בזה."

הוא ידע שהבינה המלאכותית מסוגלת. הוא פשוט לא ידע איך לכוון אותה לעבודה שלו.

מרואיין אחר תיאר זאת ישירות:

"אני לא חושב שזה מאוד ברור מה-UI מה עוד אפשר לעשות. כי כשאתה פשוט נותן פקודה, אני כזה, 'אה, אני צריך לחשוב מה אני צריך.' אבל אין לי ממש אופציה, נכון? אני לא יודע מה עוד אפשר. אז עד כמה אני יכול לדמיין את הבעיה שלי? בשיחה הקודמת הבנתי שאני יכול לבקש דוח סטנדאפ מהאימייל, או אולי ליצור משימה ב-Linear או משהו. אז זה היה, כאילו, לא ברור."

הוא הרחיב:

"אולי אם היה תפריט נפתח או דוגמאות לפקודות או תבניות שאוכל להשתמש בהן, זה היה עוזר, במקום שאני אצטרך לחשוב הכל מאפס."

אחר רצה משהו אפילו יותר ממוקד:

"יש כל כך הרבה. ערימת הטכנולוגיה ענקית כרגע. כל כך הרבה אפשרויות. אז אם מישהו היה יכול להגיד לי איזה כלי כדאי לי להשתמש בו, מה הכי יעיל לכל משימה שאני עושה. כאילו, שיסתכל על ה-Linear שלי ויגיד לי, היי, למשימה הזו כדאי לך להשתמש בזה במקום Claude Code או משהו. זה היה ממש נחמד."

מה שאנשים צריכים זה לא עוד יכולות. זו נקודת התחלה ברורה. דוגמה אמיתית. זרימת עבודה שמישהו כמוהם בנה, שעובדת מקצה לקצה, שאפשר להעתיק ולהתאים.

זו אחת הסיבות שחמש זרימות עבודה חוזרות על עצמן בכל מקום: תדריך בוקר, דוחות שבועיים, מיון דואר, סיכומי סטנדאפ, סיכומי לקוחות. אלה לא האוטומציות הכי טובות. אלה פשוט אלה שיש להן תבניות ציבוריות ונקודות התחלה ברורות.

כל השאר נשאר ידני. לא כי אי אפשר לאוטומט, אלא כי אף אחד לא הראה איך "מתחילים".

זה החסם השני.

חסם 3: עלות ההתחלה גבוהה מעלות ההימנעות

אוקיי, זיהית את העבודה. יש לך נקודת התחלה קונקרטית. עכשיו צריך להקים את זה בפועל.

פה רוב האנשים נושרים.

מרואיין אחד סיפר לנו על כלי בינה מלאכותית שהקולגות שלו משתמשים בו בקביעות:

"אני מכיר את OpenClaw, אבל אף פעם לא ניסיתי בעצמי. אני יודע שהקולגות שלי משתמשים, אבל אני לא ניסיתי."

כששאלנו למה, הוא אמר שההגדרה מורכבת וגוזלת זמן. הוא אפילו לא ניסה. העובדה שחבריו לעבודה הצליחו לא הספיקה. עלות ההפעלה הנתפסת הייתה גבוהה מספיק כדי שפשוט... יוותר.

אחר היה ישיר עוד יותר לגבי נקודת הנשירה:

"אני חושב שזה בעיקר למשתמשים חדשים. כי הרבה אנשים רואים את זה ורוצים לנסות. וכשהם מריצים NPM install, ואז מקבלים 'אתה צריך גם התקנה של Claude' בנוסף... שם הרבה אנשים פשוט יוותרו, אפילו לא ימשיכו."

ומתחת לשני הציטוטים מסתתר אותו חישוב רציונלי. מרואיין נוסף אמר זאת ישירות:

"כשאנחנו רוצים לאוטומט את זרימת העבודה, אנחנו פשוט רוצים לחסוך זמן ולהגביר פרודוקטיביות. לא רוצים לבזבז כל כך הרבה זמן על הכלים שאמורים לשפר את היעילות שלנו."

זו לא עצלות. זו מתמטיקה.

כל הרעיון של אוטומציה הוא לחסוך זמן. אבל לרוב הזרימות, ההגדרה לוקחת יותר זמן מלעשות את המשימה ידנית. אתה משקיע שעות בלמידת הממשק, שעות בחיבור טריגרים, שעות בבדיקת מקרי קצה, ורק אחרי כל זה מתחיל לחסוך זמן. למשימות שבועיות, זמן ההחזר הוא חודשים. למשימות חודשיות או רבעוניות, זה פשוט לא משתלם.

אז אנשים מוותרים.

ניסיון העבר מחמיר את הבעיה. אנשים ניסו כלים שהבטיחו הכל וסיפקו הגדרה ב-40 שלבים. הם השקיעו זמן בלמידת ממשקים שלא השתלמו. אז גם כשכלי חדש באמת עובד, החוויה הקודמת גורמת להסס.

רוב כלי האוטומציה מניחים שתשקיע שעה בלמידה לפני שתראה ערך. לרוב האנשים, במיוחד לא טכניים, שם זה נגמר.

זה החסם השלישי.

חסם 4: הארגון שלך לא מאפשר לך

הנה החסם שהכי קשה לפתור, וזה שאנחנו שומעים עליו הכי הרבה מאנשים בארגונים גדולים.

גם אם אתה רואה מה שבור, יודע בדיוק מאיפה להתחיל ומוכן להשקיע זמן בהגדרה, ייתכן שהחברה שלך לא תאפשר לך בפועל.

אחד המרואיינים, שעובד בארגון גדול, תיאר איך זה נראה בפועל:

"כל כלי שאנחנו משתמשים בו חייב לקבל אישור לקוח או אישור פנימי. אחרי שזה מאושר ויש תקציב, אז רוכשים את הכלי לכל אדם בנפרד."

אישור. תקציב. רישיון לכל משתמש. לכל כלי חדש. עד שההליך מסתיים, רגע המוטיבציה שגרם לך לרצות לנסות כבר מזמן עבר.

אבל הבעיה העמוקה יותר היא לא רק "אני לא יכול לאשר את הכלי". גם כשאפשר להשתמש בכלי בינה מלאכותית באופן אישי, אי אפשר לחבר אותם למערכות שבהן העבודה האמיתית מתבצעת. אותו אדם:

"אני לא יכול לחבר את סביבת העבודה שלי לזה. אם אני משתמש בזה למטרות אישיות, אני לא יכול לחבר את Salesforce שלי. אני לא יכול לחבר את Teams. כי זה נמצא על הלפטופ של המשרד."

יש לו גישה ל-ChatGPT. יש לו משימות שהיה שמח לאוטומט ב-Salesforce. אי אפשר לחבר בין השניים. האוטומציה שהוא רוצה דורשת גישור בין הכלים האישיים לנתוני העבודה, והגשר הזה אסור.

זו לא רק בעיה של חברות גדולות. מרואיין נוסף אמר לנו:

"אני חושב שלחברות גדולות יש דאגות מסוימות לפרטיות. מותר לנו להשתמש ב-ChatGPT בוודאות. אסור לנו להשתמש ב-Gemini. אני לא יודע למה. אני לא יודע למה. אבל זה סוג של החלטת חברה."

"אני לא יודע למה." המשפט הזה חוזר הרבה כשמדברים עם אנשים על מגבלות הכלים בארגון. הבחירות מרגישות שרירותיות מבפנים. חלק מהכלים מאושרים, חלק לא, בלי היגיון ברור. אתה נאלץ לעקוף את הכללים בלי להבין אותם.

עבור רבים, זה הקיר האמיתי. לא "אני לא רואה מה שבור." לא "אני לא יודע איך לאוטומט." אלא "אסור לי."

החסם הזה קשה יותר מהשאר כי הוא לא תלוי בך. הוא תלוי בסביבה שלך. וסביבות משתנות לאט.

זה החסם הרביעי.

מה זה אומר

הארבעה האלה מצטברים. גם אם תעבור את הראשון, תיתקל בשני. אחרי השני, תגיע לשלישי. וגם אם תתגבר על שלושתם, הארגון סביבך עלול לעצור אותך בכל זאת.

ביחד הם יוצרים קיר שרוב האנשים לא עוברים, גם כשהם יודעים בדיוק מה הם רוצים לתקן. לכן אוטומציה של זרימות עבודה, למרות שהיא ההבטחה הגדולה ביותר בתוכנה כבר עשרים שנה, עדיין נשארת בגדר שאיפה.

אנחנו חושבים שאפשר לפרוץ את הקיר. לא כולו, לא לכולם, אבל יותר ממה שהכלים הנוכחיים מניחים. בחודשים האחרונים בנינו דברים שמטפלים בשלושת החסמים הראשונים, וחשבנו לעומק איך להפוך את האוטומציה לבטוחה מספיק כדי שהרביעי יהפוך לפחות מגביל עם הזמן. יש לנו דעות מה עובד. אבל נעדיף להראות מאשר לספר.

אז הנה מה שאנחנו עושים במקום.

בשבת, 16 במאי, נקיים סדנה מעשית חינמית בסן חוזה. נעבור יחד איך לזהות מה אפשר לאוטומט בעבודה שלך, איפה להתחיל כשיש מאה אפשרויות, ואיך להקים סוכן בינה מלאכותית ראשון תוך פחות מ-15 דקות. בלי קוד.

ההגבלה היא 30 משתתפים. הרשמה: https://luma.com/yqpulmgq

ביום שלישי, 20 במאי, נקיים אירוע דומה בסן פרנסיסקו. פרטים והרשמה בקרוב. עקבו אחרי @vm0_ai כדי להיות הראשונים לדעת.

אם אינך יכול להגיע לאף אחד מהאירועים, עקוב אחרינו בכל זאת. נפרסם מה אנשים באמת בונים בסדנה. הזרימות, ההפתעות, הדברים שלא עבדו. נפרסם אותם בפוסט הבא. כך שתקבל את התשובות המעשיות בכל מקרה.

הארבעה למעלה אמיתיים. אנחנו שומעים עליהם כמעט מכל אדם שאנחנו מדברים איתו. שלושת הראשונים ניתנים לפתרון כבר היום. הרביעי לוקח זמן, אבל גם הוא פתיר. בשבועות הקרובים נוכיח זאת, באירועים ובמה שנפרסם בהמשך.

הציטוטים אנונימיים לפי תפקיד. מדגם המרואיינים: 22 אנשים מתוכנה/בינה מלאכותית, בריאות, אמנויות הבמה, ייצור, ייעוץ, קמעונאות, ביומכניקה ועמותות. בערך 73% עם רקע טכני ו-27% בלי.