הבעיה של מערכות חכמות בעיר לא מתחילה באלגוריתם, אלא בשאלה מי אחראי

אם רוצים לזהות את צוואר הבקבוק האמיתי של AI בניהול עירוני, לא חייבים להתחיל במודלי שפה או במצלמות חכמות. די להסתכל על ארבע ידיעות שונות מעולם הנדל”ן. מהר מאוד מתברר שהמחלוקת המרכזית איננה מה המערכת יודעת, אלא מי אחראי, מי מפעיל, מי מממן ומי בכלל מסוגל להפוך תוכנית לביצוע.

הנקודה הזאת חוזרת שוב ושוב. רואים אותה בפרויקטי GovTech, ביוזמות של ערים חכמות וגם בדיונים על אוטומציה בשירות הציבורי. הטכנולוגיה בדרך כלל מגיעה ראשונה. הממשל, התמריצים והגדרות הסמכות מצטרפים אחר כך, ולעיתים בפער גדול.

בעלות ותפעול לא חייבים ללכת יחד

עסקת ישרוטל, שבמסגרתה החברה מוכרת את חלקה במלון פורט טאואר אך ממשיכה להפעיל את הנכס, נראית ממבט ראשון כמו סיפור נדל”ני מוכר. אבל יש בה גם שיעור ארגוני שטכנולוגיה אימצה מזמן: פחות היצמדות לנכס עצמו, ויותר שליטה בשכבת ההפעלה.

בעולם הטכנולוגי זו הבחנה מוכרת. יש מי שבונה את התשתית הפיזית, ויש מי שמחזיק בממשק המשתמש, בדאטה ובקשר עם הלקוח. חברות ענן, פלטפורמות תוכנה ושירותי AI צמחו בדיוק על ההפרדה הזאת. הן לא חייבות להחזיק בכל נכס כדי ליהנות מהערך שנוצר סביבו.

בהקשר של ערים חכמות, ההקבלה הזאת נעשית מעניינת במיוחד. עיר יכולה לרכוש חיישנים, להקים מרכז שליטה ולהטמיע מערכות חיזוי לתנועה או לניהול פסולת. אבל מה קורה ביום שאחרי? מי מפעיל בפועל את המערכת, מי צובר את הידע, ומי שולט במידע? האם העירייה נשארת בעלת הבית, או שהיא תלויה בספק שמחזיק בשכבת התפעול?

AI נכנס לא פעם דרך הבטחה לייעול. בפועל, השאלה החשובה יותר היא איך מתחלק הכוח. יש מקרים שבהם גוף מוותר על בעלות אבל שומר בידיו את עיקר ההשפעה. במקרים אחרים, מי שרוכש את הנכס מגלה שיש לו מעטפת בלי שליטה ממשית במנוע התפעולי. זו לא דילמה תיאורטית. היא נוגעת לגמישות, לעלות, לסיכון ולתלות ארוכת טווח.

גם מערכת חכמה לא מכריעה מי נושא באחריות

הסיפור של שדה דב מדגיש גבול אחר. התגלה זיהום, היקפו עדיין לא הובהר, והוויכוח המשפטי והציבורי מתכנס לשאלה בסיסית: מי אחראי לטיפול, ועל סמך איזה בסיס חוקי. כאן בדיוק רואים היכן נעצרת היכולת של מערכות חכמות.

אפשר בהחלט לדמיין שימושים מועילים של AI במצב כזה: ניתוח דגימות קרקע, מיפוי סיכונים, סימולציות של התפשטות מזהמים, תעדוף אזורי טיפול ואפילו הערכות תקציביות זהירות. כלים כאלה כבר קיימים בצורות שונות, והם משתפרים כל הזמן. אבל הם לא פותרים את לב הבעיה. הם לא מייצרים הסכמה משפטית, ולא מחליפים את שאלת האחריות.

זה אחד המקומות שבהם שיח ה-AI נוטה לפשט יותר מדי. קל להניח שאם נדע יותר, נחליט טוב יותר. במציאות הציבורית זה רק חלק מהסיפור. ידע הוא שכבה אחת בלבד. מעליה נמצאים תחומי סמכות, אינטרסים מתנגשים, חשיפה לתביעות ועמימות חוקית. מודל יכול להציע תרחישים. הוא לא יכול לחייב את המדינה, את רשות מקרקעי ישראל, יזם או בעלי קרקע לאמץ פרשנות מסוימת.

במילים פשוטות, AI יעיל מאוד בשאלות של מה כנראה קורה. הוא הרבה פחות יעיל בשאלות של מי חייב. ובמרחב העירוני, לא פעם זו השאלה שמכריעה אם משהו באמת יזוז.

עיר מעורבת לא סוטה מהמודל. היא בוחנת אותו

הדיון על ערים חרדיות לעומת ערים מעורבות הוא כמובן חברתי ופוליטי. ובכל זאת, יש לו גם היבט טכנולוגי חשוב. מערכות תכנון, חיזוי והקצאת משאבים נוטות לעבוד טוב יותר כשהן נשענות על הנחות יציבות יחסית: דפוסי תחבורה דומים, שימושים צפויים במרחב וצריכת שירותים בקצב מוכר. עיר מעורבת מערערת את הנוחות הזאת.

אוכלוסיות שונות משתמשות בעיר בדרכים שונות. שעות השיא משתנות, הצורך במוסדות ציבור נראה אחרת, דפוסי התעסוקה אינם אחידים, וגם היחס בין שירותים קהילתיים, מסחר ותחבורה משתנה. זו לא תקלה. כך נראית עיר אמיתית.

מכאן עולה שאלה מרכזית שלעתים נבלעת מאחורי ההבטחה הטכנולוגית: לפי איזה מודל של “עיר נורמלית” המערכת אומנה מלכתחילה. אם מערכות החיזוי נשענות על סטנדרט אחיד מדי, הן עלולות לזהות שונות חברתית כחריגה, במקום לראות בה מצב תכנוני לגיטימי.

המשמעות המעשית ברורה למדי:

• נתונים ממוצעים לא תמיד מצליחים לתאר שכונות מגוונות.
• אופטימיזציה עשויה לשרת קבוצה אחת טוב יותר מאחרות, גם בלי כוונה מפורשת.
• מערכות המלצה לתכנון עלולות לשחזר הנחות עבר במקום להסתגל לדפוסי חיים שונים.

לכן כדאי להיזהר מהצגה של “ניהול עיר מבוסס נתונים” כאילו מדובר בתהליך טכני בלבד. כשהעיר מורכבת, גם הדאטה מורכב. הוספת שכבת AI לא מבטלת את המורכבות הזאת.

הבעיה איננה רק לתכנן, אלא גם לממש

המינוי של שירה ברנד לראשות מטה התכנון הלאומי בולט לא רק בגלל חילופי התפקידים, אלא גם בגלל האבחנה שהאתגר המרכזי איננו בהכרח מלאי תכנוני אלא מימוש. זה משפט שכדאי לשמוע היטב גם בהקשר של טכנולוגיה ציבורית.

לישראל, כמו לארגונים רבים אחרים, אין מחסור במצגות על טרנספורמציה דיגיטלית. גם לא בפיילוטים. לעיתים אפילו לא בנתונים. מה שחסר לא פעם הוא היכולת להעביר מערכת משלב ההכרזה לשגרת עבודה יציבה: להטמיע, לתחזק, לחלק סמכויות, לייצר תאימות בין גופים, לעדכן נהלים ולהשאיר את המערכת רלוונטית גם אחרי שהספק עבר לפרויקט הבא.

כאן AI פוגש שוב תקרת זכוכית מוכרת. יחסית קל לבנות הדגמה שמסווגת פניות תושבים, חוזה עומסי תנועה או מסייעת בקריאת מסמכי תכנון. הרבה יותר קשה לעגן את הכלי הזה בתוך תהליך מינהלי אמיתי, כזה שכולל ועדות, התנגדויות, אחריות משפטית, שקיפות ציבורית והחלפת בעלי תפקידים.

לכן, בפרויקטי AI במגזר הציבורי, ההצלחה נמדדת לא רק בדיוק המודל אלא גם באיכות ההטמעה:

• האם יש בעל תפקיד שמוסמך לקבל החלטה על בסיס הפלט.
• האם ברור מי אחראי לטעויות.
• האם אפשר להסביר את תוצאות המערכת לגורמים מקצועיים ולציבור.
• האם קיים מנגנון עדכון כשהמציאות משתנה.

בלי ארבע השכבות האלה, גם כלי מרשים נשאר לכל היותר הדגמה, או עזר צדדי.

מה זה אומר על גל ה-AI הבא

הלקח שעולה מהידיעות האלה איננו ש-AI מוגבל ולכן אינו חשוב. דווקא להפך. החשיבות שלו גדלה משום שהוא נכנס לאזורים שבעבר נשענו על אינטואיציה, אקסל ובירוקרטיה ידנית. אבל ככל שהכלים משתפרים, כך נעשה ברור יותר שהערך שלהם תלוי פחות בקסם הטכנולוגי ויותר בארכיטקטורה המוסדית שמקיפה אותם.

במובן הזה, הגל הבא של AI במרחב העירוני כנראה יהיה פחות נוצץ ויותר עמוק. פחות צ’אטבוטים שמסבירים טפסים, ויותר עבודה סביב שאלות של סטנדרטים לנתונים, חלוקת אחריות בין מדינה לרשות, זכויות שימוש במידע, חובת הסבר ורציפות תפעולית גם כאשר בעלות, הנהלה או מדיניות משתנות.

זה אולי נשמע אפור יותר, אבל שם יוכרע אם מערכות חכמות באמת ישפיעו על המציאות. לא במסך שליטה מרהיב, אלא בטבלאות סמכויות, בחוזים, בנהלים ובשאלה מי נשאר בחדר כשהפיילוט מסתיים.

מי שמחפש את הסיפור האמיתי של AI בערים ובתכנון בישראל צריך אולי להביט פחות בהבטחות של הספקים, ויותר בדפוסים שהחדשות עצמן חושפות. נכסים נמכרים, אבל ההפעלה נשארת. זיהום מתגלה, אבל האחריות נותרת במחלוקת. אוכלוסיות שונות זקוקות לעיר שלא בנויה על מודל אחיד. ותפקידים מתחלפים, בזמן שהאתגר ממשיך להיות ביצוע.

בסופו של דבר, העתיד העירוני לא ייקבע רק לפי מידת החוכמה של המערכת. הוא ייקבע גם לפי היכולת של המוסדות שסביבה לעבוד איתה, להציב לה גבולות ולהכריע מי אחראי כשהיא פוגשת את העולם האמיתי.