5 מיליארד דולר בפחות משנתיים; עם רועי ללזר מוונדרפול

סקירה

השיחה עם רואי לזר, ממייסדי חברת וונדרפול, עוסקת בבניית תשתית להטמעת בינה מלאכותית בארגונים גדולים. הטענה המרכזית היא שהטמעה מוצלחת אינה מסתכמת במודל שפה או במוצר תוכנה מוכן: היא דורשת פלטפורמה גמישה, צוותי מהנדסי הטמעה בתוך הארגון, התאמה מקומית ותהליך הדרגתי של העברת אחריות לבינה מלאכותית.

לפי לזר, גישה זו אפשרה לוונדרפול להתרחב ליותר מ־35 שווקים, להעסיק יותר מ־650 עובדים, לעבוד עם ארגונים גדולים ולהגיע, לדבריו, לשווי של 5 מיליארד דולר בתוך פחות מ־20 חודשים. השיחה מציגה את הנתונים האלה כטענות של החברה, ולא כמידע שנבדק באופן עצמאי.

רגע מקור רלוונטי: [02:07]–[02:22], [12:28]–[12:51]

הטיעון המרכזי: להפוך הטמעת בינה מלאכותית למוצר ניתן להרחבה

וונדרפול מתארת את עצמה כפלטפורמה שמסייעת לארגונים להפעיל סוכני בינה מלאכותית ותהליכי עבודה במחלקות שונות. במקום למכור רק תוכנה, החברה נכנסת לארגון, ממפה תהליכים, מתחברת למערכות קיימות, בונה את הסוכן, בודקת אותו ומכניסה אותו לפעילות בהדרגה.

החלק המרכזי במודל הוא מהנדסי ההטמעה, שמכונים בשיחה מהנדסי פיתוח שטח. הם מבצעים את שלב האפס־לאחד: מבינים את התהליך הארגוני, את המדדים, את המערכות ואת המגבלות האנושיות והפוליטיות.

לאחר מכן הפלטפורמה והארגון יכולים להשתמש בתשתית שנבנתה כדי להרחיב את השימוש למחלקות ולמוצרים נוספים. הנחת היסוד היא שהערך של בינה מלאכותית בארגון תלוי פחות ביכולת המודל לבדו ויותר בחיבור שלו לעבודה האמיתית.

לכן החברה מנסה להפוך את הידע שנצבר בפרויקט אחד לרכיבים חוזרים, במקום לבנות פתרון חד־פעמי לכל לקוח. רגע מקור רלוונטי: [04:54]–[05:50], [07:38]–[08:47]

הראיות והדוגמאות שהוצגו

הדוגמה המרכזית היא טיפול בעסקאות שנחסמו או סומנו כחשודות. נציג שירות עשוי להעביר את המקרה למחלקת בק־אופיס, שבה עובדים בוחנים מערכות, היסטוריית עסקאות, נתונים פיננסיים וכללים פנימיים כדי להבין את מקור הבעיה. לדברי לזר, זהו תהליך שמצריך שיקול דעת, ולכן אי־אפשר פשוט להדביק עליו מודל שפה כללי.

הטמעת הסוכן נעשית בהדרגה: בתחילה הוא בוחן מספר קטן של עסקאות, אחר כך עשרות ומאות, ובני אדם מתקנים את פעולתו כאשר הוא טועה. החברה בונה גם חיבורי ממשק, בדיקות, מנגנוני ניטור ותהליכים להערכת ביצועים. לזר ציין כמה נתונים עסקיים מרכזיים: פעילות ביותר מ־35 שווקים.

יותר מ־650 עובדים. לקוחות שמשלמים, לדבריו, סכומים של שמונה ספרות. שימוש במודלים של חברות כמו אנתרופיק, אפלייד־איי־אי, גוגל, מיסטרל וחברות נוספות.

הרחבת הפעילות מישראל לאיטליה, שווייץ, טורקיה, צ׳כיה, יפן ושווקים אחרים. שיתוף פעולה עם באיירן מינכן, כפי שנאמר בפתיחת השיחה. החברה גם מציגה את עצמה כלקוחה של הפלטפורמה שלה.

לפי לזר, צוותים פנימיים בונים עבור וונדרפול מערכות וסוכנים במקום לרכוש כל מוצר תוכנה מוכן, כולל שימושים הקשורים לניהול קשרי לקוחות. מטרת הגישה היא ללמוד מבפנים כיצד ארגון משתנה כאשר חלק מהתהליכים שלו מופעלים באמצעות סוכנים. רגע מקור רלוונטי: [06:24]–[08:11], [24:20]–[25:53]

התובנות הייחודיות

התובנה העסקית הבולטת היא שהשוק המקומי אינו בהכרח מגבלה בבינה מלאכותית כפי שהוא בתוכנה מסורתית. לזר טוען שארגונים קונים לא רק קוד, אלא גם הבנה של השפה, התרבות, החוזים, תהליכי המכירה והאופן שבו עובדים מקומיים פועלים. לכן צוותי מכירות, תפעול ולעיתים גם משפט ושיווק בכל מדינה יכולים להיות יתרון תחרותי.

החברה התחילה בישראל דווקא משום שהצליחה לעבוד עם ארגונים מקומיים ולהבין את הקשיים שלהם. לאחר שמצאה ביקוש משמעותי בישראל, היא הסיקה שאותה בעיה עשויה להתקיים גם אצל מנהלים באיטליה, בשווייץ ובמדינות אחרות. זהו היפוך של אסטרטגיית החדירה המקובלת, שלפיה חברות ישראליות נדרשות להגיע במהירות לארצות הברית.

תובנה נוספת היא שהחברה אינה רוצה להתחרות בחברות המפתחות את מודלי הבסיס. להפך: היא מנסה להישאר בלתי תלויה בספק מודל מסוים, כדי שללקוחות יהיה אפשר לבחור בין מודלים ולהימנע מנעילה אצל ספק יחיד. לזר מבדיל בין החברה שלו לבין שירותי ייעוץ שמספקות חברות המודלים עצמן, משום שלדבריו וונדרפול בונה מוצר ותשתית לטווח ארוך ולא רק מוכרת שעות עבודה.

רגע מקור רלוונטי: [12:13]–[15:50], [21:05]–[22:19]

תחזיות ותנאים להצלחתן

החזון ארוך הטווח של לזר הוא להפוך את וונדרפול ל״מערכת הפעלה יישומית״ לבינה מלאכותית בארגונים. לפי החזון, מהנדסי ההטמעה יישארו בארגון זמן מה, אך בסופו של דבר הארגון יוכל לבנות ולהפעיל סוכנים בעצמו על גבי פלטפורמה מודולרית שאינה כולאת אותו.

הוא הזכיר גם שאיפה להגיע להנפקה ולשווי של טריליון דולר. זו תחזית שאפתנית מאוד, והיא תלויה בכך שהפלטפורמה תהפוך לתשתית רחבה עבור אלפי ארגונים, ולא תישאר אוסף של פרויקטים מותאמים אישית.

הטענה שהמודלים עצמם ימשיכו להשתפר היא תנאי חשוב נוסף. לזר אומר שהחברה אינה רוצה להמר נגד התקדמות המודלים: כאשר יוצא מודל טוב יותר, המוצר שלה אמור להשתפר.

התחזית תיחלש אם השיפור במודלים לא יתורגם לשיפור אמין בתהליכים עסקיים, או אם ארגונים יעדיפו פתרונות פנימיים וספקים ייעודיים. רגע מקור רלוונטי: [20:20]–[21:05], [27:06]–[28:15]

בטיחות, בקרה וגבולות האוטונומיה

לזר מבחין בין הטמעת בינה מלאכותית בתוך תהליך מוגדר לבין מתן אוטונומיה מלאה למערכת לבצע פעולות ללא מגבלות. לפי התיאור שלו, השימוש הארגוני הבטוח יותר נעשה בתוך ארגז חול, עם תהליך תחום, בדיקות, ניטור והגדלה הדרגתית של היקף הפעילות.

הוא אומר שהחשש המרכזי שלו אינו תרחיש עתידני של אובדן שליטה עולמי, אלא האופן שבו הטמעת בינה מלאכותית תשנה ארגונים ותהליכי עבודה. עמדה זו מבוססת על תחום הפעילות של החברה, שבו הסוכנים אמורים לבצע משימות עסקיות מוגדרות ולא לפעול באופן חופשי בכל מערכת.

רגע מקור רלוונטי: [28:28]–[29:33]