האתגר האמיתי של AI בארגונים: להפוך פיילוט למערכת שעובדת

הבינה המלאכותית משנה את ייעוץ ה-IT הארגוני: במקום למכור בעיקר צוותים ושעות עבודה, ספקים מנסים להטמיע תוכנה שחוזרת על עצמה בתוך תהליכי העבודה של הלקוח. לשם כך נדרשים גם מהנדסים שעובדים לצד צוותי הארגון — וגם אחריות לתוצאה שניתן למדוד.

ההזדמנות אינה שמורה רק למפתחי מודלים או לחברות ייעוץ. מי שיצליח לשלב פלטפורמה שאפשר להשתמש בה שוב, שילוב מעשי במערכות הלקוח ומדד ברור להצלחה, עשוי ליהנות מיתרון. שיתופי פעולה שמציבים מהנדסים בחזית הפריסה מעידים שגם חברות תוכנה וגם חברות שירותים מבקשות לתת מענה לפער שבין הדגמה לבין שימוש שוטף.4

למה פיילוטים נתקעים לפני פריסה

הדגמה יכולה לפעול על מידע שנבחר במיוחד. מערכת שמגיעה לייצור צריכה להתמודד עם מציאות מורכבת יותר: להתחבר למערכות ותיקות, לציית להרשאות, להתמודד עם מידע שמשתנה, לאפשר ביקורת על החלטותיה ולהשתלב באופן שבו עובדים באמת מבצעים את עבודתם. נדרש גם גורם שאחראי לפרויקט וקו בסיס שמאפשר למדוד חיסכון או גידול בהכנסות.

המספר 95% שמוזכר לעיתים בהקשר הזה מתייחס להיעדר תשואה כספית מדידה במחקר מסוים — לא לשיעור אוניברסלי של פיילוטים שלא הגיעו לייצור.6

מי עשוי להרוויח מהמודל החדש

Palantir היא דוגמה בולטת לפריסה בארגונים גדולים, שבהם נדרשים ממשל נתונים ובקרה. לפי הנתונים שדווחו, ההכנסות המסחריות שלה בארצות הברית עלו ב-133% לעומת הרבעון המקביל ברבעון הראשון של 2026. צמיחה כזו אינה מוכיחה בפני עצמה שכל פריסה הניבה ללקוח החזר השקעה.1

ServiceNow עשויה ליהנות מהוספת יכולות AI לתהליכי עבודה ולמערכת מנויים קיימת. הכנסות המנויים שלה ברבעון הרביעי של 2025 צמחו ב-21% לעומת התקופה המקבילה.2

Accenture וחברות אינטגרציה גדולות אחרות מביאות איתן גישה ללקוחות, ניסיון במעבר ממערכות ותיקות ומומחיות בענפים שונים. האתגר שלהן הוא להפוך עבודה שחוזרת אצל לקוחות שונים לכלים ולרכיבים שאפשר לעשות בהם שימוש חוזר — במקום להוסיף עוד ועוד כוח אדם לכל פרויקט. ביוזמה של Accenture ו-Google Cloud משולבים מהנדסים המוטמעים אצל הלקוח עם מומחיות ענפית.4

בשוק הביניים, מודל מבטיח עשוי להיות ממוקד יותר: מחברים מוכנים למערכות, מספר מצומצם של תהליכים ענפיים חוזרים, הטמעה בהיקף מוגדר ותפעול שוטף. עם זאת, אין כאן די ראיות כדי לקבוע מי החברה שתוביל את השוק הזה.

למה מערכות ותיקות ותחומים מפוקחים הם מבחן משמעותי

חיבור למערכות קיימות, בקרות אבטחה, תיעוד לצורכי ביקורת וניהול שינוי ארגוני הופכים פרויקטים כאלה למורכבים יותר מפיילוט של צ'אטבוט. אבל המורכבות גם פותחת הזדמנות לספק שמוכן להפעיל מערכת עובדת ולשאת באחריות לה — ולא רק להגיש המלצה. בין התהליכים שאליהם מכוונים מודלים כאלה נמצאים מעבר מערכות ודיווח רגולטורי.11

פלטפורמה עשויה לשפר את הכלכלה — אך לא מעצם הכינוי

במודל שירותים המבוסס על כוח אדם, הגדלת ההכנסות מחייבת בדרך כלל יותר שעות עבודה שניתן לחייב עליהן. פלטפורמה אמיתית יכולה לפזר בין לקוחות את עלויות פיתוח המחברים למערכות, מנגנוני הממשל ותהליכי העבודה. כך, פריסות מאוחרות יותר עשויות לדרוש פחות עבודה ייחודית ולהשיג שולי רווח טובים יותר על הפעילות הנוספת.

זו אפשרות שצריך לבדוק, לא תוצאה מובטחת: C3 AI דיווחה על שיעור רווח גולמי לפי כללי GAAP של 32% ברבעון שהסתיים ביולי 2026, אף שהיא ממוצבת כחברת תוכנה לבינה מלאכותית ארגונית.5

עלויות המעבר עשויות לגדול כאשר מערכת מפעילה באופן אמין תהליכים חשובים וצוברת חיבורים, הרשאות והיסטוריה תפעולית. עם זאת, ארגונים צריכים להבחין בין ערך תפעולי אמיתי לבין תלות שנובעת רק מקוד מותאם אישית או מקושי לייצא נתונים.

חמש בדיקות שיעזרו לזהות פלטפורמה אמיתית

1. כמה מהפיילוטים מגיעים לשימוש שוטף: בדקו את שיעור הפרויקטים הפעילים אחרי שישה ואחרי שנים-עשר חודשים, ודרשו הגדרה ברורה למה נחשב "פעיל".
2. מה התוצאה ללקוח: בדקו תוצאות מאומתות מול קו בסיס שנקבע לפני ההטמעה.
3. מה מקור ההכנסה: הפרידו בין הכנסות חוזרות מתוכנה לבין דמי ייעוץ והטמעה, ובחנו גם את שימור הלקוחות.
4. מהן העלויות המלאות: כללו בחישוב שיעור הרווח הגולמי את עלויות המהנדסים, הענן והתמיכה.
5. כמה משאבים נדרשים בכל פריסה: עקבו אחר זמן ההטמעה ושעות ההנדסה אצל לקוחות עוקבים.

פלטפורמה אמורה לאפשר פריסות נוספות מהירות וזולות יותר, ולהתרחב בלי גידול מקביל בכוח האדם שמספק את השירות. אם כל חוזה חדש מחייב צוות מותאם מאפס, מדובר בעיקר בייעוץ — גם אם בחשבונית מופיעה המילה "פלטפורמה".