AI בארגונים: מה צריך להשתנות כדי להפוך את הטכנולוגיה לכוח מניע

בשנים האחרונות השקיעו חברות ברחבי העולם עשרות מיליארדי דולרים ב-AI גנרטיבי. התוצאות, על פי דוח מקיף של MIT, מדברות בעד עצמן: כ-95% מהיוזמות הארגוניות בתחום נכשלו בהשגת השפעה עסקית ניתנת למדידה. הטכנולוגיה עצמה אינה הבעיה – היא עובדת. הבעיה היא המקום שבו ניסינו להטמיע אותה.

הטעות המבנית: AI ככלי ולא כמערכת

במאמר קודם טענתי כי מודלים של שפה גדולים אינם מהווים ארכיטקטורת ארגון. התגובה הייתה ברורה: הטענה קשה להתעלם ממנה. השאלה הקשה יותר היא מה צריך לבוא אחרי כן. אם לא זה, אז מה?

הבעיה מעולם לא הייתה שהבינה המלאכותית לא עובדת. היא עובדת. הבעיה הייתה שהטמענו אותה במקום הלא נכון. ניסינו להוסיף אינטליגנציה לתהליכים קיימים במקום לבנות מערכות שבהן האינטליגנציה היא התהליך עצמו.

מכלים סטטיים למערכות מתמשכות

מודלים של שפה גדולים הם, על פי תכנונם, סטטיים: כל אינטראקציה מתחילה מחדש ללא הקשר קודם, אלא אם כן אנו משחזרים אותו באופן מלאכותי. חברות, לעומת זאת, הן מערכות דינמיות שצוברות החלטות, עוקבות אחר קשרים, מתפתחות לאורך זמן ותלויות ברציפות. הפער הזה אינו עניין שולי – הוא מהותי.

מחקרים על כשלונות ב-AI ארגוני מצביעים על אותה בעיה חוזרת: המערכות נכשלות לא בגלל שהן מייצרות תוצאות גרועות, אלא משום שהן אינן יכולות להשתלב בתהליכים מתמשכים או לשמר הקשר לאורך זמן. AI ארגוני לא יכול להיות מבוסס-פגישה. הוא חייב לזכור.

מתשובות לתוצאות

התמקדנו ביצירת תשובות באמצעות AI, אך חברות זקוקות למערכות שמשנות תוצאות. הפער הזה הופך לגלוי כאשר מבינים שמודל שפה יכול ליצור אסטרטגיית מכירות משכנעת, אך אינו יכול לעקוב אחר ביצועיה, להתאים את עצמו בהתאם לתוצאות, לתאם ביצוע בין צוותים או להשתפר לאורך זמן. זהו לא כשלון ביישום, אלא מגבלה בתכנון.

מחקר ה-MIT מתאר תופעה המכונה "פער ה-GenAI": ארגונים תקועים בהיקף אימוץ גבוה אך בטרנספורמציה נמוכה, בדיוק משום שהמערכות הנוכחיות אינן סוגרות את המעגל בין פעולה לתוצאה. תשובות לא משנות חברות – מערכות כן.

מהנחיות להגבלות

שיחת ה-AI הנוכחית מתמקדת רבות בהנחיות (prompts). אך הנחיות הן רק ממשק. חברות לא פועלות באמצעות הנחיות, אלא באמצעות הגבלות: כללי ציות, הרשאות, ספי סיכון ומגבלות תפעוליות. זהו אחד הגורמים הפחות נדונים אך החשובים ביותר לכשלונות ביוזמות AI ארגוניות. רוב המערכות מייצרות תוצאות בהתבסס על הסתברויות, בעוד שחברות פועלות בתוך מסגרות מוגדרות. הנחיות הן חוויית משתמש. הגבלות הן ארכיטקטורה.

ממלווים למערכות פעולה

המטאפורה הדומיננטית בשנים האחרונות הייתה ה"מלווה" (copilot). היא נשמעת מושכת, אך גם מטעה. מלווה מציע. חברה זקוקה למערכות שפועלות. ההבדל הזה חשוב, משום שהצעה היא דבר זול יחסית. ביצוע הוא הקושי האמיתי. ביצוע דורש:

• שילוב עם מערכות תיעוד – אינטגרציה עם בסיסי נתונים ארגוניים ומערכות תפעול קיימות
• תיאום בין צוותים – יכולת לתאם ביצועים בין מחלקות שונות תוך שמירה על רציפות
• מעקב אחר תוצאות – מנגנונים למדידה, ניתוח והסקת מסקנות מתמשכת
• הסתגלות דינמית – יכולת להתאים את עצמה לשינויים בתנאי השוק או בצרכים הארגוניים

AI ארגוני חייב להפוך ממערכת נפרדת שתומכת בתהליכים קיימים למערכת שמהווה את התהליך עצמו. זהו השינוי המהותי הנדרש כדי להפוך את ההשקעה בטכנולוגיה להשפעה עסקית אמיתית.

"הבעיה אינה שהבינה המלאכותית לא עובדת. הבעיה היא שהטמענו אותה במקום הלא נכון. ניסינו להוסיף אינטליגנציה לתהליכים קיימים במקום לבנות מערכות שבהן האינטליגנציה היא התהליך עצמו."

הדרך קדימה: מערכות AI שמבינות את ההקשר הארגוני

הפתרון אינו טכנולוגי בלבד. הוא דורש שינוי תפיסתי עמוק בארגונים. כדי שהבינה המלאכותית תהפוך לכוח מניע אמיתי, עליה לעבור מהמודל של "כלי עזר" למודל של "מערכת פעולה":

• מערכות ממוקדות תוצאות – במקום לייצר תשובות, הן צריכות למדוד השפעה ולהתאים את עצמן בהתאם
• אינטגרציה מלאה – שילוב עם מערכות תיעוד קיימות ושמירה על רציפות הקשר לאורך זמן
• תמיכה בהחלטות מוגבלות – התאמה למגבלות ארגוניות כמו תקנות, סיכונים ומגבלות תפעוליות
• יכולת למידה והתפתחות – מערכות שמשתפרות לאורך זמן בהתבסס על נתונים ותוצאות בפועל

השינוי הזה לא יקרה בן לילה. הוא דורש השקעה בתשתיות, שינוי תרבות ארגונית והבנה ש-AI אינו עוד כלי טכנולוגי, אלא מערכת שתשנה את הדרך שבה הארגון פועל. החברות שיצליחו יהיו אלה שיתפסו את הבינה המלאכותית לא כפתרון קסם, אלא כמערכת מורכבת שתדרוש תכנון קפדני, הטמעה זהירה והסתגלות מתמדת.