קרדיט תמונה: Zirat AI / AI
ארגונים מסתערים על AI, האם הם מוכנים לזה?
שבוע חם של עסקאות AI בארגונים: Zendesk חושפת סוכני תמיכה אוטונומיים שטוענים לפתרון 80% מהפניות, Anthropic חוברת ל‑IBM וגם לדלויט, ו‑Google מציגה פלטפורמת Gemini לעסקים. לצד ההבטחה, פרשת הדו"ח ה"מזוברח" של דלויט מזכירה: בלי בקרה ואחריות — המחיר תדמיתי וכספי.
בזירת ה‑AI הארגונית נרשמה האצה: Zendesk הכריזה על סוכני תמיכה חדשים שמבטיחים לפתור עד 80% מהפניות, Anthropic הודיעה על שותפות אסטרטגית עם IBM ובמקביל על הרחבת עבודה עם Deloitte, ו‑Google השיקה פלטפורמת Gemini Enterprise לעסקים. אך לצד ההייפ, קיבלנו גם תזכורת לכשלי יישום: דלויט תיאלץ להחזיר תשלום למשרד ממשלתי באוסטרליה לאחר שדו"ח שסיפקה הכיל "הזיות" AI — אירוע שמדגיש את חשיבות הבקרה האנושית והאחריות על תוצרים.
מבחינת אימוץ בפועל, המהלך של Zendesk משקף מגמה רחבה: מעבר משכבת צ'אטבוטים בסיסית לסוכנים אוטונומיים שמנהלים שיחה, שולפים ידע ארגוני ומבצעים פעולות קצה‑לקצה. שותפויות כמו Anthropic‑IBM מעידות שארגונים גדולים מעדיפים פתרונות מאובטחים עם ממשקי שילוב ושכבות ניהול סיכונים, ולא רק "מודל חזק". Google, מצדה, דוחפת חבילת עבודה הוליסטית סביב Gemini עם כלים לשיתופיות, אבטחה וניהול זהויות.
רוצה להישאר מעודכן ב-AI?
הירשם לדיוור השבועי שלנו וקבל עדכונים, המלצות על כלים, חדשות ודוחות מיוחדים
לשוק הישראלי יש זווית מעניינת: מרכזי שירות ותמיכה הם מנוע אימוץ מובהק, ותעשיית CX מקומית חזקה (למשל, חברות ישראליות הפועלות בתחומי מכירת‑על ומוקדים חכמים) משלבת כבר היום מודלים גנרטיביים לניתוח שיחות, סיכומים אוטומטיים והכוונת נציגים בזמן אמת. עם זאת, תמיכה מלאה בעברית, דיוק בהקשרים מקומיים ודרישות הגנת הפרטיות (כולל התאמות ל‑GDPR ולדין הישראלי) מחייבים תכנון Data Governance הדוק, וייתכן צורך ב‑data residency או באופציות ענן פרטיות.
כדי לעבור מהבטחה ל‑ROI מדיד, ארגונים נדרשים לגשת ל‑AI כמוצר תפעולי:
- הגדרת Use Cases מדורגים: להתחיל מהיקף מוגבל עם KPI ברור (זמן טיפול, שיעור פתרון ראשון, NPS) ולהרחיב לפי ביצועים.
- הקשחת תשתית הידע: חיבור ל‑FAQs, מסדי ידע ו‑CRM בעזרת RAG, יחד עם גרסאות ותיעוד מקורות לצורך ביקורת.
- Guardrails והפחתת הזיות: שילוב אימות ציטוטים, בדיקות עובד‑במעגל ו‑RLHF ממדדי איכות ארגוניים.
- פרטיות ואבטחה: ביקורת גישה, מספור אירועים, הצפנה ותיחום נתונים רגישים; בחינת אפשרויות EU/IL לאחסון.
- ניהול ספקים: SLA לזמינות ולדיוק, לוגים מפורטים, שקיפות גרסאות מודל וזכות יציאה ללא "נעילה".
ומה הלאה? כנראה אימוץ רב‑מודלי: שילוב מודלים שונים לפי משימה, כדי לאזן דיוק, עלויות ותמיכה בשפה. עבור שפה עברית, הפערים מצטמצמים, אך חשוב לבצע השוואות ביצועים על נתוני אמת של הארגון, ולא להסתפק בהדגמות. הלקח מפרשת דלויט ברור: AI יכול לקצר תהליכים ולשפר חוויית לקוח, אך ללא בדיקה, אחריות ו‑QA קפדני — הנזק עלול לעלות על התועלת.