AnswersPublished15 sources
כדי לסגור עסקה עם ענקית, טכנולוגיה טובה לא תמיד מספיקה
מוצר מצוין לא מבטיח חוזה עם ארגון גדול: נדרשים גם תהליכי מכירה, מענה לדרישות משפטיות ואבטחת מידע, וגישה למקבלי ההחלטות. השותפות עם Azure אפשרה ל Databricks להשתמש בתנאי ההתקשרות של מיקרוסופט, וצוות המכירות שלה סייע לתאם פגישות עם UBS.
פורסם על ידינערך באמצעות GPT-6 Lunaהתמונות נוצרו באמצעות GPT Image 2
Research answer
Key takeaways
- מוצר מצוין לא מבטיח חוזה עם ארגון גדול: נדרשים גם תהליכי מכירה, מענה לדרישות משפטיות ואבטחת מידע, וגישה למקבלי ההחלטות.
- השותפות עם Azure אפשרה ל Databricks להשתמש בתנאי ההתקשרות של מיקרוסופט, וצוות המכירות שלה סייע לתאם פגישות עם UBS.
- ארסלאן טבקולי שיראג'י מציג ארבעה שיקולים מרכזיים עבור רוכשי AI בארגונים: הקשר, בחירה, עלות ושליטה.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What lessons did Databricks co-founder and senior vice president of field engineering Arsalan Tavakoli-Shiraji share at TechCrunch Disrupt a. Article summary: Tavakoli-Shiraji’s central lesson was that superior technology does not sell itself to large enterprises: people, processes, enterprise readiness and access through established partners matter too. Microsoft’s Azure part. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
לסטארט-אפ יכול להיות מוצר טכנולוגי מצוין — ועדיין לא להצליח להגיע אפילו לפגישת היכרות עם לקוח גדול. לדברי ארסלאן טבקולי-שיראג'י, ממייסדי Databricks וסגן נשיא בכיר להנדסת שטח בחברה, זכייה בלקוחות ארגוניים דורשת גם אנשים, תהליכים ושותפים שיודעים לפתוח דלתות. 1
3
הניסיון של Databricks מול UBS, הבנק השווייצרי, מדגים את הפער בין מוצר טוב לבין מוכנות למכירה לארגון גדול: לאחר שהחברה התקשתה להשיג פגישה עם הבנק, שותפות עם Microsoft Azure סייעה לה להגיע אליו. 3
18
מכירה לארגון מתחילה הרבה לפני ההדגמה
בתהליך רכישה של ארגון גדול עשויות לעלות דרישות משפטיות, חוזיות ואבטחת מידע. בדיווחים על דבריו של טבקולי-שיראג'י מתואר כיצד עסקאות מוקדמות של Databricks נתקעו כשהחברה לא הייתה ערוכה לענות על שאלות בתחומים האלה. היו גם לקוחות פוטנציאליים שכבר התחייבו למתחרה. 19
לכן הוא מדגיש כי לצד איכות המוצר, גם אנשים ותהליכים חשובים. 1 המשמעות לסטארט-אפ ברורה: צריך להבין איך הלקוח רוכש טכנולוגיה, מי מעורב בהחלטה ואילו תנאים צריך למלא — ולא להניח שיתרון טכנולוגי לבדו יספיק כדי להגיע לשולחן הדיונים.
איך מיקרוסופט עזרה ל-Databricks להגיע ל-UBS
בתחילת דרכה התקשתה Databricks לקבוע פגישה עם UBS. לאחר שהצטרפה כשותפת Azure, היא יכלה להסתמך על תנאי ההתקשרות של מיקרוסופט; צוות המכירות של מיקרוסופט סייע לתאם פגישות וגם תמך בחברה מול הלקוח. 3
18
השותפות סיפקה אפוא יותר מחיבור בין שירותים טכנולוגיים: היא עזרה להתמודד עם חסמים מסחריים והעניקה ל-Databricks גישה ללקוח שלא הצליחה להשיג לבדה. 18 עבור סטארט-אפ, שותף גדול עשוי להיות בעל ערך כשהוא מביא איתו אמינות, גישה ללקוחות או דרך לעמוד בדרישות רכש — ולא רק כשהמוצרים של שתי החברות משתלבים זה בזה.
ארבעת השיקולים של רוכשי AI בארגונים
טבקולי-שיראג'י מחלק את החששות של לקוחות ארגוניים בתחום הבינה המלאכותית לארבעה: הקשר, בחירה, עלות ושליטה. 1
18
- הקשר: האם מערכת ה-AI יכולה להתאים את עצמה למונחים, לתהליכי העבודה ולסדרי העדיפויות של החברה?
18
- בחירה: האם הלקוח יכול לבחור בין מודלים או לעבור ביניהם, במקום להיות תלוי בספק יחיד?
- עלות: האם הארגון יכול לעמוד בהוצאות הכרוכות בהפעלת המוצר?
- שליטה: האם אפשר להציב הגנות על אופן הפעולה של המערכת ולשמור על מידע רגיש?
אלה לא רק שאלות טכניות. הן משקפות מבחן רחב יותר: פתרון AI לארגון צריך להתאים לאופן שבו החברה פועלת ולמגבלות שבהן היא עובדת, ולא רק להרשים בהדגמה.
מערכות ותיקות: הזדמנות לשדרוג, לא קיצור דרך
טבקולי-שיראג'י הצביע גם על האפשרות להשתמש בסוכני AI כדי לסייע במודרניזציה של מערכות ותיקות. בדיווחים על דבריו מוזכרות מערכות בנקאיות כגון IBM AS/400 ומחשבי מיינפריים, שבהן קוד לא מוכר או קשה להבנה עלול להפוך כל שינוי למאתגר. 20
היכולת לסייע בפענוח של מערכות ישנות עשויה להיות נקודת פתיחה לתהליך שדרוג, אך אין פירושה שסוכן AI מחליף אותן באופן אוטומטי. להבין תוכנה ותיקה ולשנות מערכת שעליה עסק מסתמך הן משימות שונות.
לדבריו, יידרשו שנים רבות עד שארגונים יוכלו לפרוס AI באופן מתאים ובהיקף רחב. 20 הפער הוא בין להראות שכלי מסוגל לבצע משימה לבין שילובו במערכות, בתהליכים ובאמצעי ההגנה של הארגון.
מה סטארט-אפים יכולים ללמוד מהניסיון
הלקח המרכזי הוא שמוכנות למכירה לארגונים צריכה להיות חלק מאסטרטגיית המוצר. חשוב לבנות צוותים ותהליכים שיוכלו לתת מענה לשאלות של לקוחות, להבין את דרישות הרכש שלהם, ולבחון אם שותף גדול יכול לספק גישה ללקוחות או לסייע בעמידה בתנאים מסחריים. 1
19
חברות שמוכרות מוצרי AI צריכות להיות מוכנות להסביר כיצד המערכת מתמודדת עם ההקשר הייחודי של החברה, מאפשרת בחירה, עומדת מבחינת עלויות ומספקת שליטה. 18 שותף גדול עשוי לפתוח את הדלת — אבל הסטארט-אפ עדיין צריך להוכיח שהמוצר שלו מתאים לצורכי הארגון ויכול לפעול בתוכו.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "כדי לסגור עסקה עם ענקית, טכנולוגיה טובה לא תמיד מספיקה"?
מוצר מצוין לא מבטיח חוזה עם ארגון גדול: נדרשים גם תהליכי מכירה, מענה לדרישות משפטיות ואבטחת מידע, וגישה למקבלי ההחלטות.
What are the key points to validate first?
מוצר מצוין לא מבטיח חוזה עם ארגון גדול: נדרשים גם תהליכי מכירה, מענה לדרישות משפטיות ואבטחת מידע, וגישה למקבלי ההחלטות. השותפות עם Azure אפשרה ל Databricks להשתמש בתנאי ההתקשרות של מיקרוסופט, וצוות המכירות שלה סייע לתאם פגישות עם UBS.
What should I do next in practice?
ארסלאן טבקולי שיראג'י מציג ארבעה שיקולים מרכזיים עבור רוכשי AI בארגונים: הקשר, בחירה, עלות ושליטה.