לפני ה-AI: למה תיירות ודיור עדיין נופלים על הבעיות הכי בסיסיות של הדיגיטל

החדשות הבאמת מעניינות על AI לא תמיד יוצאות מחברות מודלים או מכנסים נוצצים. לפעמים הן מתחבאות דווקא במעבורת של עשר דקות בין סנטוריני לתראסיה. לא משום שהופיע שם צ’טבוט מהפכני, אלא כי לוח הזמנים סוף סוף עלה לרשת. זה נשמע שולי, אולי אפילו מעט מגוחך, ודווקא בזה טמונה הנקודה. בתחומים כמו תיירות, אירוח ודיור, הקפיצה הטכנולוגית המשמעותית ביותר לא חייבת להתחיל ביצירת תמונות, טקסטים או המלצות. לא פעם היא מתחילה בפתרון של כאב קטן, יומיומי ומעצבן, כזה שמנע משוק שלם לתפקד בצורה נורמלית.

תראסיה, האי הקטן שמול סנטוריני, לא השתנה מבחינה גיאוגרפית. הוא היה שם גם קודם, עם נוף, היסטוריה ונגישות פשוטה יחסית. מה שכן השתנה הוא מידת הנראות הדיגיטלית שלו. אם בעבר ההגעה אליו הרגישה כמו הימור בגלל מידע מפוזר ולא מסודר, היום יש לו נוכחות מעט ברורה יותר ברשת, לצד שירותים תיירותיים חדשים. זה שיעור לא רע לכל מי שממהר להציג את AI כשכבה שתסדר את העולם. בלי נתונים נגישים, בלי מידע עדכני, ובלי תהליך בסיסי שאפשר לחפש, להבין ולהזמין, אין הרבה על מה להלביש בינה.

לא מעט שווקים טועים בזיהוי הבעיה: לא גילוי, אלא אמינות

בדרך כלל מדברים על טכנולוגיה בתיירות כאילו האתגר הגדול הוא discoverability, כלומר איך לגרום לאנשים לגלות מקום, דירה או שכונה. אבל במקרים רבים הבעיה האמיתית בכלל נמצאת במקום אחר: אמון תפעולי. המשתמש לא צריך רק לדעת שמשהו קיים. הוא צריך לדעת מתי זה עובד, כמה זה עולה, עד כמה המידע אמין, והאם אפשר להסתמך עליו.

זו גם אחת הנקודות שעולות, בעקיפין, מהסיפור על יזם דירות האירוח בישראל שנקלע לחובות כבדים אחרי שנים של צמיחה. קל להסביר קריסה כזו רק דרך זעזועים חיצוניים כמו קורונה או מלחמה, וללא ספק לאירועים כאלה יש משקל ממשי. ובכל זאת, בענף דיברו גם על מינוף גבוה ועל נטילת סיכונים. במונחים טכנולוגיים, זו אותה פנטזיה מוכרת: נגדיל מלאי, נריץ אוטומציה, נשפר תפוסה, והמספרים כבר יתיישרו. בפועל, גם פלטפורמה חכמה לא מבטלת את השבריריות של הבסיס.

AI יכול לעזור בחיזוי ביקושים, בתמחור לילות, במענה לאורחים, בסיווג פניות ובייעול תפעול. מה שהוא לא עושה הוא להעלים סיכון מימוני. הוא גם לא מתקן מודל שמבוסס על ההנחה שהשוק תמיד יספוג, שהתיירות תמיד תחזור מהר, או שהמדינה תמיד תפצה בזמן. במילים פשוטות, בינה מלאכותית יכולה לשפר מכונה קיימת. היא לא בהכרח תציל מכונה שנבנתה רע.

גם בדיור התמונה דומה: עוד דאטה לא פותרת מציאות מתוחה

הדיון סביב שכר הדירה בניו יורק מחדד בעיה דומה מזווית אחרת. זה אחד השווקים המתועדים ביותר בעולם. יש בו פלטפורמות, מאגרי מידע, אנליטיקה, כלים לחיזוי מגמות ואינספור דשבורדים. ועדיין, צעירים ומשפחות חיים עם חרדה מתמשכת סביב חידוש חוזה ושכר דירה שמזנק. כלומר, עוד נתונים לא בהכרח מייצרים יותר ודאות עבור הצרכן.

כדאי לזכור את זה גם כששומעים הבטחות על AI בתחום הדיור. מודלים יודעים לנתח שוק ברמת רחוב, לזהות מגמות ברמת בניין ולהמליץ על תמחור כמעט בזמן אמת. בעלי נכסים, משקיעים ומפעילים כבר יודעים להשתמש בזה היטב. אבל השאלה החברתית הרחבה נשארת פתוחה: מי באמת נהנה מהשקיפות הזאת, ומי רק מגלה מהר יותר שהוא לא מצליח לעמוד בקצב?

כששוק לחוץ, טכנולוגיה לא תמיד מרגיעה אותו. לפעמים היא רק מאיצה את התגובה. עדכון מחיר נעשה מהיר יותר, ניתוח ביקושים מדויק יותר, והפער בין מי שמחזיק נכס לבין מי שמחפש קורת גג עשוי אפילו להתחדד. זה לא טיעון נגד טכנולוגיה. זה טיעון נגד הרעיון שטכנולוגיה, לבדה, היא מדיניות.

השכונה משתנה, והמודל מתקשה להבין את מה שלא נכנס לגיליון

גם הסיפור מרמת השרון, על שכונה שהופכת צפופה ומגוונת יותר ושבה תחושת איכות החיים נמצאת במתח, מזכיר מגבלה עמוקה של כל מערכת חישובית. אלגוריתם יודע לקרוא היצע, ביקוש, עסקאות, היתרים, פרמטרים של נגישות, ואולי אפילו סנטימנט מרשתות חברתיות. אבל שכונה איננה רק אוסף של מדדים. היא גם תחושת עומס, שינוי בזהות המקומית, פחד מאובדן מרחב מוכר, ומאבק בין קבוצות עם ציפיות שונות לגמרי.

כאן AI פוגש גבול אנושי למדי. הוא מסוגל לתאר מציאות, ולעתים גם לנבא חלקים ממנה, אבל מתקשה להכריע בין ערכים מתנגשים. האם צפיפות היא הידרדרות או תיקון הכרחי למחסור בדיור? האם פיתוח תיירותי מחיה מקום או שוחק אותו? האם אופטימיזציה של תפוסה טובה לעיר, או שהיא הופכת שכונות לאזורי מעבר? אלה כבר לא שאלות של חישוב בלבד.

מה כן השתנה לאחרונה

אם מחפשים שינוי אמיתי, סביר שהוא נמצא בשכבה הרבה פחות זוהרת של הטכנולוגיה. יותר עסקים קטנים, יעדים שוליים ושווקים מקומיים מבינים שהקרב הראשון שלהם הוא בכלל על סדר דיגיטלי בסיסי: מידע זמין, זמני פעילות מסודרים, אפשרות הזמנה ברורה, ניהול מלאי אמין, תקשורת רציפה עם לקוחות ועדכון מהיר של שינויים. רק מעל התשתית הזאת מגיעות שכבות כמו אוטומציה, חיזוי ו-AI גנרטיבי.

יש לזה משמעות גם בהקשר הישראלי. בשוק שבו תיירות, אירוח ודיור מושפעים מאירועים חיצוניים, מרגולציה משתנה ומתנודתיות חדה, הפיתוי לרוץ ישר לכלי AI נוצצים הוא גדול. אבל במקרים רבים הערך המשמעותי יותר יגיע דווקא מהשקעה בתשתיות מידע: חיבור מערכות, ניקוי נתונים, שקיפות פנימית, בקרה על סיכונים ותיעוד טוב יותר של הפעילות. אלה פרויקטים הרבה פחות זוהרים, וכנראה גם הרבה יותר חשובים.

הלקח הרחב יותר לתקופת ה-AI

יש נטייה לחשוב על AI כמו על מנוע-על שמצמידים לעסק או לעיר, ומאותו רגע הכול נע מהר יותר וחכם יותר. האמת הפחות מלהיבה היא שבתחומים פיזיים, מקומיים ותלויי רגולציה, AI מתנהג יותר כמו מגבר. כשהבסיס ברור, מסודר ואמין, הוא יכול לשפר הרבה. כשהבסיס מבולגן, ממונף מדי או מנותק מהחיים עצמם, הוא בעיקר מגביר את הרעש.

לכן הסיפור של אי קטן שהפך מעט יותר נגיש דיגיטלית אינו שולי באמת ביחס לדיונים על שוק השכירות בניו יורק או על דירות אירוח בישראל. כל אחד מהמקרים האלה מספר, מכיוון אחר, את אותו סיפור. הטכנולוגיה החשובה ביותר היא לא תמיד זו שנראית מרשימה בהדגמה. לפעמים דווקא זו שמצמצמת אי ודאות, מסדרת מידע בסיסי ומחברת בין מה שקורה בשטח לבין מה שמופיע על המסך.

AI ימשיך להיכנס לתיירות, לנדל”ן ולניהול עירוני, וסביר שהוא אכן ישנה לא מעט תהליכים. אבל לפני ששואלים איזה מודל ינהל טוב יותר דירות, שכונות או יעדים תיירותיים, אולי כדאי להנמיך רגע את הדיון ולשאול שאלה פשוטה יותר: האם המערכת שעליה הוא נשען בכלל מתארת את המציאות באופן אמין? בלי זה, גם המודל המרשים ביותר נשאר עוד שכבה של תחכום מעל חוסר סדר ישן.