הארגון שלכם לא באמת הטמיע AI. הוא רק חילק רישיונות לעובדים

ארגונים רבים משוכנעים שהם כבר הטמיעו בינה מלאכותית. הם רכשו רישיונות, פתחו לעובדים גישה לכלים מתקדמים, קיימו הדרכות ואף מציגים להנהלה נתונים על מספר המשתמשים וההטמעה של המערכות. אלא שמספר העובדים שמשתמשים ב-AI אינו מעיד על הטמעה ארגונית, בדיוק כפי שמספר העובדים שפתחו גיליון אקסל אינו מעיד על איכות הניהול הפיננסי של החברה.

המבחן האמיתי הוא אחר: האם תהליך עסקי כלשהו השתנה מקצה לקצה? האם זמן הטיפול התקצר? האם שיעור הטעויות ירד? האם התקבלה תוצאה טובה יותר? והאם הארגון יודע להסביר כיצד התקבלה החלטה, על בסיס איזה מידע ומי אחראי לה?

בארגונים רבים התשובה עדיין שלילית. הבינה המלאכותית נוספה כשכבה מעל שיטות העבודה הקיימות, אך לא שולבה בתוכן. העובדים נעשו אולי מהירים יותר בחלק מהמשימות, אבל הארגון עצמו לא בהכרח נעשה יעיל, מדויק או חכם יותר.

הפער הזה משתקף גם בסקר AI Impact 2026 שלGrant Thornton , שנערך בקרב 950 מנהלים בכירים בארצות הברית. בעוד 39% ממנהלי הטכנולוגיה סבורים שהארגון שלהם מוכן באופן מלא לאימוץ, רק 7% ממנהלי התפעול שותפים להערכה הזאת. באופן דומה, 44% ממנהלי הטכנולוגיה טוענים שהבינה המלאכותית כבר מאיצה חדשנות בארגון, לעומת 20% בלבד ממנהלי התפעול.

שתי הקבוצות מסתכלות על אותו ארגון, אך מודדות דברים שונים. אנשי הטכנולוגיה רואים מודלים מתקדמים, יכולות חדשות וכלים שמצליחים לבצע בתוך דקות משימות שבעבר נמשכו שעות. מנהלי התפעול רואים עובדים שלא הוכשרו לעבודה החדשה, מערכות מידע שאינן מחוברות ומסונכרנות, אחריות שאינה מוגדרת ותוצאות שקשה למדוד או לבקר.

הפער אינו נובע מכך שאחת הקבוצות אינה מבינה את הטכנולוגיה. הוא נובע מהבלבול בין זמינות של כלי לבין שינוי של תהליך.

כשכל עובד עובד אחרת, הארגון צובר חוב חדש

השלב הראשון באימוץ AI היה טבעי ואף הכרחי. עובדים הכירו כלים כמו ChatGPT וCopilot-מהשימוש הפרטי וביקשו להשתמש בהם גם בעבודה. ארגונים שרצו לעודד חדשנות אפשרו לעובדים להתנסות, לכתוב, לסכם, לנתח מידע, לבצע מחקר ולהכין מצגות.

הבעיה מתחילה כאשר שלב ההתנסות הופך למצב קבוע.

כל עובד מנסח הנחיות אחרות, משתמש במקורות מידע שונים, בוחר מודל אחר ושומר לעצמו את הידע שצבר. שני עובדים עשויים לבצע אותה משימה ולהגיע לתוצאות שונות, בלי שהארגון יוכל להסביר מה הוביל לפער, איזה תוצר מדויק יותר או כיצד נכון לבצע את המשימה בפעם הבאה.

• אפל השקיעה הכי מעט ב-AI - ועכשיו היא שוב החברה הגדולה בעולם
• נפילות בשווקים - ולמה יש תקווה שהן יעצרו

כך נוצר מה שאפשר לכנות "חוב תפעולי של AI". השימוש בכלים עשוי לחסוך זמן בטווח הקצר, אך במקביל הוא מייצר חוסר אחידות, מקשה על שחזור החלטות, משאיר ידע אצל עובדים בודדים ומונע מהארגון ללמוד באופן שיטתי מהצלחות ומטעויות.

במקום מתודולוגיה ארגונית, נוצרים מאות הרגלי עבודה אישיים. במקום מאגר מידע משותף, נוצרים תוצרים מפוזרים. ובמקום תהליך מבוקר, הארגון מקבל מערכת של החלטות שלא תמיד ניתן לדעת על איזה מידע הן נשענו.

כל עוד ההנהלה אינה יודעת באילו מודלים נעשה שימוש, איזה מידע מוזן אליהם, כיצד נבדקת אמינות התוצרים ומי נושא באחריות כאשר המערכת טועה, אי אפשר לשלב את הטכנולוגיה בתהליכים עסקיים מהותיים.

עובד מהיר יותר אינו בהכרח מעיד על ארגון טוב יותר

נניח שחברה רוצה לשפר את תהליך בחינת ההצעות מספקים. אפשר לתת לכל עובד כלי AI שיסכם עבורו את ההצעות שהתקבלו. העובד יקרא פחות עמודים ויגיע מהר יותר לשלב ההשוואה, אך התהליך עצמו יישאר כמעט זהה.

• נסיכים של AI: איך האמפתיה המלאכותית מייצרת דור שלא מסוגל לשמוע "לא"
• השוויץ בחבילת תגמול של חצי מיליון דולר - ופוטר

עובד אחד יעלה למערכת את כל מסמכי ההצעה, אחר רק חלק מהם, ועובד שלישי ינסח הנחיה שונה לחלוטין. ייתכן שכל אחד יקבל המלצה אחרת. לארגון לא תהיה בהכרח דרך לדעת האם כל הקריטריונים נבדקו, האם המידע היה מלא, האם המודל התעלם מסעיף מהותי או האם קיימת הטיה בתוצאה.

הטמעה ארגונית נראית אחרת. ההצעות נקלטות באופן אחיד, הנתונים מסווגים ומוצלבים עם מידע ממערכות החברה, קריטריונים מוגדרים מראש, חריגים מועברים לבדיקת עובד וכל החלטה מתועדת. המערכת אינה רק מסכמת מסמכים, אלא משתלבת בתוך תהליך שבו מוגדר מי אחראי, מה נבדק, מתי נדרש אישור אנושי וכיצד נמדדת איכות התוצאה.

במקרה הראשון קיבלנו עובד מהיר יותר. במקרה השני בנינו תהליך עסקי חדש.

זה ההבדל בין כלי עזר אישי לבין יכולת ארגונית. כלי אישי מסייע לעובד לבצע משימה קיימת במהירות רבה יותר. יכולת ארגונית משנה את הדרך שבה המשימה מתבצעת מלכתחילה.

המדד החשוב אינו שימוש, אלא תוצאה

ארגונים נוטים למדוד את מה שקל למדוד: כמה עובדים נכנסו למערכת, כמה שאילתות נשלחו וכמה רישיונות הופעלו. אלה נתוני שימוש, לא מדדי הצלחה.

הטמעת AI צריכה להימדד באמצעות השפעתה על הפעילות העסקית: כמה זמן נחסך, האם העלויות ירדו, האם מספר הטעויות הצטמצם, האם זמני התגובה התקצרו, האם איכות השירות השתפרה והאם נוצרה השפעה על ההכנסות או על שביעות רצון הלקוחות.

לצד החיסכון, יש למדוד גם עלויות חדשות: זמן שמושקע בבדיקת תוצרים, תיקון טעויות, תחזוקת המערכת, אבטחת מידע וניהול סיכונים. כלי שמייצר תשובה בתוך שניות אינו בהכרח יעיל אם עובד נדרש להשקיע זמן רב בבדיקה ובתיקון שלה.

לפני שארגון מכריז שהטמיע AI, עליו לדעת לענות על ארבע שאלות:

איזה תהליך עסקי השתנה? לא איזו מערכת נרכשה, אלא איזו עבודה מתבצעת כיום באופן אחר.

איזה מדד עסקי השתפר? זמן, עלות, דיוק, הכנסה, איכות או שביעות רצון.

מי אחראי לתוצאה? לכל פתרון צריכה להיות בעלות עסקית ברורה, ולא רק גורם טכנולוגי שמתחזק את המערכת.

מה קורה כשהמודל טועה? כיצד מזהים את הטעות, מתקנים אותה ומונעים את הישנותה.

כאשר אין תשובות ברורות לשאלות האלה, הארגון עדיין נמצא בשלב הניסוי, גם אם אלפי עובדים כבר משתמשים בכלי.

משילות אינה בלם לחדשנות

מנהלים חוששים לעיתים שמדיניות, בקרות ומשילות יעכבו את אימוץ הטכנולוגיה. בפועל, ההפך הוא הנכון. ללא מסגרת ניהולית ברורה, ארגון יכול לאפשר ניסויים קטנים, אך לא להפקיד בידי המערכת מידע רגיש, החלטות מהותיות או תהליכים בעלי השפעה כספית ותפעולית.

משילות היא התנאי שמאפשר להרחיב את השימוש בבטחה. היא מגדירה באילו מודלים משתמשים, לאילו מקורות מידע הם מחוברים, מי רשאי להפעיל אותם, מתי המערכת יכולה לפעול באופן עצמאי ומתי נדרש אישור אנושי. היא גם מאפשרת לתעד החלטות, לבדוק את איכות התוצרים וללמוד מתקלות.

בדיוק כפי שמערכת פיננסית או תפעולית מנוהלת באמצעות הרשאות, בקרות, אחריות ומדדים - כך יש לנהל גם את הבינה המלאכותית.

המרוץ הארגוני בשנים הקרובות לא יוכרע לפי מספר הרישיונות שנרכשו או לפי המודל החדש ביותר שהארגון אימץ. הוא יוכרע לפי היכולת להפוך שימוש אישי לתהליך ארגוני, לחבר בין טכנולוגיה, מידע ואנשים, ולקבוע אחריות ברורה לתוצאה.

AI אינו הופך לארגוני כאשר הוא זמין לכל עובד. הוא הופך לארגוני רק כאשר החברה מסוגלת להסביר מה הוא עושה, כיצד הוא משפיע על התוצאה ומי אחראי כאשר הוא טועה.

עד אז, לא מדובר בהטמעה. מדובר בניסוי רחב ויקר.

 הכותב הוא מנכ"ל GT טכנולוגיות בינה מלאכותית מבית פאהן קנה  .Grant Thornton Israel