סמנכ"לית המוצר והטכנולוגיה של נטפליקס: עולם העבודה עובר ממקצועיות צרה למומחיות רוחבית, והג'וניורים הם הזהב החדש

https://www.youtube.com/watch?v=t0GiTyz4syY

לפני כשבוע התפרסמה השיחה של לני רצ'יצקי עם אליזבת' סטון, סמנכ"לית המוצר והטכנולוגיה של Netflix, על ניהול, אנשים ועבודה בעידן ה-AI. עלו שם כמה תובנות שגם מהדהדות לי מגמות שאני מבחינה בהן בקרב הלקוחות שלי ולכן, שווה לדבר על מה שנטפילקס מזהה כמיומנויות החדשות שהיא מצפה העובדים שלה, ואולי ללמוד מזה גם לגבי הסטרטאפ שלנו.

1. היתרון עובר ממומחיות צרה לחשיבה מערכתית

נטפליקס מחפשת יותר אנשים שמבינים כיצד מוצר, טכנולוגיה, דאטה, עיצוב ותהליכים משפיעים זה על זה.

הם הבינו שאם ה-AI מסוגל לבצע משימות נקודתיות, הערך האנושי נמצא ביכולת להגדיר את הבעיה הנכונה, לחבר בין חלקים ולבנות מערכת שעובדת לאורך זמן.

2. מומחיות - היא כבר לא הדבר הכי חשוב

מומחים עדיין נחוצים, אבל פחות אנשים יכולים להרשות לעצמם להיות רק מומחים.

עומק מקצועי עדיין חשוב בתחומים שבהם נדרשת מצוינות אמיתית, כמו הנדסה, עיצוב ודאטה.

אבל שימו לב לזה - אדם שמכיר רק כלי אחד, שכבה אחת או תחום עסקי אחד נמצא בעמדה חלשה יותר מאדם שיכול ללמוד במהירות, לנוע בין תחומים ולקחת אחריות על התוצאה הכוללת.

הציפייה מעובדים כיום היא שיסתכלו על התמונה הגדולה, ידעו לנוע בין תחומים ולקשר ביניהם.

מעניין לשמוע שדווקא מומחים בעיניי נטפליקס, הם מקובעים ומתקשים יותר לעשות את זה.

3. בינה מלאכותית לא מבטלת אחריות אנושית

גם כשה-AI כתב את הקוד, ביצע את הניתוח או יצר את התוכן, האדם שהשתמש בו עדיין אחראי לתוצאה. אי אפשר להאשים את המודל אם המוצר נכשל, הנתונים שגויים או ההחלטה גרועה.

4. ככל שקל יותר לייצר, קשה יותר לשמור על איכות

הבינה המלאכותית הופכת את הייצור לכמעט בלתי מוגבל, קוד, מסמכים, רעיונות, עיצובים ותוכן.

אם פעם, הבעיה המרכזית הייתה לרוץ מספיק מהר ולהפיק כמה שיותר, הרי שהבעיה החדשה אינה מחסור בתפוקה אלא עודף רעש.

עבדים נדרשים לפתח טעם, שיקול דעת, עריכה ויכולת לומר "זה לא מספיק טוב" - אלו כישורים חשובים יותר מאשר ייצור מהיר.

זכרו שלפעמים, עובד מוערך יותר הוא זה שעוצר עוד ייצור, מאשר זה שמייצר יותר בפחות זמן. אני נתקלת בזה המון, בריצה של אנשי פיתוח להוציא עוד פיצ'ר פשוט כי זה קל, אבל מבלי לעצור רגע ולשאול אם זה באמת משרת את המוצר ואת המשתמש הסופי. מוצר טוב, עדיין צריך להיות מדויק, יותר מאשר עמוס.

5. חברות צריכות לבנות תשתית משותפת, לא אוסף של ניסויי AI

כאשר סוכני AI פועלים בין מערכות, הם צריכים מקורות מידע מוסכמים, הרשאות ברורות, סטנדרטים ונתיבים ארגוניים בטוחים. אחרת מקבלים כאוס מהיר יותר. נטפליקס מנסה להטמיע את הידע והכללים בתוך הפלטפורמות עצמן, במקום לצפות מכל עובד לגלות מחדש מה מותר ומה נכון. דאגו שיהיו לכם SKILLS שמגדירים גבולות גזרה לכלל העובדים - באיזה מקורות נעזרים, מתי מעלים דגל אדום, מתי עוצרים לבדיקה אנושית וכו'. אל תצפו מכל עובד להגדיר את זה בעצמו!

6. הציפייה לזרימה (AI fluency) הופכת לדרישת בסיס בכל תפקיד ובכל דרג

נטפליקס לא רואה את ה- AI כמיומנות של מהנדסים או עובדים צעירים בלבד. גם מנהלים בכירים נדרשים להבין לעומק כיצד להשתמש בו, מה המגבלות שלו ואיך הוא משנה את העבודה שלהם. זה מתחיל כבר בתהליכי המיון לתפקיידם חדשים, במישוב עובדים ובעצם בכל מקום בארגון. החציצה בין פיתוח לשאר המחלקות בכל מה שנוגע ל-AI היא פשוט טעות.

6. חשיבה עיצובית עדיין ממש חשובה

היכולת לכתוב קוד מהר יותר אינה מבטיחה מוצר טוב יותר. בלי חשיבה עיצובית, מוצר יכול להפוך לאוסף של פיצ'רים שאינם מתחברים. ככל שהבנייה נעשית קלה ומהירה יותר, כך חשוב יותר שמישהו ישמור על אחידות, בהירות וחוויית משתמש שלמה.

8. לא כל בעיה צריכה עוד תהליך

הנטייה של חברות היא להגיב לטעויות באמצעות עוד אישורים, ישיבות, טפסים ובקרות. סטון טוענת שבמקרים רבים זה מגדיל את כמות העבודה בלי לשפר את התוצאה. האלטרנטיבה היא עובדים חזקים, אחריות אישית, למידה מהירה ומשוב ישיר.

9. עובדים צעירים אינם פחות רלוונטיים בגלל AI

בניגוד למגמה - נטפליקס דווקא הגדילה גיוס עובדי ג'וניור בשנים האחרונות . סטון טועמת שלא רק שהם מגיעים פתוחים יותר לכלים חדשים, אלא הם מבינים טוב יותר כיצד התנהגות צרכנים ותרבות הבידור משתנות. לתשומת לב כולנו - מבחינת נטפליקס, אין בעיה בכך שהם חסרי ניסיון, אלא בשאלה האם הארגון נותן להם הזדמנות לפתח שיקול דעת ואחריות, או מצפה מהם להיות רק "יס-מנים". בנטפליקס יש תוכנית הכשרה לצעירים שעוזרת להם לעבוד לפי כל הסעיפים כאן מתוך רצון שיעזור לארגון להיות AI NATIVE.

10. הבינה המלאכותית שנה גם את תעשיית התוכן, לא רק את עבודת ההייטק

נטפליקס משתמשת ב-AI בתחומים כמו לוקליזציה, דיבוב, עריכה, שינוי תאורה, מסגור מחדש ושינויים בתוכן שלה לאחר הצילום.

עם זאת, סטון לא מאמינה בבידור נטול בני אדם, כי לדעתה הוא לא יהיה משכנע לאורך זמן.

הרגש והחוויה האנושית הם עדיין לב הסיפור וכלי הבינה המלאכותית עדיין לא שם.

לסיכום, היא מציעה לעשות את התרגיל המעשי הבא בחברה שלך

בכל פעם שמקבלים בעיה, יש לבצע זום-אאוט אחד בלבד ולשאול את השאלות הבאות:

• מה אני מניח לגבי התמונה הרחבה?

• איך הפתרון הזה משפיע על מחלקות אחרות?

• האם הוא מקל גם על המנהל שלי להשיג את המטרות שלו?

• האם אנחנו פותרים מקרה נקודתי או בונים יכולת שנוכל להשתמש בה שוב?

• אחר כך חוזרים לעבודה. לא להפוך חשיבה מערכתית לתירוץ לישיבה אסטרטגית של שלושה חודשים.

  
  

השורה התחתונה שלי לאחר השיחה הזו

העובדים והמנהלים בעלי הערך הגבוה ביותר לא יהיו בהכרח אלה שמייצרים הכי הרבה, אלא אלה שמבינים את המערכת, מגדירים נכון את הבעיה, מחברים בין התחומים ומסננים את הרעש לתוצאה איכותית.

עבור חברות, המשמעות היא לא רק "ללמד את העובדים להשתמש ב-AI", אלא לשנות תפקידים, גיוס, תשתיות, אחריות ותהליכי קבלת החלטות וגם לחשוב מחדש על גיוס ג'וניורים - יש מצב שיהיה קל לעבוד איתם יותר מאשר עם מומחים/ות.