01 מיפוי הזדמנויות ל־AI ותוכנית יישום
ממפים יחד עם האנשים שעושים את העבודה את המשימות שחוזרות על עצמן, את ההחלטות שמתעכבות ואת העברות העבודה היקרות בין צוותים. מדרגים את ההזדמנויות לפי ערך עסקי, מוכנות הנתונים ומאמץ היישום, וממליצים מה לבנות קודם ומה דורש הכנה מוקדמת.
02 סוכני AI ואוטומציה של תהליכי עבודה
מתכננים, בונים ומטמיעים סוכנים ואוטומציות לרכש, למעקב אחר ספקים, לתכנון ולדיווח. הם מתחברים למידע ולמערכות שאושרו, עם חלוקת אחריות ברורה, נקודות אישור וטיפול מוגדר בחריגים. הסוכנים נבנים בסביבת Microsoft 365 שלכם, עם Copilot Studio ו־Power Automate.
בשימוש אצל לקוחבחברה המפעילה כמה אתרים, סוכן ניתוח ההוצאות שלנו מכין בכל רבעון את תמונת ההוצאות של כל האתרים. סקירה שנמשכה שבועיים נמשכת כעת יומיים.
בשימוש אצל לקוחסוכן המעקב אחר ספקים שלנו מבקש אישור לכל הזמנה ולמועד האספקה שלה, מזהה ספקים שטרם השיבו ושולח להם תזכורות. הקניין מתמקד בטיפול בחריגים.
SFסוכן מעקב אחר ספקים01 · בהגדרהכך אנחנו בונים סוכן ← 03 מודלים לתמיכה בהחלטות וסימולציה
משתמשים בחיזוי, במודלים של עלויות, באופטימיזציה ובסימולציה כדי להחליט על ביקוש, מלאי, ספקים וכושר ייצור. ההנחות מוצגות במפורש, והאפשרויות נבחנות לפני שמתחייבים למשאבים. ברכש המודלים האלה פועלים בתוך Alterna, הפלטפורמה שפיתחנו לתמחור עץ מוצר (BOM) ולאיתור חלופות.
תוצאה בפועלחיסכון של מיליון דולר באצוות ולידציה ודחיית שלב הבנייה השני, אחרי שהתאום הדיגיטלי שבנינו לייצור טיפול תאי הראה כושר ייצור גבוה ב־30% מההערכה הקודמת (תוצאת המודל). לפרטי הפרויקט ←
04 מודל הפעלה וכללי ממשל ל־AI
קובעים את הכללים: איך החברה בוחרת הזדמנויות ל־AI, מתקצבת ומאשרת אותן, ומי אחראי על כל אחת. תחומי האחריות, סמכויות ההחלטה, הגישה לנתונים ושגרות הבקרה נקבעים יחד עם המנהלים שיפעילו אותם. בתהליכים שכפופים לרגולציה, דרישות הוולידציה מוסכמות עם מחלקת האיכות לפני שמתחילים לבנות.
05 סדנאות AI והטמעה בצוות
סדנאות Microsoft Copilot מעשיות לצוותי רכש, מכירות ושיווק, שבנויות סביב המשימות של המשתתפים. המשתתפים לומדים להכין קלט, לבדוק את התוצרים, לבנות סוכנים ולשפר את תהליכי העבודה שלהם. אפשר להוסיף תוכנית המשך של ארבעה שבועות, שבודקת אם דרך העבודה החדשה נקלטה בשגרה היומיומית.
לסדנאות 06 מדידה והרחבה של פתרונות AI
בוחנים יוזמות AI קיימות מול העבודה שהן היו אמורות לשפר. מודדים איכות, שימוש בפועל, עלות תפעול ותרומה עסקית, ומתקנים נקודות חולשה. את מה שעובד מרחיבים לצוותים או לאתרים נוספים, ולכל פתרון יש אחראי ותמיכה גם אחרי המסירה.