TL;DR: רוב תקציבי ה-AI מאושרים על סמך הדגמה מרשימה ומצגת של ספק. ארבע שאלות משנות את הדיון: מי בארגון כבר משתמש בזה היום, מה קורה למידע שנכנס, מי מההנהלה הוא ה-Owner של זה, ואילו KPIs נמדוד בעוד שישה חודשים. בלי תשובה לארבעתן אתם מאשרים רישיונות, לא שינוי.
אני נכנס לחדרי הנהלה ודירקטוריון, והפער הכי גדול שאני רואה הוא לא פער ידע. הוא פער שאלות. יושבים שם אנשים שיודעים לקרוא מאזן ולחקור מנכ"ל, ומול נושא ה-AI הם פתאום שואלים שאלות רכות.
זה מובן. קשה לחקור נושא כשחוששים שהשאלה תיראה בורה. אז הנה השאלות, ולמה כל אחת מהן עובדת.
קודם כל, המספרים שמסבירים למה זה בכלל דיון
שני סקרים שפורסמו בקיץ 2026 מספרים את אותו סיפור משני כיוונים.
BCG (חברת הייעוץ האסטרטגי) סקרה ביולי 2026 מאה חמישים ושניים מנכ"לים בחברות עם מחזור מעל 500 מיליון דולר. 88% מדווחים על תועלת בעלות או בהכנסה באזורים ממוקדים. רק 26% הפכו את זה לשינוי עסקי רחב. ורק 14% בכלל מגדירים מה ההשפעה על הרווח וההפסד.
PwC סקרה באוגוסט 2026 שלוש מאות חמישים ואחד מנכ"לים ב-59 מדינות. רק 39% אומרים ש-AI כבר הגדיל הכנסות או הקטין עלויות אצלם, ו-20% מהחברות תופסות 74% מכל הערך הכלכלי שנוצר מ-AI.
כלומר: כמעט כולם מדווחים על תועלת, כמעט אף אחד לא מודד אותה, ורוב הערך הולך למיעוט קטן שכבר פיצח את זה. השאלה שעומדת בפני דירקטוריון היא באיזה צד של הקו הזה החברה תהיה, וזו לא שאלה טכנולוגית.
שאלה 1: מי בארגון שלנו כבר משתמש בזה היום
לא "מי מתכנן". מי כבר. כמעט בכל ארגון שנכנסתי אליו היו עשרות עובדים שמשתמשים בכלי AI כלשהו, לרוב מהחשבון הפרטי שלהם, בלי שאף אחד אישר ובלי שאף אחד יודע.
זו התשובה הכי חשובה שתקבלו, משתי סיבות. הראשונה, היא מספרת לכם שהשינוי כבר קרה ואתם רק לא מדדתם אותו. השנייה, הפחות נעימה: אם אנשים עובדים מהחשבון הפרטי שלהם, מידע של הארגון יוצא החוצה כרגע, בזמן שאתם יושבים בישיבה.
ארגון שאין לו תשובה מספרית לשאלה הזאת לא בשל לאשר תקציב, הוא בשל לעשות בדיקת מוכנות AI.
שאלה 2: מה קורה למידע שנכנס לכלי
כאן צריך להיזהר משתי טעויות הפוכות.
הראשונה היא להניח שכל הכלים זהים. הם לא. יש הבדל אמיתי בין כלי ארגוני שנרכש תחת הסכם שמחריג את המידע שלכם מאימון המודל, לבין אותו שם מותג בגרסה החינמית שעובד פותח מהדפדפן בבית. בכלי ארגוני מחובר, המידע נשאר בתוך הסביבה שלכם.
הטעות השנייה, ונפוצה יותר בדירקטוריונים, היא לחסום הכל. ארגונים שחסמו גילו אחרי חצי שנה שהשימוש לא ירד, הוא רק עבר לטלפונים הפרטיים. לשם אין לכם נראות ואין בקרה.
השאלה הנכונה היא לא "האם לאשר", אלא איזה סוג מידע מותר להכניס לאיזה כלי, ומי אמר את זה לעובדים בצורה שהם הבינו. ברוב הארגונים שראיתי המסמך הזה קיים, ואף אחד לא קרא אותו.
שאלה 3: מי מההנהלה אחראי לתוצאה
זו השאלה שהכי משנה את הסיכוי להצליח, ולכן היא הכי חשובה מבין הארבע.
יוזמת AI שיש לה גיבוי של הנהלה בכירה היא בעלת סיכוי גבוה פי 3.8 להשיג את היעדים שלה. מכל הגורמים שנבדקו, זה הפער הגדול ביותר בין הצלחה לכישלון. הנתון מגיע ממחקרי Prosci, KPMG Global AI Pulse 2026 ו-Gallup, גופים שעוסקים בניהול שינוי ובמדידה ארגונית ולא מוכרים כלי AI.
ולצד זה, שני נתונים שמסבירים למה כל כך הרבה יוזמות נתקעות: רק 24% מהמנהלים אומרים שהמנכ"ל אחראי לתוצאות, ורק 22% מהעובדים שמעו מההנהלה איך AI ייושם אצלם.
לכן התשובה "הנושא באחריות ועדה" היא תשובה גרועה. ה-Owners של פרויקט כזה הם המנכ"ל או המנכ"לית והסמנכ"לים והסמנכ"ליות, ולא ועדה ולא מחלקת IT. תבקשו שם של אדם אחד מהשורה הזאת, עם זמן מוקצה. פרויקטים שהיו באחריות ועדה הם הפרויקטים שראיתי נגמרים בשקט אחרי שמונה חודשים.
ולהיות Owner זה תפקיד עם תוכן. זה לתת לצוותים זמן ללמוד, ללמוד עוד ולתרגל, ולתת לצ'מפיונים זמן להתמקצע, להיות מנטורים וללמד אחרים. זה גם לדרוש, ממש לדרוש, מכל מי שתחת ההנהלה להשתמש ב-AI בכל משימה או לפחות לנסות. זו כבר לא פאדיחה להשתמש בבינה, זו חובה של ממש. ובאותה נשימה, לדרוש שלא יעשו קופי פייסט, כי זה מביא פאדיחות גדולות. פלט הוא טיוטה, ולתוכה יוצקים תובנות, ניסיון אישי, קריאייטיב, אסטרטגיה והרבה מוח אנושי.
שאלה טובה לדירקטוריון: כמה שעות בשבוע הוקצו לזה בכתב, ולמי. אם אין תשובה, אין פרויקט.
ושאלה שנייה, פשוטה לא פחות: האם הנושא יושב כסעיף קבוע בישיבות ההנהלה ובישיבות הצוות. הנהלה שמקדישה לזה זמן אמיתי בשגרה הניהולית מסמנת לארגון שזה קורה. נושא שעולה פעם ברבעון מסמן את ההפך, ולא משנה מה כתוב במייל הארגוני.
שאלה 4: איך נדע בעוד שישה חודשים אם זה עבד
זו השאלה שהכי מרתיעה ספקים, ולכן היא הכי שימושית.
מספר הרישיונות שנרכשו הוא לא מדד. מספר האנשים שנכנסו פעם אחת הוא לא מדד. המדד הבסיסי הוא כמה אנשים משתמשים בזה בשבוע נתון, שלושה חודשים אחרי ההדרכה, בלי שאף אחד הזכיר להם.
אבל צריך למדוד כל הזמן, ושני דברים נפרדים: את השימוש ואת הביזנס אימפקט. שימוש בלי אימפקט הוא תנועה, ואימפקט בלי מדידת שימוש הוא ניחוש. וזה כרוך בקביעת KPIs מראש, אחרת כל דיון על הצלחה בעוד חצי שנה יהפוך לוויכוח על תחושות.
וזו בדיוק הנקודה שבה רוב הארגונים נופלים: בסקר BCG רק 14% מהמנכ"לים בכלל מגדירים מה ההשפעה על הרווח וההפסד. דירקטוריון שמאשר תקציב בלי לדרוש KPI מצטרף לרוב הזה.
שווה להחזיק בראש שממוצע האימוץ בשוק עומד סביב 35.8%, כלומר כשני שלישים מהרישיונות לא הופכים לשימוש קבוע. הרחבתי על זה בעמוד הטמעת קופיילוט בארגון.
למה הדגמה מרשימה היא ראיה חלשה
כל ספק יראה לכם הדגמה שעובדת. היא עובדת כי היא נבחרה בקפידה, על נתונים נקיים, בתרחיש שנוסה עשרים פעם לפני שנכנסתם לחדר.
והזהירות הזאת נדרשת גם מול השחקנים הגדולים. בספטמבר 2026 OpenAI השיקה מודל חדש והצהירה על 99.9% במבחן ARC-AGI-3 (מבחן שבודק התמודדות עם בעיה שהמודל לא ראה קודם). הארגון שמפעיל את המבחן הריץ אותו בעצמו, באותם תנאים שבהם נבדקים כל המתחרים, וקיבל 62.7%.
המודל חזק, וזה לא הסיפור. הסיפור הוא שכשחברה מודדת את עצמה בכלי מדידה שהיא בנתה לעצמה, כדאי לחכות למספרים של מישהו אחר. זה נכון למודלים, ונכון בדיוק באותה מידה למצגת ROI שספק הביא לכם.
שלוש טעויות שחוזרות בחדרי הנהלה
לאשר תקציב לכלי לפני שהוגדרה הבעיה. מישהו קרא כתבה, מישהו ראה שמתחרה עשה משהו, ופתאום יש סעיף תקציבי בלי בעיה מתחתיו. ארגון שמתחיל מהכלי מסיים עם רישיונות שאף אחד לא נוגע בהם.
לפזר על הרבה כלים במקביל. בפועל אף אחד לא מספיק ללמוד אף אחד מהם, אין שפה משותפת, ואי אפשר להשוות בין צוותים. עדיף כלי עוגן אחד שכולם לומדים לעומק.
להתייחס להדרכה כאל אירוע. יומיים בלי המשך מייצרים התלהבות שנמוגה תוך שלושה שבועות. זו לא בעיה של איכות ההדרכה (גם שלי), זו בעיה של איך הרגלים נבנים.
וכמה זה בעצם עולה
עלות הרישיונות היא בדרך כלל החלק הקטן והצפוי, כמה עשרות דולרים לחודש למשתמש. מה שלא מתומחר הוא הזמן: שעות ההדרכה, הזמן של מי שמוביל את זה פנימה, והזמן של המנהלים שבודקים פלט בחודשים הראשונים.
מצד שני, החשבון ההפוך פשוט לא פחות: איש כספים שחוסך שעתיים בשבוע מחזיר את עלות הרישיון פי כמה. ארגון שלא מממן את הכלי לאנשי הכספים שלו משאיר כסף על הרצפה.
ההמלצה שלי לדירקטוריון היא לבקש את התקציב בשלוש שורות נפרדות: רישיונות, הטמעה, ושעות הלמידה והתרגול של האנשים עצמם. השורה השלישית היא זו שנשכחת תמיד, והיא זו שקובעת אם השתיים הראשונות שוות משהו.
שאלות ותשובות
האם דירקטוריון צריך בכלל להתעסק ב-AI, או שזו החלטה הנהלתית?
כשמדובר בכלי פרודוקטיביות, זו החלטה הנהלתית. כשמידע של לקוחות נכנס למערכת של צד שלישי, או כשיש חשיפה רגולטורית או מוניטין, זה עולה לדירקטוריון. הגבול הוא סוג המידע והחשיפה, לא הטכנולוגיה.
מה הסיכון הכי מוחשי בפועל?
לא מרד מכונות. דליפת מידע דרך שימוש פרטי לא מפוקח, ותוכן שגוי שיוצא החוצה בלי שבן אדם בדק. שניהם נמנעים בנוהל ובהדרכה, לא בטכנולוגיה נוספת.
כמה זמן עד שרואים משהו אמיתי?
שינוי מדיד בשגרת עבודה לוקח שלושה עד שישה חודשים, בהנחה שיש הדרכה וליווי. ראיתי גם ארגון ישראלי גדול ומסורבל שהכניס את זה לעבודה תוך שבועיים, בלי ועדת היגוי, פשוט עם רישיונות, קבוצה ראשונה ומקרי שימוש אמיתיים. מי שמבטיח לכם תוצאות תוך שבועיים בלי כלום מוכר לכם הדגמה.
עדיף להביא מרצה חיצוני לדירקטוריון, או שההנהלה תסביר?
תלוי במטרה. לעדכון סטטוס ההנהלה מספיקה. אם המטרה היא שהדירקטוריון יידע לשאול את השאלות הקשות, כולל כלפי ההנהלה עצמה, עדיף מישהו מבחוץ שאין לו אינטרס בתוצאה.
שורה תחתונה
אתם לא צריכים להבין איך מודל שפה עובד מבפנים כדי לאשר תקציב AI באחריות. אתם צריכים לדעת כמה אנשים כבר משתמשים, מה קורה למידע, מי אחראי בשם ומה תמדדו בעוד חצי שנה.
הניסיון שלי אומר שהשאלות האלה משנות את הדינמיקה בחדר יותר מכל מצגת. אם אתם רוצים מפגש שמעביר אותן לצוות ההנהלה או לדירקטוריון, זה בדיוק מה שאני עושה בהרצאת בינה מלאכותית למנהלים ולהנהלה בכירה.
אייל מרקוס הוא מרצה, מנחה סדנאות ויועץ בינה מלאכותית, ומעביר הרצאות AI, סדנאות, הדרכות Copilot וייעוץ הטמעה לרוחב הארגון. הוא עוסק ב-AI באובססיביות מתחילת 2022, כמעט שנה לפני שChatGPT יצא לאוויר, מפעיל את הניוזלטר השבועי "Don't Panic" כבר יותר משלוש שנים ומנחה את הפודקאסט "Hands On AI". בין הארגונים שעבד מולם: חברת החשמל, כללית, אמדוקס, סלברייט, כתר פלסטיק, הסוכנות היהודית, קבוצת UMI ואמישראגז, בעברית ובאנגלית.
