מהלך AI לא נבנה רק בקוד: שלושת היסודות שמבדילים בין הדגמה למערכת אמיתית

אחת הטעויות השכיחות בשיחה על AI היא להתמקד כמעט רק במודל. בפועל, המודלים המרשימים הם בעיקר החלק הנראה לעין. כדי להבין למה יוזמות מסוימות הופכות לתשתית של ממש, בעוד אחרות נשארות ברמה של הדגמה מוצלחת למצגת, שווה להסתכל דווקא על תחומים שנראים רחוקים מטכנולוגיה: מונומנטים היסטוריים, עסקאות נדל”ן ושינויים במבנה של גופים גדולים.

החוט המקשר ביניהם די מפתיע. גם שם, כמו ב-AI, רעיון טוב לבדו לא מספיק. צריך מימון שמגיע בזמן, מנגנון ביצוע שעובד, ונכס בסיס ששומר על ערך גם אחרי שהבאזז דועך.

1. חזון גדול לא פותר את שאלת המימון

הסיפור של פסל החירות ממחיש היטב נקודה שחברות טכנולוגיה נוטות לעיתים לפספס. זה היה רעיון שאפתני מאוד, כמעט מופרז, אבל בלי גיוס תמיכה רחב ובלי חלוקת תפקידים ברורה בין מי שקידם את החזון לבין מי שמימן וביצע אותו, הוא לא היה מתממש. לא נדיב יחיד עמד מאחוריו, וגם לא מוסד מרכזי אחד. זה היה מאמץ מצטבר, משני צדי האוקיינוס, עם תרומות של אזרחים רגילים.

את אותו פער רואים היום גם ב-AI. הנהלה מציגה חזון, צוות מדגים יכולת, והקהל מתרשם. ואז מגיעה השאלה המעשית: מה קורה אחרי ההכרזה. בלי מסלול מימון עקבי, מערכות כאלה נתקעות מהר. עלויות מחשוב, רישוי, הטמעה, ניקוי מידע, אבטחה, בקרה אנושית ועמידה ברגולציה אינן סעיף שולי בתקציב. הן לב הפרויקט.

לכן השאלה המרכזית איננה רק עד כמה המודל חכם, אלא מי מממן את תקופת הביניים שבה עדיין אין החזר ברור. בארגונים רבים, פרויקט AI מתחיל כהתלהבות של יחידה אחת ונעצר ברגע שהחשב מבקש לראות תועלת מדידה. לעומת זאת, מהלכים שנבנים בהדרגה, עם תמיכה של כמה יחידות ועם שותפות רחבה יותר בתוך הארגון, נוטים להחזיק מעמד. לא כי הם מלהיבים יותר, אלא כי הם בנויים כתשתית ולא כקמפיין.

2. שווי על הנייר לא מבטיח ליבה בריאה

גם עולם הנדל”ן מציע כאן שיעור שימושי. יש הבדל בין שווי, הון ונזילות לבין ביצועים שוטפים. חברה יכולה להציג גידול בהון העצמי בעקבות מימוש נכסים, ובאותו זמן לסבול מירידה חדה בהכנסות. זו לא סתירה. זו פשוט תמונה מורכבת יותר מהכותרת.

כך כדאי לקרוא גם את שוק ה-AI. סטארט-אפ יכול לקבל שווי גבוה מאוד, או להיסחר סביב נרטיב חזק, גם לפני שהוכיח מודל עסקי יציב. ארגון גדול יכול להכריז על “אסטרטגיית AI” מרשימה ולהציג דמו מצוין, אבל מאחורי הקלעים לגלות שהתשתיות מפוזרות, הנתונים לא אחידים, והאימוץ בפועל נמוך.

ההבחנה הזו חשובה במיוחד עכשיו, כשיותר חברות מנסות להגדיר את עצמן מחדש דרך AI. לפעמים יש מאחורי זה מהלך אמיתי. לפעמים זה בעיקר שכתוב של הסיפור התאגידי. בשני המקרים, השוק נוטה בתחילה לתמחר פוטנציאל. בהמשך, מה שמכריע הוא לא רק ההבטחה אלא איכות הנכס התפעולי: האם יש מידע אמין, האם אפשר לחבר מערכות ישנות, האם קיימת יכולת הטמעה במחלקות השונות, והאם בכלל יש משתמשים פנימיים שמוכנים לשנות הרגלי עבודה.

במובן הזה, “נכס” בעולם ה-AI הוא לא רק שרתים או קניין רוחני. זה יכול להיות מאגר מידע ייחודי, תהליך עבודה מסודר, אמון של משתמשים, או מומחיות מצטברת של צוות קטן שיודע לתרגם בעיה עסקית למשימה חישובית. בלי הנכסים האלה, השווי נשאר במידה רבה תיאורטי.

3. בלי מבנה ארגוני, גם טכנולוגיה טובה נתקעת

מינוי של בכיר במשרד ממשלתי לא נראה, במבט ראשון, כמו ידיעה ששייכת לקטגוריית הטכנולוגיה. אבל כשבוחנים את המשמעות הארגונית, התמונה מתחדדת: גוף שרוצה לקדם פרויקטים רחבי היקף מקים זרוע ייעודית, מגדיר תחומי אחריות ומחבר בין המטה לשטח. זה צעד מבני, לא רק תקשורתי.

גם בארגוני AI זו לא פעם נקודת המפנה. כל עוד האחריות מפוזרת בין חדשנות, IT, מוצר, משפטית ותפעול, הפרויקט מתקדם לאט. יש ישיבות, יש פיילוטים, יש מסמכי כוונות. מה שחסר הוא בעל בית. ברגע שיש זרוע ברורה, עם סמכות לתאם בין יחידות ואחריות על תיעדוף, אפשר להתחיל לזוז באמת.

זה אולי פחות מסעיר מהשקת מודל חדש, אבל לעיתים כאן עובר הקו בין ניסוי מעניין לבין מערכת שנכנסת לשגרה. AI בארגון איננו רק שכבת תוכנה. הוא שרשרת של החלטות: מי מאשר שימוש במידע, מי בודק סיכונים, מי מטפל בטעויות, מי מגדיר מדדי הצלחה, ומי אחראי כשהמערכת מייצרת תוצאה בעייתית. בלי המבנה הזה, הטכנולוגיה נעצרת באמצע.

4. ערך היסטורי מזכיר יותר נתונים איכותיים ממה שנדמה

גם עסקת המכירה של וילה היסטורית בירושלים מוסיפה כאן זווית מעניינת. המחיר הגבוה לא נשען רק על שטח בנוי או על מיקום, אלא גם על שכבה שקשה יותר לכמת: נדירות, סיפור, אופי ומעמד. ובמקביל, הנכס עדיין דורש שיפוץ. כלומר, הערך הסמלי לא פוטר מהשקעה מעשית.

זו אנלוגיה לא רעה לנתונים בעולם ה-AI. לא מעט ארגונים מחזיקים “נכס” שנראה יקר מאוד על הנייר: שנים של מסמכים, תיעוד עסקאות, שירות לקוחות, ידע מקצועי והיסטוריית תפעול. אבל כמו מבנה ותיק, גם המאגר הזה לא תמיד מוכן לשימוש. הוא עשוי להיות לא אחיד, לא מסומן, מפוזר בין מערכות, או כפוף למגבלות גישה ופרטיות.

לכן, כשאומרים שלחברה יש יתרון בזכות “הדאטה שלה”, כדאי לעצור לרגע. השאלה איננה רק אם הנתונים קיימים, אלא אם אפשר לעבוד איתם. האם הם מתועדים היטב, האם יש בעלות ברורה על מקורות המידע, האם מותר להשתמש בהם למטרות מסוימות, והאם יש הקשר שמאפשר למודל ללמוד מהם בלי לייצר שגיאות יקרות.

במובן הזה, ניקוי מידע וארגון שלו הם השיפוץ הפחות זוהר של עולם ה-AI. מבחוץ כמעט לא רואים אותו, אבל בלעדיו קשה להוציא מהנכס את מה שמייחסים לו.

הלקח הרחב: AI הוא פרויקט בנייה

כשמחברים את כל הקצוות מתקבלת תמונה מפוכחת למדי. מהלך AI רציני דומה יותר לפרויקט בנייה מורכב מאשר לאפליקציה שמעלים בסוף שבוע. הוא יכול להתחיל בסיפור משכנע, אבל הוא לא מתקיים מסיפור בלבד. הוא נשען על הון, על תיאום, על נכס בסיס ועל עבודת תחזוקה שלא תמיד נראית טוב מבחוץ.

זה נכון לחברות צעירות, וזה נכון גם לארגונים ציבוריים ופרטיים גדולים. במקרים רבים, ההכרעה לא תהיה מי הציג ראשון דמו מרשים, אלא מי בנה מנגנון שיכול להחזיק את הטכנולוגיה גם אחרי שההתלהבות הראשונית שוככת. לפעמים זה אומר להשקיע פחות בהצהרות ויותר בארכיטקטורה ארגונית. לפעמים זה אומר להאט לרגע את המרוץ, להבין מה באמת שייך לארגון, מה דורש שיקום, ואיפה יש תלות גבוהה מדי בספק חיצוני.

אין כאן נוסחה אחת שמתאימה לכל גוף, וגם לא ודאות לגבי התוצאות. ארגונים שונים פועלים תחת אילוצים שונים של תקציב, רגולציה ותרבות ניהול. ובכל זאת, דבר אחד כבר נראה ברור למדי: מי שמתייחס ל-AI כאל שכבת זוהר מעל העסק עלול לגלות מהר שהברק מחזיק פחות מהצפוי. מי שמתייחס אליו כתשתית שצריך לממן, לארגן ולתחזק, בונה משהו שיש לו סיכוי טוב יותר להישאר.

• חזון מושך תשומת לב, אבל מימון קובע את הקצב.
• שווי גבוה לא מעיד בהכרח על מוכנות תפעולית.
• מבנה ארגוני ברור חשוב כמעט כמו איכות המודל.
• נתונים הם נכס רק אם אפשר להשתמש בהם באופן מסודר ואחראי.

המידע בכתבה הוא מידע כללי בלבד ואינו מהווה ייעוץ משפטי. בכל מקרה פרטני כדאי לבחון את העובדות והמסמכים מול איש מקצוע מתאים.