כולם רוצים להיות AI-native – רוב הארגונים תקועים ב-Level 1

לפני כשבוע קראתי מאמר של אן מיוּרה-קוּ, שותפה בקרן Floodgate, שעשה לי משהו שמאמרים על AI בדרך כלל לא עושים: גרם לי לשבת ולשאול את עצמי שאלה לא נוחה. 

מיוּרה-קוּ ביקרה בחברות בגדלים שונים, מסטארט-אפים עם שמונה אנשים ועד חברות כמו Ramp, עם אלף וחמש מאות עובדים, וניסחה מסגרת שמזכירה את רמות האוטונומיה של רכבים עצמאיים – שש רמות. מ-L0 – שם ה-AI היא בעצם תיאטרון ארגוני; עד L5 – ארגון שמסוגל לזהות בעיות, לפעול ולשפר את עצמו בלי שאדם ייזום את התהליך.

הדימוי מדויק יותר ממה שנדמה. גם ברכבים עצמאיים, כולם טוענים שיש להם נהיגה עצמאית, אבל בקרת שיוט ועזרת נהג הן לא אוטונומיה אמיתית. ובדיוק אותה תופעה קורית עכשיו עם AI בארגונים. כולם מצהירים על אותה רמה, אבל הפער בין ההצהרה למציאות הוא לעתים קרובות עמוק מאוד.

https://t.co/H6bH9wnFay

— Ann Miura-Ko 🦖 (@annimaniac) May 1, 2026

ארבע השאלות שחושפות את האמת

מיוּרה-קוּ מציעה ארבע שאלות שחותכות דרך כל המיתוג: מה ה-AI יכולה לראות בתוך הארגון?; מה היא יכולה לעשות בפועל?; מי יכול להרחיב את היכולות שלה?; והאם המבנה הארגוני השתנה בעקבותיו?.

כשמנהלי טכנולוגיה שאני משוחח איתם מנסים לענות על השאלות הללו בכנות, התשובות לא תמיד מחמיאות. יש ארגון שה-AI רואה בו המון, אבל לא יכולה לעשות כלום, מאידך – יש כזה שיש לו אוטומציות בכל מחלקה, אבל הן לא מדברות אחת עם השנייה. הארגון לא השתנה, הוא קיבל השלמה אוטומטית טובה יותר. ומה שמעניין בניתוח שלה הוא שארגון לא חייב לענות על כל ארבע השאלות באותה רמה. הפער בין התשובות הוא בדרך כלל בדיוק המקום שבו כדאי להתמקד.

ארגון שנמצא ברמה 1 לא עובר לרמה 3 בגלל תקציב גדול או פרויקט יוקרתי. הוא עובר כשיש לפחות תהליך צוותי אחד שעובד, מתוחזק ומפיק תוצאות מדידות

הבעיה עם רמה 1 היא שהיא מרגישה כמו הצלחה

רמה 1 לפי מיוּרה-קוּ היא שימוש אישי. כל עובד משתמש ב-AI בצורה שלו, מגלה טריקים, חוסך לעצמו זמן. 80% מהעובדים משתמשים ב-AI כל שבוע. זה נשמע מרשים, אך היא אומרת במפורש שזה גם חסר משמעות – ברגע שאותו עובד עוזב, הידע הזה נעלם. אין זיכרון ארגוני, אין תקנון, ואין מינוף שמצטבר. זו נקודת תקיעה קלאסית, כי היא לא דורשת שינוי ארגוני. כל אחד מאמץ לעצמו הרגלים, חלקם טובים מאוד, אבל הם נשארים אצלו.

הקפיצה לרמה 2 ואילך דורשת משהו אחר לגמרי: לקחת תהליך ששייך לאדם ולהפוך אותו לתהליך ששייך לצוות.

מה באמת מפריד בין הרמות?

רמה 3 היא המקום שבו מתחיל לקרות משהו מהותי. ה-AI לא רק מייצרת טקסטים, היא פועלת על מערכות ליבה. הטכנולוגיה מעדכנת מערכות ניהול לקוחות, פותחת בקשות שינוי קוד, מנתחת נתונים ומעבירה אותם בין צוותים.

יש משהו שאני מוצא מעניין במיוחד במסגרת שלה: בשלב הזה, לא רק מהנדסים בונים כלים. אנשי מכירות, שירות ופיננסים מתחילים לייצר תהליכים אוטומטיים בעצמם. זה ההבדל שמצטבר לאורך זמן. לא הכלי שקנית, אלא מי בארגון יכול להרחיב את המערכת.

רמה 4 היא כבר מקום אחר לגמרי. מיוּרה-קוּ מתארת אותה כמערכת הפעלה שמתחזקת את עצמה. לא רק שהאוטומציות פועלות – הן לומדות מריצות קודמות.

הבעיה הקלאסית של רמה 4 היא ריבוי סוכנים שבירים: 100 אוטומציות שאף אחד לא מתחזק אותן. מה שמפריד בין רמה 4 אמיתית לאשליה שלה הוא משמעת ניהולית של מחזור חיים. ידוע מה פועל, מה נשבר, מה כפול ומה צריך להיגנז.

אז מה עושים עם זה בפועל?

מה כדאי לארגון לעשות בפועל עם החלוקה הזו? הדבר הראשון הוא לענות בכנות על ארבע השאלות. לא בצוות הנהלה, אלא עם מנהל ביניים, שיודע מה באמת קורה ברצפת העבודה. התשובות שתקבלו שם יהיו שונות ממה שמופיע במצגות.

הדבר השני הוא לזהות את הפער הספציפי. אם ה-AI רואה מידע אבל לא יכולה לפעול עליו – הבעיה היא אינטגרציה; אם היא יכולה לפעול אבל רק מהנדסים יכולים להרחיב – הבעיה היא נגישות וממשק; אם המבנה הארגוני לא השתנה – הבעיה היא ניהולית ולא טכנולוגית; כל אחד מהמצבים דורש תגובה שונה לגמרי.

הדבר השלישי, ואולי הפחות אינטואיטיבי, הוא לא לנסות לקפוץ רמות. ארגון שנמצא ברמה 1 לא עובר לרמה 3 בגלל תקציב גדול או פרויקט יוקרתי. הוא עובר כשיש לפחות תהליך צוותי אחד שעובד, מתוחזק ומפיק תוצאות מדידות. מהאחד הזה אפשר לבנות את הבא.

מיוּרה-קוּ מזכירה את סטיב בלנק, שאמר שסטארט-אפ הוא לא גרסה קטנה של חברה גדולה. ארגון מבוסס AI הוא לא גרסה משופרת של ארגון ישן. זה ארגון שנבנה מחדש סביב מודל תפעולי אחר. רוב הארגונים עדיין לא שם, וזה בסדר, אבל כדאי לפחות לדעת את הרמה האמיתית שלהם. כי מי שלא יודע איפה הוא עומד, לא יודע לאן לצעוד.

הכותב הוא יועץ טכנולוגי לארגונים בעיקר בתחום האשראי החוץ בנקאי ובעברו מנמ"ר