מה בוני מוצרי AI יכולים ללמוד מאתר סקי, משוק דיור תקוע ומעסקאות בחדר סגור

אחת ההנחות השגויות הנפוצות סביב AI היא שמספיק להוסיף יכולת, להגדיל מודל או לפתוח עוד ערוץ שימוש, והשוק כבר יתיישר בהתאם. במציאות זה כמעט אף פעם לא עובד כך. משתמשים לא מאמצים טכנולוגיה רק מפני שהיא חזקה יותר. הם בוחנים אם נוח להם לעבוד איתה, אם היא מתיישבת עם החששות שלהם, אם היא מספיק שקופה, ואם היא באמת פותרת את הבעיה שמעסיקה אותם עכשיו.

כדי להבין את זה, לא חייבים להסתכל רק על עמק הסיליקון. לפעמים דווקא דוגמאות מעולמות אחרים מחדדות את התמונה: אתר נופש שמתרחב אבל מנסה לשמור על אופי מקומי, שוק דיור שבנה הרבה אך מתקשה לשכנע קונים, עסקאות שזולגות למסגרות פחות שקופות, או רוכשים שמוכנים לשלם יותר על פרט שנראה שולי כלפי חוץ כי עבורם הוא קשור לתחושת ביטחון. יחד, כל אלה מציעים מסגרת מחשבה לא רעה בכלל למה שעובד, ומה שפחות, בבניית מוצרי AI.

1. צמיחה לא מחליפה זהות מוצר

בעולם ה-AI יש פיתוי קבוע להתרחב מהר: עוד פיצ’רים, עוד אינטגרציות, עוד שימושים, עוד שכבות אוטומציה. על הנייר זה נשמע מתבקש. אבל ככל שמוצר גדל, כך גדל גם הסיכון שיאבד את הסיבה שבגללה אנשים רצו אותו מלכתחילה.

זה כבר קורה ללא מעט כלים שהתחילו כפשוטים, כמעט אינטימיים, ותוך שנה הפכו למערכת עמוסה בכפתורים, סוכנים, מצבים ותפריטים. במקום להרגיש חכמים יותר, הם מתחילים להרגיש כמו תוכנה שמנסה להרשים. מבחינת משתמשים, במיוחד בארגונים, זו לא בהכרח התקדמות. לפעמים זו פשוט שחיקה.

מכאן עולה שאלה בסיסית: כשמוצר AI צומח, לא רק מה נוסף חשוב, אלא גם מה נשמר. האם החוויה עדיין ברורה? האם המשתמש עדיין מרגיש בשליטה? האם הקסם הראשוני נשאר, או שהוא הוחלף בארכיטקטורה מרשימה אך מרוחקת?

צוותים טכנולוגיים רגילים למדוד קיבולת, ביצועים ועלות חישוב. אלה מדדים חשובים, אבל הם לא מספרים אם המוצר שומר על האופי שלו. ואופי מוצרי הוא לא קישוט. בעולם AI, שבו לא מעט מוצרים נשענים על תשתיות דומות, זה לפעמים ההבדל בין כלי שאנשים חוזרים אליו שוב ושוב לבין כזה שמדגימים פעם אחת ושוכחים.

2. יותר היצע לא פותר בעיית ביקוש

יש גם טעות אחרת, נפוצה לא פחות: לזהות האטה באימוץ ולהסיק שצריך פשוט לייצר עוד. עוד מודלים, עוד גרסאות, עוד הצעות מחיר, עוד חבילות. אלא שבשווקים רבים, וגם בטכנולוגיה, הבעיה איננה מחסור בהיצע אלא הפער בין מה שנבנה לבין מה שהקהל מוכן לקבל.

אפשר לראות את זה היטב במוצרי AI לארגונים. ספקים מוסיפים שכבות מתוחכמות של סיכום, יצירת תוכן, אוטומציית תהליכים וניתוח מסמכים, בזמן שהלקוח עדיין מתעכב על שאלות הרבה יותר בסיסיות: מי אחראי לטעויות, איפה נשמר המידע, כמה עבודה תידרש כדי להטמיע את המערכת, והאם היא באמת תחסוך זמן במחלקה מסוימת או רק תוסיף עוד שלב ביקורת.

במילים אחרות, יש לא מעט מוצרים שנבנו היטב אבל לא נמכרים היטב. לא מפני שהם חלשים, אלא מפני שהם לא יושבים נכון על מציאות החיים של המשתמש. כמו בפרויקטים שמניחים שקהל היעד יגיע מעצמו רק כי הנתונים היבשים נראים טוב, גם ב-AI אפשר לגלות שהמוצר מסודר, הטכנולוגיה מתקדמת, והביקוש פשוט לא מתנהג לפי המצגת.

זה מחייב מידה של צניעות. אם ארגון לא מאמץ כלי AI, לא בטוח שהבעיה היא בהסברה או ברמת החדשנות. לפעמים המוצר פשוט נבנה על הנחה שגויה: לגבי התקציב, קצב העבודה, רמת הסיכון שהלקוח מוכן לשאת, או הבעיה שבאמת דחופה לו כרגע.

איך זה נראה בפועל

• מוצר שמציע אוטומציה מלאה, בזמן שהלקוח מחפש רק טיוטה ראשונית תחת פיקוח אנושי.
• פלטפורמה רחבה מדי עבור צוות קטן שרוצה פתרון נקודתי.
• מודל חזק במיוחד, כשדווקא המהירות, הפשטות והטמעה קלה הם המקום שבו נמצא הערך העסקי.

3. שקיפות היא לא בונוס, אלא חלק מהמוצר

ככל שהמערכות נעשות חזקות יותר, כך מתחדדת שאלה ותיקה: מי בכלל בודק מה קורה בפנים. בעולם ה-AI, דיוק לבדו כבר לא מספיק. ארגונים, רגולטורים ומשתמשים רוצים להבין איך התקבלה תוצאה, מי יכול לערער עליה, ומה קורה אם נגרם נזק.

כאן נכנס ממד שרבים נוטים לזלזל בו בשלב הבנייה: שקיפות פרוצדורלית. לא רק האם המודל איכותי, אלא האם תהליך העבודה סביבו גלוי מספיק. האם יש לוגים. האם יש הסבר. האם אפשר לשחזר החלטה. האם קיימת דרך ברורה לעצור, לתקן או להעביר מקרה לבדיקה אנושית.

מוצרים שפועלים כמו חדר סגור יכולים לייצר נוחות בטווח הקצר. פחות חיכוך, פחות שאלות, פחות חשיפה. אבל בטווח הארוך זה נעשה חסם. ברגע שנוגעים בכסף, בקבלה לעבודה, בתמחור, באבחון, באשראי או בהחלטות תפעוליות רגישות, עמימות כבר לא נראית אלגנטית. היא נתפסת כסיכון.

בישראל זו נקודה רגישה במיוחד. ארגונים פועלים כאן בסביבה משפטית, ציבורית וביטחונית תנודתית יחסית. מנהלים לא תמיד מחפשים את המערכת הכי חכמה. לעתים הם יעדיפו מערכת מעט פחות נוצצת, אם אפשר להבין איך היא פועלת, מהם הגבולות שלה, ואיפה האחריות נשארת בידיים אנושיות.

4. משתמשים לא קונים רק פונקציה. הם קונים שקט

עולם הטכנולוגיה אוהב לדבר בשפה של אופטימיזציה: יותר מהיר, יותר זול, יותר מדויק. אבל בני אדם מקבלים החלטות גם דרך חרדה, זהירות ותחושת ביטחון סובייקטיבית. לפעמים הם אפילו מוכנים לשלם יותר, לוותר על משהו אחר או לבחור באפשרות שפחות יעילה על הנייר, אם היא נותנת מענה לפחד קונקרטי.

במוצרי AI זה בולט במיוחד. לקוחות לא שואלים רק מה המערכת יודעת לעשות. הם שואלים מה יקרה אם היא תטעה. האם מידע רגיש עלול לדלוף. האם העובדים יאבדו שליטה. האם אפשר לכבות תכונה מסוימת. האם הנתונים נשארים בתוך הארגון. האם הממשק משדר יציבות, או תחושה של ניסוי.

לכן לא מעט החלטות רכש בתחום מתקבלות סביב פרטים שנראים משניים למפתחים, אבל למשתמשים הם קריטיים. למשל:

• אפשרות להפעיל מודל בסביבה סגורה או מקומית.
• שליטה מדויקת בהרשאות ובהיסטוריית שימוש.
• יכולת לבחור מתי תשובה נוצרת אוטומטית ומתי היא רק מוצעת כהמלצה.
• הפרדה ברורה בין מידע פנימי לבין מקורות חיצוניים.

אלה לא תמיד הפרטים שמובילים את כותרות ההשקה. ובכל זאת, לא פעם בדיוק שם נמצא ההבדל בין כלי שמקבל אישור בארגון לבין כזה שנתקע חודשים בבדיקות.

השאלה הנכונה לבוני AI כרגע

במקום לשאול רק מה עוד אפשר לבנות, אולי נכון יותר לשאול על מה המשתמש מנסה להגן. לפעמים זו הזהות של המוצר. לפעמים רמת השקיפות. לפעמים הוודאות התפעולית. ולפעמים זה בכלל משהו רגשי לגמרי: תחושה שהמערכת לא תכניס אותו לסיטואציה שאין ממנה דרך חזרה.

הגל הנוכחי של AI מפתה לחשוב בקנה מידה, וזה מובן. אבל אחרי שלב ההתלהבות, השוק מתחיל להתנהג כמו שווקים ותיקים בהרבה. הוא מתגמל התאמה, לא רק חדשנות. הוא בוחן אמון, לא רק יכולת. והוא לא תמיד קונה את מה שהכי מרשים במצגת.

לכן, מי שיזכו לתשומת לב מתמשכת לא יהיו בהכרח הצוותים שיציגו את הדמו הכי נוצץ. ייתכן שאלה דווקא מי שידעו לזהות מה באמת רגיש אצל הלקוח, מה דורש בהירות, ומה אסור להפוך לקופסה שחורה. זה אולי נשמע פחות זוהר מהבטחה ל”מהפכה”, אבל בדרך כלל זו קרקע יציבה יותר לבנות עליה מוצר לאורך זמן.