מנכ"לים רבים רואים בבינה מלאכותית (AI) יוזמה טכנולוגית ברמה גבוהה, אך בחלון השקעה של 36 חודשים, יש להתייחס אליה כאל קפדנות תפעולית. בדיקת נאותות של AI בחברות פורטפוליו דורשת מעבר מדיון ב"אפשרויות" לזיהוי דליפות שוליים ספציפיות שניתן לחסום באמצעות לוגיקה אוטומטית. רשימת בדיקה זו מספקת מסגרת להערכת הבסיס הטכני של החברה ויכולתה להפוך נתונים ליצירת ערך מבלי לנפח את כוח האדם.
מוכנות תפעולית ל-AI היא מדד לתשתית הנתונים של חברה, בגרות תהליכים ויכולת כישרונות לפרוס פתרונות AI המייצרים שיפור מדיד ב-EBITDA בתוך רבעון פיסקלי אחד. היא חורגת ממקרי שימוש תיאורטיים ומתמקדת במערכות משולבות המספקות אמת ביצועית מושהית למקבלי החלטות. עבור Private Equity, כל פריסה חייבת להרחיב את הפער התפעולי – הפער בין צמיחת ההכנסות לעלות הסחורות שנמכרו. מעבר מ-AI ספקולטיבי ל-ROI תפעולי פירושו התעלמות מ"חדשנות" גנרית והתמקדות ברווח והפסד. אם כלי AI אינו מטפל ישירות בחוסר עמידה בזמנים (OTIF) או מפחית שיעורי פסילה בקו ייצור, סביר להניח שהוא הסחת דעת מאסטרטגיית היציאה.
החסם הגדול ביותר לבדיקת נאותות של AI עבור חברות פורטפוליו הוא מצב ה-ERP. לא ניתן לפרוס מודלים חזויים אם נתוני הרצפה של המפעל נעולים ביומני נייר או בקבצי אקסל לא מובנים. יש לבדוק את פער ה-ERP/MES: האם המערכת לוכדת נתוני רצפה בזמן אמת, או שיש עיכוב של 24 שעות? יש להעריך את דיוק ההערכה מול בפועל: האם עלויות העבודה והחומרים מבוססות על שערי שוק נוכחיים או על סטנדרטים בני שלוש שנים? יש לזהות סינרגיה של נתונים: האם מכירות, תפעול וכספים חולקים מקור אמת יחיד, או שהם מתווכחים איזה גיליון אלקטרוני נכון?
כדי להוכיח ROI של AI בחברות פורטפוליו יצרניות, יש צורך בניצחון מהיר המשתלם עבור הטרנספורמציה הרחבה יותר. יש לחפש אזורים שבהם שינויים קטנים באחוזים ביעילות מובילים לרווחי EBITDA של שש ספרות. לדוגמה, תמחור עבודה: אוטומציה של השוואת עלויות ייצור בפועל מול הצעות מחיר כדי לעצור שחיקת מחירים בהזמנות מורכבות. תחזוקה חזויה: מיקוד במכונה אחת צוואר בקבוק שבה השבתה בלתי מתוכננת עולה למעלה מ-5,000 דולר לשעה. הצעות מחיר אוטומטיות: קיצור זמן הצעת המחיר מימים לדקות כדי לשפר את שיעורי הזכייה בעבודות בעלות רווח גבוה.
החזון לעיתים קרובות נעצר בשולחן המנכ"ל. בדיקת נאותות של AI בחברות פורטפוליו חייבת להעריך אם למנהל המפעל ולראש ה-IT יש את רוחב הפס או את מערך הכישורים כדי לתחזק כלים אלה. יש לבדוק יכולת טכנית: האם צוות ה-IT הנוכחי מבין צינורות נתונים, או שהם מנהלים בעיקר חומרה ואבטחה? קבלת החלטות מהשטח: האם עובדי המפעל רואים ב-AI איום ניטור או כלי הפותר את תסכוליהם היומיומיים? שותפי ביצוע: יש לזהות אם חברת הפורטפוליו זקוקה לשותף מומחה כדי לגשר על הפער בין "אסטרטגיה" לפתרון מקודד שעובד ביום שלישי בשעה 2:00 לפנות בוקר.
