מה הדיור בישראל מלמד על הגבולות של AI

נדל”ן נראה, לפחות במבט ראשון, כמו אחד התחומים הטבעיים ביותר לאוטומציה חכמה. יש בו מספרים, מפות, מחירים, תוכניות, מסמכים ועסקאות. על הנייר, זה כמעט מגרש משחקים לאלגוריתמים. אבל ארבע ידיעות שונות מהימים האחרונים מזכירות עד כמה שוק הדיור הישראלי נשען גם על אזורים אפורים ש-AI עדיין מתקשה לפענח באמת: אחריות באתרי בנייה, השאלה מה הופך שכונה לנחשקת, האופן שבו קהילה מגיבה לציפוף, והמקום שבו מודלים פיננסיים נתקלים במקרה אנושי שלא מסתדר עם התבנית.

זו לא ביקורת על הטכנולוגיה, ובוודאי לא טענה שצריך לוותר עליה. היא רק מציעה מבט מפוכח יותר: בשוק הדיור, AI עובד היטב בעיקר כשהבעיה מוגדרת וברורה. כשנכנסות לתמונה שאלות של סיכון, אמון, אופי מקומי או יכולת כלכלית מורכבת, הוא כבר לא מנוע החלטה. לכל היותר, הוא כלי עזר.

הנתונים לא מספרים את כל מה שקרה על הפיגום

הפשרה שנחתמה אחרי מותם של שני פועלים באתר יוקרה בתל אביב מחזירה לקדמת הבמה נקודה לא נוחה במיוחד בדיון על AI בענף הבנייה: בטיחות אינה רק עניין של ניטור. בשנים האחרונות הוצעו לאתרי בנייה מצלמות חכמות, חיישנים, ניתוח וידאו בזמן אמת ומערכות שמתריעות על חריגות. הרעיון נשמע כמעט מובן מאליו. אם תוכנה יודעת לזהות קסדה חסרה או כניסה לאזור מסוכן, אולי היא גם תסייע למנוע את התאונה הבאה.

אלא שתאונת עבודה קשה איננה רק כשל בזיהוי תמונה. בדרך כלל היא תוצר של שרשרת ארוכה: מי נשא באחריות, אילו נהלים נאכפו בפועל, מה היה מצב הציוד, איזה לחץ הופעל על קצב הביצוע, מי התריע מראש, ומה בכלל לא תועד. במילים אחרות, גם מערכת מתוחכמת לא פותרת לבדה תרבות ארגונית בעייתית, פיקוח חלקי או חלוקת אחריות מפוזרת בין יזם, קבלן, קבלן משנה וספק.

זה פער שחוזר גם בתחומים אחרים: AI יודע לזהות דפוס, אבל הרבה פחות טוב בלשאת באחריות. בענף הבנייה זו לא הערת שוליים, אלא נקודה קריטית. אפשר לאסוף עוד ועוד מידע מהשטח, אבל אם ההכרעות התפעוליות והמשפטיות מגיעות רק אחרי אסון, הטכנולוגיה נשארת שכבה נוספת מעל בעיה ישנה יותר.

דירה טובה היא לא רק ציון גבוה על המפה

בקצה אחר של השוק נמצאת שוכרת צעירה בתל אביב, שתיארה איך עברה בין כמה דירות עד שמצאה מקום שבאמת מתאים לה. לכאורה, זו אנקדוטה אישית. בפועל, יש בה שיעור די ברור לכל מי שמניח שחיפוש דירה הוא משימה ש-AI יפתור בקלות. הפלטפורמות הקיימות כבר יודעות להציג מחיר, מרחק מהעבודה, מספר חדרים, תחבורה, בתי קפה, ולעיתים גם הערכת רעש. ובכל זאת, אנשים ממשיכים להגיע פיזית, להתלבט, להתאכזב, ולפעמים לשנות כיוון ברגע האחרון.

הסיבה די פשוטה. הערך של מקום מגורים אינו רק סכום של פרמטרים. הוא בנוי גם מתחושה: כמה נעים לרדת לרחוב, איך נראית הכניסה לבניין, האם השכונה מרגישה חיה או דווקא מעייפת, ועד כמה מרחב העבודה, הספורט והבילוי באמת מתחברים לשגרה. אפשר לנסות לתרגם את כל זה לדאטה, אבל התרגום תמיד יישאר חלקי.

מכאן נולד פרדוקס מעניין. ככל שמנועי ההמלצה משתפרים, הם נעשים טובים יותר בסינון הראשוני, אבל לא בהכרח בבחירה עצמה. הם מקצרים את החיפוש. הם לא מחליפים שיפוט אישי. בישראל, שבה כמה רחובות יכולים לשנות לגמרי את חוויית המגורים, המגבלה הזו בולטת במיוחד.

המאבק על התחדשות עירונית אינו תקלה במערכת

בקריית טבעון, וגם במקומות נוספים, הוויכוח סביב התחדשות עירונית וציפוף חושף גבול אחר של AI. הוא מצטיין באופטימיזציה, אבל חלש בהרבה כשצריך להבין משמעות מקומית. אלגוריתם תכנוני יכול להראות בלי קושי היכן כדאי להוסיף יחידות דיור, איך לנצל קרקע בצורה יעילה יותר, ואיפה מבנים ישנים זקוקים לחיזוק. מבחינה הנדסית וכלכלית, התשובה יכולה להיראות חד משמעית.

אבל תושבים לא חיים בתוך גיליון אקסל. הם חיים בתוך נוף, זיכרון, הרגלים ותחושת שייכות. כשמישהו שואל “למה להרוס”, הוא בדרך כלל לא מתווכח רק על מספר הקומות. הוא מתנגד גם לתפיסה שמעדיפה תפוקה על פני אופי המקום. מערכות AI יכולות לנתח התנגדויות, למפות רגשות ברשתות, ואפילו לסייע בניסוח מסמכי הסברה לרשות מקומית. לגשר באמת על פער ערכי, זה כבר סיפור אחר.

מעניין שגם כאן הטכנולוגיה מופיעה בעקיפין דרך עולם ההייטק והצמיחה סביבו. כשחברות טכנולוגיה גדולות משפיעות על אזורי ביקוש, התכנון העירוני נעשה טעון יותר. ביקוש לדיור, איכות חיים, עומסי תשתית וזהות מקומית נכנסים כולם לאותה משוואה. AI יכול לעזור למדל אותה. הוא לא יכול להכריע איזה סוג של יישוב אנשים רוצים להיות בו.

כשמודל אשראי פוגש מקרה שלא נכנס יפה לטופס

הסיפור על זוג מבוגר שרכש דירה ראשונה אחרי קושי בגיוס מימון מחדד בעיה מסוג אחר. מערכות פיננסיות אוהבות פרופילים מסודרים: הכנסה קבועה, הון עצמי ברור, גיל שמתאים למסלול, הוצאות צפויות. ברגע שמגיע מקרה פחות סטנדרטי, כמו משק בית מבוגר שמסתמך על קצבאות וזכה בדירה מוזלת אבל לא בנה נכון את מבנה העלויות כולו, האוטומציה מתחילה להיתקל בקושי.

זה לא אומר שמודלי חיתום או כלי AI בבנקאות אינם מועילים. הם בהחלט יכולים לקצר תהליכים ולזהות סיכון. הבעיה היא שהם בנויים על דפוסים מהעבר, ולכן עלולים להיות שמרניים דווקא במקרים שבהם נדרש מבט גמיש יותר. לא כדי לקחת סיכון לא סביר, אלא כדי להבין את התמונה המלאה: נכס שנרכש בהנחה, מסלול חיים אחר, מסגרת משפחתית מסוימת, ותזרים שלא דומה לזה של שכיר קלאסי.

כאן עולה תובנה חשובה יותר מכל הבטחה על “בינה פיננסית”. לפעמים הערך של איש מקצוע אנושי אינו במה שהוא יודע לחשב, אלא במה שהוא יודע למסגר מחדש. במקרה כזה, הבעיה לא הייתה רק מספרית. היא הייתה גם פרשנית. מישהו היה צריך להבין איך להציג את התיק כך שיהיה מובן גם למערכת.

אז איפה AI כן מועיל בשוק הדיור

החדשות הטובות הן שהמסקנה אינה ש-AI מיותר. היא פשוט מתונה יותר.

• בבטיחות בנייה הוא יכול לזהות חריגות מוקדם יותר ולשפר את התיעוד, כל עוד לא מצפים ממנו להחליף אחריות ניהולית ומשפטית.

• בחיפוש דירה הוא יכול לחסוך זמן, לסנן אפשרויות ולהציג מידע שלא היה נגיש בעבר, אבל לא להחליט במקומנו מה מרגיש נכון.

• בתכנון עירוני הוא יכול להמחיש תרחישים, לחשב עומסים ולהפוך את הדיון הציבורי ליותר מבוסס נתונים, בלי לבטל את הוויכוח האמיתי על אופי המקום.

• באשראי הוא יכול לסייע בניתוח מסמכים ובהערכת סיכון, אך מקרים חריגים עדיין דורשים שיקול דעת זהיר ולא רק ציון אוטומטי.

הלקח הרחב יותר: הדיור הוא מבחן טוב במיוחד ל-AI

אולי בגלל זה שוק הדיור הוא אחד ממבחני המציאות המעניינים ביותר בעידן ה-AI. יש בו הכל: רגולציה, כסף גדול, חיי יומיום, אי שוויון, בטיחות, פוליטיקה מקומית, והרבה מאוד רגש. זה תחום שמפתה במיוחד את מי שמאמין שאפשר למדוד הכל ולשפר הכל באמצעות תוכנה. ואז המציאות מזכירה שלא כל בעיה היא בעיית חיזוי.

מי שבונה כיום כלי AI לעולם הנדל”ן הישראלי צריך להבין לא רק נתונים, אלא גם הקשר. לא רק מחירים, אלא גם יחסי כוח. לא רק העדפות צרכניות, אלא גם שפה מקומית, ביורוקרטיה והרגלים חברתיים. זה אולי פחות נוצץ ממנוע המלצות או ממערכת דירוג סיכון, אבל כנראה קרוב יותר לאופן שבו השוק הזה באמת עובד.

בסופו של דבר, הדיור בישראל לא סובל ממחסור במידע. לעיתים חסרה דווקא היכולת לחבר בין סוגי מידע שונים, בלי למחוק את הממד האנושי שבתמונה. אם AI יצליח לעשות את זה, אפילו באופן חלקי, הוא יהיה כלי משמעותי. אם לא, הוא יישאר בעיקר שכבת נוחות מעל שוק שממשיך להיות מורכב, יקר, ולעיתים גם קשוח הרבה יותר מכל מודל.