מיישם ה AI - התפקיד שחסר וימנע את כישלון הטכנולוגיה בארגון

30.04.2026

אבישי מרון | מנכ"ל ומייסד AM Consulting, חתום על מעל 10 פטנטים בתחום AI. מהנדס AI ומוביל פרויקטים בחברות גלובליות 

רז הייפרמן | יועץ בכיר לטרנספורמציה דיגיטליתBDO Consulting, מרצה בתוכניות MBA ברופין ובאונו

---

רקע

הטמעת ומינוף ה-AI בארגונים לא נכשלים טכנולוגית, אלא ארגונית – חסר תפקיד שמחבר בין יכולות ה-AI לתהליכי העבודה העסקיים. תפקיד זה מוגדר כ'מיישם ה-AI', והיעדרו גורם ל-95% מהפיילוטים לא להניב תשואה מדידה.

סדרת המאמרים הנוכחית בוחנת את התפקיד הזה: מה מהותו, למה אף כותרת תפקיד קיימת אינה מכסה זאת, ומה המחיר של המשך ההתעלמות מהצורך בו. כל מאמר בסדרה מתמודד עם אחת מדרכי הכשל הספציפיות של פריסת בינה מלאכותית (Deployment),  ומה שמיישם ה-AI עושה כדי למנוע אותה.

המאמר הזה פותח את הסדרה על תפקיד מיישם ה-AI ומניח את הבסיס ליתר המאמרים.

מיישם ה-AI הוא תפקיד ייחודי עם מחסנית מיומנויות ייחודית: אבחון תהליכי עבודה, איתור נושאים (Use Cases) המתאימים ליישום ב-AI, תרגום עסקי, משילות מינימלית מספיקה (Minimum Viable Governance) וניהול שינוי בלתי נראה

המאמר הזה פותח את הסדרה על תפקיד מיישם ה AI ומניח את הבסיס ליתר המאמרים.

95 אחוז זה לא שגיאת עיגול

נתחיל עם המספר שהיה צריך לפתוח כל כתבה עסקית ב-2025 – ובאופן מוזר לא פתח אף אחת: 95% מהפיילוטים (Pilots) של AI ארגוני לא מייצרים תשואה מדידה. זה מספר שמגיע לעצור ולעכל אותו רגע.

לא 30%. לא 60%. תשעים וחמישה אחוז!!

מדובר בתעשייה שהוציאה 644 מיליארד דולר על בינה מלאכותית גנרטיבית (Generative AI) ב-2025 בלבד – עלייה של 76.4% לעומת השנה הקודמת – כשהרוב המוחלט לא הניב כלום מדיד. הפורום הכלכלי העולמי (WEF) מגלה שכמעט כל המנכ"לים מצהירים שהם מוכנים להוביל טרנספורמציה של AI בארגון שלהם – אבל ביצוע בפועל חושף חרדות ניכרות. הביטחון העצמי סותר את המספרים. הפער בין כוונה מוצהרת למימוש בפועל, הוא לא אי-נוחות מינורית. זוהי הבעיה כולה.

האבחנה המקובלת מפנה אצבע לחוסר בשלות טכנולוגית, בעיות איכות נתונים, או עובדים שמתנגדים לשינוי. אלה הסברים נוחים, כי הם מצביעים על דברים שאפשר לפתור בכסף – תשתיות, צינורות נתונים (Data Pipelines), הדרכות שכולם שונאים. ההסבר המטריד, זה שמתאים לראיות, הוא ארגוני: ארגונים מנסים לפרוס AI בלי התפקיד שהופך את הפריסה לאפשרית.

מה חסר בתרשים הארגוני

תסתכלו על כל ארגון גדול היום ותמצאו מדעני נתונים (Data Scientists) שבונים מודלים, אדריכלי IT שפורסים תשתיות, מנהלי פרויקטים שעוקבים אחר לוחות זמנים, ומנהלי שינוי (Change Managers) שמריצים קמפיינים פנימיים. מה שלא תמצאו – לא בתרשים הארגוני, לא במודעות הדרושים, לא במטריצת RACI – הוא מישהו שכל תפקידו לעמוד בצומת שבין יכולות ה-AI לתהליכי עבודה עסקיים, ולענות על שאלה שנשמעת פשוטה: איפה בדיוק זה אמור להיכנס, ואיך גורמים לזה לקרות בפועל?

בעל התפקיד הזה הוא מה שאנחנו מכנים מיישם AI (AI Implementor). לא אסטרטג AI – זה מופשט מדי ורחוק מדי מהשטח. לא מהנדס פרומפטים (Prompt Engineer) – זה צר מדי וטקטי מדי. לא מוביל טרנספורמציה דיגיטלית (Digital Transformation Lead) – זה רחב מדי ואיטי מדי. מיישם ה-AI הוא תפקיד ייחודי עם מחסנית מיומנויות ייחודית: אבחון תהליכי עבודה, איתור נושאים (Use Cases) המתאימים ליישום ב AI, תרגום עסקי, משילות מינימלית מספיקה (Minimum Viable Governance), וניהול שינוי בלתי נראה.

הסיבה שאף אחד לא מיסד את התפקיד הזה היא אותה סיבה שארגונים ממשיכים להיכשל: הם מניחים שהיכולת כבר קיימת בתיאור התפקיד של מישהו אחר. היא לא.

הנתונים מצביעים על מקום מאוד ספציפי

כדאי להסתכל על מה הנתונים באמת אומרים כשקוראים אותם יחד, לא בנפרד.

מחקר ה-CEO של IBM לשנת 2025, שסקר 2,000 מנכ"לים ב-33 מדינות, מצא שרק 25% מיוזמות ה-AI הניבו את התשואה הצפויה, ורק 16% הגיעו לסקייל ארגוני (Enterprise-Wide Scale). באותה נשימה, 50% מאותם מנכ"לים הודו שהשקעה מהירה מדי יצרה טכנולוגיה מפוצלת ולא מחוברת – לא כשל טכנולוגי, אלא כשל של שילוב ומיקום.

ניתוח מקינזי (McKinsey) מצא ש-80% מהארגונים לא רואים שום השפעה מדידה על ה-EBIT מהשקעות בבינה מלאכותית גנרטיבית. אלה לא הנתונים של טכנולוגיה שלא עובדת. אלה הנתונים של טכנולוגיה שנפרסת בלי הרקמה המחברת שגורמת לפריסה להצליח.

ואז יש את נתוני כוח העבודה, שיורדים בשקט: סקר GoTo לשנת 2025 מצא ש-82% מהעובדים לא מכירים את הדרכים שבהן AI יכול לסייע בעבודתם היומיומית, ו-86% מודים שהם לא מנצלים כלי AI קרוב לפוטנציאל שלהם. מחקר Upwork מצא ש-77% מהעובדים שמשתמשים ב-AI אומרים שה-AI הוסיף על עומס העבודה שלהם, לא הפחית אותו. AI נמכר כמכפיל פרודוקטיביות (Productivity Multiplier). הוא נחווה כנטל אדמיניסטרטיבי.

אף אחת מהתוצאות האלה אינה תאונה. הן תוצאות צפויות מפריסת טכנולוגיה בלי מישהו שאחראי על היישום המעשי שלה בתוך עבודה אמיתית.

מיישם ה-AI: הגדרת התפקיד

• מיישם ה-AI הוא האדם שיודע: לראות מה שאחרים לא רואים. מומחי תחום שקועים עמוק מדי בתהליכי עבודה קיימים כדי לזהות הזדמנויות AI. יועצים חיצוניים רחוקים מדי מהמציאות התפעולית כדי להעריך כדאיות. מיישם ה-AI יושב בעמדה שלישית – קרוב מספיק כדי להבין את העבודה, מנותק מספיק כדי לראות היכן היא נשברת.

• לדבר בכל שפה בחדר. מהנדסים מדברים יכולות (Capabilities). מנהלים בכירים מדברים ROI. עובדי חזית מדברים עומס עבודה. מיישם ה-AI מתרגם בין השלושה בלי לאבד נאמנות בשום כיוון.

• לנוע בלי לגרום לבהלה. ארגונים שמצליחים להגיע לסקייל עם AI מבצעים את העבודה הקשה מראש – מיפוי תהליכים, יישור קו עם בעלי עניין (Stakeholders), הגדרת קריטריוני הצלחה – לפני שנפרס מודל אחד. מיישם ה-AI הוא האדם שמנהל את ההכנה הזאת – לא כשער בירוקרטי, אלא כדבר שהופך פריסה ליישימה ובלתי הפיכה.

• לנהל משילות בלי לשתק. דוח Aligne לשנת 2025 מצא ש-58% ממנהלים מזהים משילות מנותקת (Disconnected Governance) כמכשול העיקרי לסקייל של AI. מיישם ה-AI מיישם משילות מינימלית מספיקה – מספיק כדי לנהל סיכון אמיתי, לא כל כך הרבה שדברים לא יוצאים לפועל.

למה עכשיו?

EY מתארת את הנוף הנוכחי כ"גיהנום פיילוט" (Pilot Purgatory) -ארגונים שיש להם ניצחונות ראשוניים שלעולם אינם מגיעים לייצור, כשהתחזיות מצביעות על כך שיותר מ-40% מפרויקטי AI אג'נטי (Agentic AI)יבוטלו עד סוף 2027. החלון להצלחה עם AI צר יותר ממה שרוב המנהלים מעריכים. הארגונים שיבדלו את עצמם מה-95% לא יהיו אלה עם המודלים המתוחכמים ביותר או תקציבי ה-AI הגדולים ביותר. הם יהיו אלה שיבינו, לפני כולם, שפריסת AIמוצלחת היא בעיית יכולת אנושית שמסתתרת מאחורי בעיה טכנולוגית - ושהיכולת האנושית החסרה יש לה שם.

המאמרים בהמשך הסדרה:

• המאמר הבא – למה עובדיכם עיוורים להזדמנויות ה-AI הטובות ביותר שלכם

• בהמשך – למה ה-Pitch של AI מת בחדר הדירקטוריון

• ואחר כך – איך ממשל הופך לדרך הנימוסית להרוג יוזמה

• ולבסוף – למה כשמבקשים מאנשים לשנות את אופן עבודתם – כבר הפסדתם