חזון גדול, מציאות מורכבת: אתגרי ההטמעה של AI בארגונים

בעולם העסקי של 2025, קשה למצוא מנכ”ל או מנמ"ר שלא מצהיר על חזון בינה מלאכותית. המצגות נוצצות, ההדגמות מרשימות אבל כשבוחנים מה קורה באמת בשטח, מגלים פער כואב. חברות רבות "נוגעות" ב-AI, אך רק מעטים מצליחים ליישם אותו בקנה מידה רחב, עקבי ובעל ערך אמיתי. למה זה קורה? כי ההטמעה האמיתית דורשת הרבה יותר מקוד ומודלים, היא דורשת שינוי מחשבתי וארגוני.

הנתונים קיימים אבל לא נגישים

בדו"ח של MIT Technology Review Insights חוזר שוב ושוב ביטוי אחד: "data liquidity". המשמעות פשוטה: היכולת להזרים את המידע הנכון, מהר ובמדויק למקום שבו צריך אותו. וזה בדיוק מה שחסר לרוב הארגונים. לא חסרים להם נתונים. להפך, יש להם עודפים. הבעיה היא שהנתונים לא שמישים, לא נקיים, לא מתואמים בין מערכות. אחד מכל שני ארגונים מדווח על בעיות איכות נתונים כמחסום עיקרי. בחלק מהפרויקטים שאני מלווה, אני רואה שוב ושוב איך הבעיה האמיתית היא לא שהמודל לא טוב, אלא שהנתונים שהוא מוזן בהם ישנים, חלקיים או לא רלוונטיים. והבעיה הזו מוחרפת בארגונים גדולים, שבהם מערכות IT בנויות על קוד בן 20 שנה, טלאי על טלאי.

מבחינתי, השקעה אמיתית בבינה מלאכותית צריכה להתחיל ממיפוי הנתונים הקיימים, הבנה של היכן הם נמצאים, מי שולט בהם ואיך מוודאים שהם זמינים למודלים באופן מאובטח, חוצה מערכות. בלי זה, כל פיילוט נדון להיות בגדר הצגה חד פעמית, לא תשתית עסקית.

"ה-AI לא צריך להיות גימיק. הוא צריך להיות חלק מה-DNA העסקי עם בעיה אמיתית, נתונים אמיתיים וערך אמיתי"

פתרונות בלי בעיות, מודלים בלי אסטרטגיה

אחד החטאים הנפוצים של ארגונים בתחום ה-AI הוא ההיפך מהגישה הנכונה: במקום לשאול "איזו בעיה אנחנו מנסים לפתור?" הם מתחילים בשאלה "איזה מודל כדאי לנו להריץ?" כך נוצרת תרבות של פיילוטים נוצצים חסרי עמוד שדרה עסקי. מודלים גנריים זמינים לכולם. הלקוחות משתמשים בהם והמתחרים בוודאי. לכן, השאלה החשובה היא האם המימוש שלי יוצר ערך ייחודי? האם הוא נשען על נתונים שיש רק לי? האם הוא פותר כאב אמיתי? לדוגמה, חברת ביטוח שהשתמשה ב-AI כדי לחלץ מידע ממסמכי PDF של תביעות ישנות, הצליחה לזרז תהליכי טיפול ב-30%. לא כי המודל היה גאוני, אלא כי הבעיה הייתה אמיתית והפתרון היה ישים.

ה-AI לא צריך להיות גימיק. הוא צריך להיות חלק מה-DNA העסקי. זה דורש תיאום עמוק בין אנשי הטכנולוגיה לאנשי הביזנס. זה דורש בניית תשתית החלטה, מדדי הצלחה והבנה ברורה של מה לא עושים לא פחות ממה כן.

עלות הטכנולוגיה, מחיר ההזנקה

במקרים רבים, המנהלים מופתעים לגלות עד כמה יקרה באמת ההטמעה. לא המודל, אלא כל מה שמסביב: כוח אדם מיומן, חומרה (במיוחד מעבד גרפי), בדיקות פרטיות, אבטחת מידע, שירותים מנוהלים, אחסון בענן, בקרה רגולטורית. AI איננו "מודול" שמוסיפים לארגון. הוא שכבה חדשה של תפעול, אנליטיקה וקבלת החלטות. דווקא ארגונים בגודל בינוני, אלה שצריכים את ה-AI יותר מכל כדי להתחרות, מדווחים על הקשיים הגדולים ביותר. הם בין הפטיש של רגולציה לא מתפשרת לסדן של מחסור בתקציב. הם לא יכולים להרשות לעצמם להיכשל, אך גם לא לגייס עשרות מהנדסי AI. כאן, גישת "התחל בקטן, תבנה נכון, ותתרחב חכם" היא הכרחית.

מהניסיון שלי, ארגונים שמצליחים לייצר ROI חיובי מהבינה המלאכותית הם אלה שבונים שלב אחר שלב: משקיעים בנתונים, מציבים מטרות מדידות ומפתחים פתרונות צמודים לצרכים אמיתיים. אלה גם הארגונים שמצליחים למשוך ולהחזיק את כישרונות ה-AI האיכותיים ביותר, כי הם מציעים סביבת עבודה משמעותית ולא רק "שואו טכנולוגי".

רגולציה, תרבות וזהירות מובנית

ככל שהיכולות עולות, כך גם הסיכונים מתעצמים. צ’אטבוט שמספק מידע שגוי, מודל שמפלה אוכלוסיות, דליפת נתונים רגישים, אלה כבר לא תרחישים תיאורטיים. והרגולטורים לא מחכים. באירופה ובארה״ב מוקמות מסגרות אתיקה וציות שמחייבות כל פרויקט AI להתנהל כמו מוצר רפואי: עם בדיקות, תיעוד, שיקול דעת ויכולת הסבר.

אני רואה בזה לא מעמסה, אלא מנגנון הגנה. על המותג, על הלקוחות, ועל הארגון כולו. פרויקט AI שמנוהל בצורה אחראית יכול להפוך מ"הימור יקר" למנוע צמיחה אמיתי. והוא גם בונה אמון. פנימי וחיצוני. אין פתרון קסם, אבל יש אחריות אנושית והיא לא פחות חשובה מהקוד.

אבל יש עוד מרכיב קריטי אחד, שלא תמיד מקבל את הבמה הראויה: התרבות הארגונית. לא משנה כמה כסף יושקע, או כמה יועצים חיצוניים יובאו, אם הארגון לא מוכן תרבותית לקבל החלטות שמבוססות על אלגוריתמים, אם הדרג הניהולי לא מאמין ב-AI ככלי שותף ולא איום, ואם העובדים מרגישים שמדובר בהחלפה ולא בהעצמה, הטכנולוגיה לא תשרוד. בינה מלאכותית לא יכולה להתקיים בחלל ניהולי רווי פחד, שליטה עודפת או מחסור באמון.

הצלחות אמיתיות קורות כשארגון משנה לא רק את הכלים אלא גם את היחס אליהם. כשמנהלים משתפים את העובדים בהגדרת השימושים, מסבירים את הרציונל ומתייחסים ל-AI כשותף, לא כתחליף. שינוי כזה דורש זמן, דיאלוג ולעיתים גם ויתור על שליטה מלאה, אבל זהו תנאי יסוד להפיכת בינה מלאכותית ממערכת טכנולוגית מנוע צמיחה ארגוני עמוק.

לסיכום: הטכנולוגיה מוכנה, האם הארגון מוכן?

אני רואה את הבינה המלאכותית לא ככלי אלא כתמריץ: לבחון את מערכות הנתונים, את תהליכי קבלת ההחלטות ואת התרבות הארגונית כולה. במילים אחרות:  אם לא עשיתם סדר ביסודות, אל תמהרו לבנות את הקומה השישית. העצה שלי פשוטה: אל תחפשו את ה-AI הכי נוצץ. חפשו את הבעיה הכי בוערת ותשאלו איך AI יכול לפתור אותה. שם מתחילים. ומשם גם מצליחים.

הכותב משמש כיועץ טכנולוגי לארגונים, בעיקר בתחום האשראי החוץ בנקאי.