בינה מלאכותית כבר משתלבת כמעט בכל רובד בעבודתן של עמותות. דוגמאות מהעולם מראות כיצד היא מסייעת לגייס משאבים, לנהל מלאי, לשפר את השירות ולהפיק יותר מכל תרומה ומכל שעת התנדבות
אלפי מסרונים מגיעים מדי יום למוקד של Jacaranda Health בקניה, שפועל לצמצום תמותת אימהות ויילודים. רובם כוללים שאלות שגרתיות, אך ביניהם עלולה להסתתר פנייה שמתארת סימן סכנה מוחשי לאם או לעובר. ההודעות נכתבות באנגלית ובסווהילית, לעיתים בקיצורים ובשילוב סמלים, ובעומס כזה הודעה דחופה עלולה להיקבר ולהוביל לעיכוב מסוכן בטיפול.
כדי שפנייה כזאת לא תלך לאיבוד, העמותה פיתחה מערכת AI שקוראת וממיינת את ההודעות, משיבה על שאלות שגרתיות ומעבירה מקרים דחופים לצוות. כך הנציגות יכולות להתמקד קודם כול בנשים שזקוקות למענה מהיר, ולהפחית באופן כללי את העומס על המוקד האנושי. הבינה המלאכותית לא מחליפה כאן את האנושיות. היא מעצימה אותה.
המקרה של Jacaranda Health ממחיש כיצד AI יכול לסייע לעמותה להתמודד עם אתגר נקודתי ולהשפיע על השירות שהיא מעניקה. אותו עיקרון יכול לפעול גם בתחומים אחרים: בינה מלאכותית יכולה לעזור לעמותות לזהות תורמים, לקצר את הכנתם של דוחות, לנהל מלאי ואפילו לצמצם בזבוז מזון.
איך AI יכול לסייע לעמותות? חמישה שימושים שכדאי להכיר
1. גיוס משאבים: לאיזה תורם כדאי לפנות עכשיו ועם איזה מסר?
הצורך
עמותות מנהלות קשרים עם תורמים, מוטבים, קרנות, מתנדבים ושותפים. כל קהל זקוק למידע אחר, ולכן מסר שמתאים למתנדב לא בהכרח יתאים לשותף פוטנציאלי או לקרן שבוחנת בקשת תמיכה.
האתגר הזה מורכב במיוחד כאשר מגיעים לגיוס תרומות. לכל תורם יש דפוס משלו: יש כאלה שתורמים במועדים ספציפיים בשנה, בין אם מדובר בשיקולי מס או ממניעים דתיים, יש כאלה שמגיבים יותר למסרים חברתיים בעוד אחרים מגיבים למקרי עוני. הבעיה אינה בעיה של דאטה: מאגרי התורמים כיום כוללים מידע על מועדי התרומות, תדירותן, גובהן והתגובה לקמפיינים קודמים. העניין הוא שלצוותים קטנים קשה לנתח את הנתונים ולהבין למי לפנות, מתי ובאיזה מסר.
איך AI יכול לעזור?
בינה מלאכותית יכולה ליצור גרסאות שונות של אותו מסר, להתאים אותן לקהלים ולערוצים ולהכין טיוטות למיילים ולדפי נחיתה. היא יכולה גם לנתח את היסטוריית התרומות ולזהות דפוסים: מי עשוי לתרום בעת הזו, למי יש פוטנציאל להגדיל תרומה, לחזור לאחר הפסקה באורך מסוים או לעבור מתרומה חד פעמית לתרומה חודשית. על בסיס הנתונים אפשר להמליץ על נוסח הפנייה, מועד השליחה והערוץ המתאימים לכל תורם, ולמקד את מאמצי הגיוס באנשים שסביר יותר שייענו.
איפה זה כבר עובד?
The Salvation Army UK שפועל בתחומי העוני, הדיור, ההתמכרויות, התעסוקה והסיוע בחירום, השתמש בניתוח נתונים בזמן אמת כדי להתאים את דף התרומה לכל גולש. במקום להציג לכולם את אותם סכומים, המערכת הציעה סכומים בהתאם לנתוני הגלישה. לפי מקרה מבחן שפרסמה Fundraise Up שיעור השלמת התרומות הגיע ל-49%, ובתוך חמישה חודשים עלה שיעור התורמים שביקשו לממש את הטבת המס Gift Aid מ-66% ל-74.5%. כך גדלה ההכנסה מהתרומות בלי להגדיל את הסכום ששילמו התורמים.
Scleroderma & Raynaud's UK, עמותה בריטית קטנה המסייעת לאנשים עם מחלות נדירות, השתמשה בבינה מלאכותית כדי לדייק את הפנייה למאגר תורמים מצומצם. מודלים שחוברו למערכת ניהול התורמים דירגו את הסיכוי שכל אדם יתרום, יגדיל תרומה, יחזור לאחר הפסקה או יעבור לתרומה חודשית, והמליצו על סכום הפנייה. לפי Dataro, ספקית המערכת, רשימת הדיוור הצטמצמה ב-37%, אך ההכנסה עלתה ב-39%.
2. ניהול ידע: איך לקצר את העבודה האדמיניסטרטיבית
הצורך
עבודה אדמיניסטרטיבית היא אתגר בכל ארגון, אך בעמותות היא בולטת במיוחד. הצוותים לרוב מצומצמים, וכל עובד ממלא כמה תפקידים במקביל. כתוצאה מכך, משימות כמו תיעוד פגישות, מעקב אחר החלטות, כתיבת דוחות, תרגום מסמכים והכנת מצגות מתחלקות בין אנשי הצוות, ולעיתים אין מי שיכול להקדיש להן זמן ולקחת עליהן אחריות מלאה.
הקושי משמעותי במיוחד בארגונים שמעניקים סיוע נפשי או רגשי מתמשך. בארגונים כאלה, תיעוד מדויק של הפגישות והיסטוריית הטיפול חיוני לשמירה על הרצף הטיפולי, לתיאום בין אנשי המקצוע ולעדכון המטופלים ובני משפחותיהם. עם זאת, הזמן שמוקדש לתיעוד ולעיבוד המידע מצמצם את הזמן שאפשר להקדיש לטיפול ולליווי.
איך AI יכול לעזור?
בינה מלאכותית יכולה לתמלל ולסכם פגישות, לעבד מסמכים והיסטוריות טיפול ארוכות, לאתר מידע רלוונטי ולהכין טיוטות לדוחות ולסיכומים. היא יכולה גם לחלץ החלטות ומשימות להמשך, לתרגם תוכן ולהכין גרסאות המותאמות לאנשי מקצוע, למטופלים או לבני משפחה.
איש הצוות מקבל טיוטה ראשונית, בודק את דיוקה ומחליט איזה מידע אפשר לשתף. כך ניתן לקצר משימות חוזרות, לשפר את התיעוד והמעקב ולפנות יותר זמן לעבודה המקצועית עם המטופלים.
איפה זה כבר עובד?
Parlan, ארגון הולנדי שמעניק טיפול נפשי לילדים ולמשפחות עם צרכים מורכבים, משתמש בעוזר AI כדי לסכם היסטוריות טיפול ארוכות, להכין טיוטות לדוחות ולמצגות ולתרגם מידע עבור מטופלים.
תיקי טיפול עשויים לכלול תיעוד מקצועי מפורט ומידע אישי שאין צורך לכלול בכל מסמך. לכן המערכת מסייעת להכין לצד הדוח המלא גם גרסה מותאמת לשיתוף עם ההורים, הכוללת רק את המידע הרלוונטי עבורם. איש מקצוע עובר על הטיוטה, בודק שלא נחשף מידע רגיש ומאשר אותה לפני השיתוף.
לפי מקרה מבחן שפרסמה Microsoft , הכנת דוח התקצרה בשעה ויותר, והכנת מצגות התקצרה בכמה שעות. החיסכון מפנה זמן לעבודה עם הילדים והמשפחות ומסייע להפחית את העומס על הצוות.
3. ניהול מלאי וחלוקה: איך להגיע עם המוצר הנכון למקום הנכון?
הצורך
עמותות רבות אוספות ומחלקות מזון ומוצרים חיוניים. היקף התרומות, הרכבן ומיקומן משתנים מדי יום, וכך גם הצרכים של העמותות ומרכזי החלוקה. כדי לנהל את המערך, צריך לדעת מה זמין, היכן הוא נמצא, כמה זמן אפשר לאחסן אותו ואיזה גוף יכול לקלוט ולחלק אותו.
האתגר מורכב במיוחד בחלוקת מזון. לכל מוצר חיי מדף אחרים, וכל עיכוב באיסוף, במיון או בהובלה עלול להפוך מזון ראוי למאכל לפסולת. תיאום לקוי עלול ליצור מחסור באזור אחד, עודף באזור אחר ונסיעות שאינן מנצלות היטב את כלי הרכב ואת זמן הצוות.
איך AI יכול לעזור?
בינה מלאכותית יכולה לנתח יחד נתונים על התרומות, המלאי, מיקום המוצרים, תאריכי התפוגה, צורכי גופי החלוקה והקיבולת שלהם. באמצעות נתוני עבר ומידע עדכני היא יכולה לחזות ביקוש, להתאים בין עודפים לצרכים, לזהות אילו מוצרים יש להעביר תחילה ולסייע בתכנון מסלולי האיסוף והחלוקה.
כך אפשר לקצר את הזמן שבין קבלת התרומה למסירתה, לצמצם נסיעות מיותרות ולהעביר יותר מזון ומוצרים למקומות שבהם הם נחוצים.
איפה זה כבר עובד?
FareShare, עמותת הצלת מזון בריטית, השתתפה בפיילוט עם Nestlé וחברות טכנולוגיה. המערכת חיברה נתונים מתהליכי הייצור, זיהתה עודפים בזמן אמת והתאימה אותם לביקוש ולקיבולת של גופי החלוקה.
לפי Resource Media יותר מ-200 טונות של מזון ראוי למאכל הועברו באמצעות FareShare ושותפים ל-787 עמותות וקבוצות קהילתיות. בתהליך נוסף שנבחן בפיילוט, הזמן שנדרש להערכת העודפים התקצר במחצית וכמות העודפים שזוהתה גדלה פי ארבעה.
4. שירות והכשרת מתנדבים
הצורך
בעמותות שמעניקות שירות ישיר, יעילות תפעולית משפיעה גם על מהירות המענה. ארגונים אלה מתמודדים עם מספר גדול ומשתנה של פניות, לעיתים בכמה שפות ובערוצים שונים. חלקן שגרתיות, אחרות דורשות ידע מקצועי, ולעיתים עיכוב עלול לסכן את הפונה. במקביל, מתנדבים שנותנים מענה במצבים מורכבים זקוקים לתרגול ולמשוב, והיקף ההכשרה תלוי בזמינות המדריכים.
איך AI יכול לעזור?
בינה מלאכותית יכולה למיין פניות, לזהות את נושא הפנייה ואת מידת הדחיפות ולהעביר כל מקרה לצוות המתאים. היא יכולה להתמודד עם ניסוחים מגוונים ועם עירוב שפות, ולסייע בתשובות לשאלות שגרתיות. בהכשרה, סימולציות מבוססות AI מאפשרות למתנדבים לתרגל שיחות ומצבים רגישים גם כשמדריך אינו זמין. חשוב להגדיר מתי הטיפול עובר לאדם ומי בודק את התוצרים.
איפה זה כבר עובד?
עמותת Jacaranda Health פועלת עם מערכת הבריאות בקניה לצמצום תמותת אימהות ויילודים. נשים הרות פונות במסרונים באנגלית, בסווהילית או בשילוב ביניהן. מערכת AI קוראת וממיינת את ההודעות, משיבה על שאלות שגרתיות ומזהה פניות שמכילות סימני סכנה לאם או לעובר. פניות אלה מסומנות כדחופות ומועברות במהירות לצוות, כדי שלא ייקברו בין אלפי ההודעות המתקבלות במוקד. השירות פועל במסרונים ואינו דורש אפליקציה, סמארטפון או חיבור קבוע לאינטרנט.
לפי AWS השירות הגיע ל-3.8 מיליון אימהות ונרשמה עלייה של 20% בהגעה לבדיקות טרום-לידה. Penn State דיווחה כי כלי המיון שיפר את דיוק הסיווג בכ-17% והפחית את עומס הנציגים בכ-12%.
5. חנויות יד שנייה: איך להפוך תרומות להכנסה עצמאית?
הצורך
לצד תרומות ומענקים, עמותות רבות מחפשות מקורות הכנסה עצמאיים שיסייעו להן לממן את פעילותן לאורך זמן. אחת הדרכים היא מכירת מוצרים שנתרמו באמצעות חנויות יד שנייה או אתרי מסחר. ההכנסות מהמכירות חוזרות לפעילות החברתית, מפחיתות את התלות במקורות מימון חיצוניים ומחזקות את היציבות הכלכלית של הארגון.
בשונה מחנויות מסחריות, כאן המלאי אינו צפוי מראש. החנויות עשויות לקבל מדי יום בגדים, רהיטים, כלי בית ומוצרי חשמל באיכויות ובכמויות שונות. כל פריט צריך לעבור מיון, תמחור ובחירה של ערוץ המכירה המתאים. כאשר ההחלטות מתקבלות בנפרד בכל סניף, קשה לשמור על מדיניות אחידה ולהפיק את מלוא הערך מהתרומות.
איך AI יכול לעזור?
בינה מלאכותית יכולה לזהות ולסווג פריטים, להשוות אותם למוצרים דומים ולנתוני מכירות קודמות ולהציע טווח מחירים. היא יכולה גם להמליץ אם למכור כל פריט בחנות מסוימת או באתר סחר מקוון, בהתאם לביקוש ולסיכויי המכירה בכל ערוץ.
המערכת יכולה לקצר את זמן הטיפול בתרומות, לסייע למתנדבים לקבל החלטות עקביות ולהגדיל את ההכנסה שנוצרת מהמלאי. כך כל פריט שנתרם יכול לתרום יותר למימון פעילות העמותה.
איפה זה כבר עובד?
British Heart Foundation, קרן מחקר בריטית בתחום מחלות הלב, מפעילה כ-700 חנויות יד שנייה ונשענת על יותר מ-18 אלף מתנדבים. במשך שנים נדרשו צוותי החנויות להחליט על סמך ניסיונם כיצד לתמחר כל פריט והיכן כדאי למכור אותו.
הקרן פיתחה אפליקציית AI שמסווגת את הפריטים, מסייעת בתמחור וממליצה אם להציע אותם בחנות, ב- eBayאו ב- Depop. לפי Microsoft, המערכת מסייעת לעבד כ-800 אלף פריטים בשבוע ולבחור לכל אחד מהם את ערוץ המכירה המתאים.
כפי שדווח ב-Computing הקרן מעריכה שהמערכת תוסיף להכנסותיה כמיליון ליש"ט, ועוד כחצי מיליון ליש"ט באמצעות .Gift Aid
מהחסם להשפעה: כך עמותות יכולות להפיק ערך מ-AI
לכל עמותה צרכים אחרים, ולכן גם אתגרים אחרים. באחת מתבזבזות שעות על דוחות, באחרת מאמצי הגיוס אינם ממוקדים, ובשלישית מזון או פנייה דחופה אינם מגיעים ליעדם בזמן. תהליכים חוזרים, עומס מידע ונקודות שבהן עיכוב פוגע בשירות הם מקומות שבהם AI עשוי לייצר ערך.
לאחר זיהוי האתגר והחסם שמאחוריו, כדאי להתחיל בפיילוט מצומצם ולהגדיר מה ייחשב הצלחה: זמן שנחסך, הכנסה שגדלה או שירות מהיר ומדויק יותר. בשימושים הנוגעים למידע רגיש או לאנשים במצבי פגיעות, יש לשמור על פרטיות, לקיים בקרה אנושית ולהגדיר אילו החלטות נשארות בידי אנשי המקצוע. כך אפשר לבחון את הטכנולוגיה לפי השינוי שהיא יוצרת בעבודת העמותה וביכולתה לסייע לאנשים שלמענם היא פועלת.
