הלקח האמיתי לערים חכמות: הבעיה היא לא האלגוריתם, אלא מי קובע מה הוא רואה

כשמדברים על AI בערים, הדיון נמשך כמעט תמיד לכיוון החיזוי: עומסים, פקקים, ביקוש לדיור, צרכים עתידיים. אבל ארבעת הסיפורים האלה, שלא צמחו בכלל מתוך עולם הטכנולוגיה, מציעים נקודת מבט אחרת. עוד לפני שמריצים מודל, צריך להכריע מה בכלל חשוב, מי קובע סדרי עדיפויות, ואילו נתונים נכנסים למערכת. במובן הזה, השאלה של עיר חכמה היא פחות שאלה של תוכנה ויותר שאלה של זיכרון, קהילה ומוסדות.

זו כנראה התובנה המעניינת ביותר שעולה מהחיבור בין סטרטפורד של שייקספיר, קבוצת דיור שיתופית בנהריה, תנופת הבנייה בבאר יעקב והסערה סביב מינויים ומכרזים ברמ”י. אלה מקרים שונים מאוד, ובכל זאת, כשמעמידים אותם זה לצד זה, הם מסמנים היטב את גבולות הדיון ב-AI עירוני: מה אפשר לייעל, מה אסור למחוק בדרך, ואיפה מתחיל הסיכון.

1. עיר היא לא רק שטח זמין על המפה

הכתבה על סטרטפורד מתארת מקום שנשען לא רק על נדל”ן, אלא על שכבות של משמעות: בית ילדות, כנסייה, גן, נהר, מבנים טיודוריים, זיקה תרבותית. זו כמעט שפה הפוכה מזו של פלטפורמות נתונים, שנוטות לפרק עיר ליחידות מדידות כמו תנועה, מסחר, צפיפות והכנסות.

דווקא כאן מסתתר לקח חשוב ל-AI. מערכת תכנון שלומדת רק ממדדים קשיחים תעדיף, ברוב המקרים, את מה שמניב יותר תפוקה מיידית: בניין גבוה במקום מבנה נמוך, מסחר במקום חלל קהילתי, תחלופה מהירה במקום שימור. מבחינת המודל זו יכולה להיראות בחירה סבירה. מבחינת העיר, זה כבר סיפור אחר.

בשנים האחרונות רשויות בעולם בוחנות כלים של “דיגיטל טווין” ומודלים לחיזוי שימושי קרקע. זו התפתחות מעניינת, אבל אם אין בהם ייצוג אמיתי לערכי מורשת, לרצף היסטורי ולאיכויות שלא נכנסות בקלות לאקסל, התוצאה עלולה להיות עיוורת דווקא למה שהופך מקום לעיר ולא רק לפרויקט. לא כל מה שקשה למדוד הוא שולי. לא פעם זה בדיוק להפך.

2. קהילה לא מסתדרת בקלות בתוך גיליון נתונים

הסיפור מנהריה, על קיבוץ עירוני שרכש יחד 15 דירות בבניין אחד, עשוי להישמע במבט ראשון כמו אנקדוטה נדל”נית. בפועל, זה מקרה מבחן מעניין לכל מי שחושב על פלטפורמות דיור, התאמה מבוססת נתונים וניהול קהילתי בעזרת AI.

מודלים בתחום הדיור יודעים לנתח מחיר, גודל דירה, תשואה, סיכון ונגישות, ולעיתים גם איכות בית ספר או קרבה לתחבורה. הרבה יותר קשה להם לתפוס מחויבות ארוכת טווח, נכונות לחיות במסגרת שיתופית, חוסן חברתי, רמת אמון בין שכנים או בחירה אידיאולוגית לפעול דווקא בפריפריה. אלה משתנים רכים, לפעמים כאלה שהשיח הטכנולוגי מתקשה להכיל, אבל בפועל הם משנים את חוויית המגורים עצמה.

יש כאן גם היבט זהיר יותר. ככל שיותר מערכות AI ייכנסו לשוק הדיור, הן עלולות לחזק העדפה קיימת למה שקל לסווג, לחשב ולמכור: משק בית ממוצע, מסלול מימון נפוץ, התנהגות צרכנית צפויה. קבוצות שמתארגנות אחרת, חיות אחרת או בוחרות לפי שיקולים לא סטנדרטיים עלולות פשוט להיעלם מהתמונה. לא מפני שמישהו ביקש להדיר אותן, אלא מפני שהאלגוריתם לא באמת בנוי לזה.

במילים אחרות, אם עיר חכמה רוצה להבין מגורים, מודלי ביקוש לבדם לא יספיקו. צריך להביא בחשבון גם חיים משותפים, אידיאולוגיה מקומית ורמות שונות של נכונות לשאת התחייבות. כאן הנתונים לבדם כבר לא מספיקים. נדרשת גם פרשנות.

3. צמיחה מהירה היא כר פורה למודלים, וגם מלכודת

באר יעקב היא דוגמה כמעט קלאסית למקום שבו מערכות חיזוי נשמעות מפתות במיוחד. עיר בצמיחה מואצת, שכונות חדשות, כבישים, מוסדות ציבור ותכנון לעשרות אלפי תושבים נוספים. עבור מי שמפתח פתרונות AI לעירוניות, זה כמעט מגרש משחקים אידיאלי: הרבה נתונים, הרבה תנועה, הרבה החלטות.

אבל הסיפור המקומי מזכיר עד כמה מודלים מתקשים להתמודד עם תלות פוליטית ומוסדית. החזון של העיר תלוי, בין השאר, בפינוי מדורג של מחנה צבאי סמוך. כלומר, קצב הבנייה, מימוש התוכניות ואפילו ההיגיון התחבורתי של המקום אינם תוצאה של ביקוש או של חישובי צפיפות בלבד. הם תלויים בהחלטות של גופים שונים, בלוחות זמנים משתנים ובחוסר ודאות מובנה.

AI יכול לעזור בניתוח תרחישים. הוא עשוי להצביע על מקומות שבהם יחסרו כיתות, על מוקדי עומס בכבישים ועל שירותים עירוניים שעלולים להישחק ראשונים. אבל אין סיבה להתבלבל: הוא לא מבטל את אי הוודאות. לפעמים הוא רק מציג אותה בצורה מסודרת יותר.

זו נקודה חשובה גם בהקשר הישראלי הרחב. יש לא מעט דיבור על אופטימיזציה של תכנון, האצת היתרים ותשתיות חכמות. ובכל זאת, כשפרויקט תלוי בריבוי גופים, בהסכמות בין משרדים או בשינויים רגולטוריים, המודל לא פותר את צוואר הבקבוק. במקרה הטוב, הוא מתאר אותו בדיוק רב יותר.

4. בלי ממשל תקין, גם מערכת חכמה נעשית כלי כוח

המקור הרביעי, על המכרז הקצר והרגיש ברמ”י, אולי נשמע רחוק מעולם ה-AI. למעשה, הוא נוגע בלב העניין. השיח הטכנולוגי אוהב מונחים כמו שקיפות, עקביות, אוטומציה וצמצום שיקול דעת אנושי. בפועל, כל מערכת כזו יושבת על תהליך ארגוני. אם התהליך בעייתי, אם המינויים שנויים במחלוקת, אם חלונות הזמן קצרים מדי ואם מוקדי הכוח לא מאוזנים, הטכנולוגיה לא תתקן את הבעיה. לעיתים היא אפילו עלולה להוסיף לה שכבת לגיטימציה.

הסכנה בולטת במיוחד במוסדות שמרכזים הרבה מידע והרבה סמכות. נניח גוף שמחליט על קרקעות, מכרזים, תעדוף משאבים וניהול עתודות. אם בעתיד יוטמעו בו כלי AI לקבלת החלטות, השאלה הראשונה לא צריכה להיות איזה מודל נבחר. השאלה צריכה להיות מי מנסח את הבעיה, מי מאשר את הנתונים, מי בודק חריגות ומי רשאי לערער.

זה אולי נשמע בירוקרטי, אבל כאן נמצא החלק המהותי. אלגוריתם עירוני לא פועל בוואקום. הוא פועל בתוך מבנה כוח. וכשמבנה הכוח הזה לא יציב או לא שקוף מספיק, גם כלי סביר עלול להפוך למנגנון שמאיץ החלטות בלי לאפשר ביקורת מספקת.

מה זה אומר בפועל על AI עירוני

כשמחברים את ארבעת הסיפורים האלה, מתקבלת מסקנה צנועה אבל שימושית: ערים לא צריכות פחות טכנולוגיה, אלא הבנה בוגרת יותר של הגבולות שלה.

• AI מתאים במיוחד לניתוח דפוסים, לסימולציות ולזיהוי מוקדם של עומסים ובעיות.

• הוא מתאים הרבה פחות להכרעות ערכיות כמו שימור, אופי קהילה או חלוקת כוח מוסדית.

• בכל מערכת עירונית חכמה כדאי לשאול לא רק עד כמה המודל מדויק, אלא גם מה חסר בנתונים שעליהם הוא נשען.

• כשהשונות בין מקרים גבוהה, כשהתלות רגולטורית משמעותית או כשההשפעה נוגעת לציבור מגוון, נדרש פיקוח אנושי ממשי ולא רק חתימה פורמלית.

הפנטזיה על עיר שמנהלת את עצמה דרך דאשבורד אחד, מסודר וברור, כנראה תישאר לפחות בעתיד הנראה לעין פנטזיה. ערים מבולגנות בהרבה. הן מחזיקות זיכרון היסטורי, אינטרסים סותרים, קהילות מאורגנות, בנייה מואצת, פוליטיקה, תקציב וגם טעויות אנוש. דווקא בגלל זה AI יכול להיות כלי מועיל, כל עוד לא מנסים להפוך אותו לשופט העליון של המרחב העירוני.

ואולי זה הלקח המרכזי שעולה מהחיבור הלא צפוי בין סטרטפורד, נהריה, באר יעקב ורמ”י. בעתיד העירוני הקרוב, השאלה לא תהיה רק אם יש לנו מודל חכם מספיק. השאלה תהיה אם יש לנו מוסדות זהירים מספיק כדי להשתמש בו בלי לשטח את מה שהופך עיר למקום שאנשים באמת רוצים לחיות בו.