אם היינו מקימים את הארגון היום, הוא היה נראה כך?

זו שאלה שהופכת לרלוונטית ככל שהיכולות של AI מתרחבות. רוב הארגונים כבר משתמשים בAI, לעיתים אפילו בהיקף רחב, אבל השימוש עדיין מתקיים בתוך מבנה ארגוני שתוכנן בתקופה שבה אנשים היו היחידים שיכלו לזכור הקשר, לחבר מידע, להפעיל שיקול דעת ולהעביר עבודה מאדם לאדם.

התהליכים האלה נבנו מסיבה טובה. ידע היה מפוזר בין מערכות ובין אנשים, מידע עבר באמצעות פגישות ומיילים, וכל שלב היה תלוי בכך שמישהו יזכור מה צריך לקרות אחריו. אבל ברגע שחלק מהאילוצים האלה משתנים, אפשר לבחון מחדש גם את המבנה שנוצר סביבם.

בדוח Work Trend Index של Microsoft משנת 2025 מתואר מודל ארגוני חדש, שמשלב בין שיקול דעת אנושי לבין מערכות AI שפועלות כחלק מצוותי העבודה. הדוח מכנה אותו Frontier Firm. הנקודה המעניינת במודל הזה אינה התחזית הטכנולוגית, אלא שינוי יחידת החשיבה: במקום לשאול איזה כלי לתת לכל עובד, מתחילים לשאול כיצד העבודה עצמה צריכה להיראות כאשר אנשים וסוכני AI פועלים יחד. הדוח המלא של Microsoft

זה גם ההבדל בין ארגון שמשתמש בAI לבין ארגון שהוא AI Native.

ארגון AI Native נבנה מתוך ההנחה שAI הוא חלק משכבת ההפעלה של החברה. הוא יכול לזכור הקשר, לגשת למקורות מידע, להכין תוצרים, לבצע פעולות, לזהות שהגיע הזמן להתקדם ולהעביר את העבודה לשלב הבא. האנשים בארגון מגדירים את הכיוון, מפעילים שיקול דעת, מטפלים במצבים מורכבים ונשארים אחראים להחלטות ולהשלכות שלהן.

כדי להתחיל לחשוב כך על ארגון קיים, צריך לשנות את סדר השאלות.

מה העבודה באמת אמורה להשיג?

נקודת המוצא אינה הכלי וגם לא המשימה. היא התוצאה.

במקום להתחיל בשאלה איך לנסח מייל, לסכם מסמך או להפיק דוח מהר יותר, כדאי לבדוק איזו החלטה הדוח אמור לאפשר, מי צריך לפעול בעקבותיה ומה נדרש כדי שהעבודה תמשיך.

לפעמים נגלה שמשימה מסוימת יכולה להתבצע מהר יותר. במקרים אחרים נגלה שאפשר לוותר על חלק מהשלבים, לחבר בין פעולות שהיו נפרדות או ליצור רצף עבודה חדש לגמרי.

המטרה אינה להאיץ כל פעולה קיימת. המטרה היא להבין אילו פעולות עדיין נדרשות.

איזה ידע צריך להיות זמין כדי שהעבודה תתקדם?

כמעט כל תהליך ארגוני נשען על הקשר. מה קרה בעבר, מה הובטח, איזו גרסה עדכנית, מי קיבל החלטה, היכן נמצא מקור האמת ומה למדנו ממקרים קודמים.

כאשר ההקשר הזה נמצא בראש של אדם אחד, בתיבת מייל או בכמה מערכות שאינן מחוברות, גם מערכת AI מצוינת תוכל לתת תשובה חלקית בלבד.

לכן אחת השאלות המרכזיות בבניית ארגון AI Native היא כיצד הופכים ידע ארגוני לזיכרון פעיל. זיכרון שלא רק שומר מידע, אלא יודע להביא אותו ברגע הנכון, לחבר בין מקורות ולהעביר את ההקשר לשלב הבא.

לפני שבונים סוכן, צריך לדעת לאיזה מידע הוא רשאי לגשת, מהו מקור האמת ומה קורה כאשר המקורות סותרים זה את זה.

מה AI יכול לבצע, והיכן נדרשת אחריות אנושית?

זה בדיוק המעבר שתיארנו במאמר AI הפסיק להיות צ'אטבוט: מכלי שעונה על שאלות, לסוכן שמבצע משימות בעצמו. לא כל משימה צריכה להפוך לאוטונומית, ולא כל תהליך דורש אותה רמת עצמאות.

יש מקומות שבהם AI יכול להכין טיוטה והאדם מחליט. במקומות אחרים הוא יכול לבצע רצף פעולות בתוך גבולות שהוגדרו מראש. ויש תהליכים שבהם הוא יכול לפעול באופן עצמאי, כל עוד הוא יודע לזהות חריגה ולהעביר אותה לאדם.

החלוקה הנכונה אינה בין משימות אנושיות למשימות טכנולוגיות. היא בין סוגים שונים של אחריות.

תקשורת חיצונית, התחייבות, החלטה רגישה, שינוי תקציבי או מצב חריג דורשים בעלות אנושית ברורה. איסוף מידע, הצלבת מקורות, הכנת תוצר, מעקב והפעלת צעד שהוגדר מראש יכולים לעבור למערכת.

ככל שמעניקים למערכת יותר עצמאות, כך חשוב יותר להגדיר מי אחראי, מה היא רשאית לעשות ומתי היא חייבת לעצור.

איך העבודה עוברת בין חלקים שונים של הארגון?

סוכן שמבצע משימה אחת היטב יכול לחסוך זמן. שכבה שמחברת בין כמה סוכנים, מקורות מידע ותחומי אחריות יכולה לשנות את הדרך שבה החברה פועלת.

כאן נכנסת האורקסטרציה.

הערך נוצר כאשר המערכת יודעת לא רק להכין תוצר, אלא גם להבין מה צריך לקרות אחריו. להעביר מידע ממחקר לשיווק, מפגישה לתפעול, מהצעה להכנה למסירה או מבקשת לקוח להחלטה של בעל התפקיד המתאים.

החיבורים האלה הם שמייצרים רציפות. בלעדיהם מתקבלים איים של יעילות. כל אדם עובד מהר יותר, אבל הארגון עדיין תלוי בהעברות ידניות, בתזכורות ובמי שמחזיק את התמונה המלאה בראש.

אילו יסודות מאפשרים למערכת הזאת לפעול בבטחה?

אבטחה, פרטיות וממשל אינם שכבה שמוסיפים אחרי שהמערכת עובדת. הם חלק מהתכנון שלה.

כל סוכן צריך לפעול עם הרשאות מתאימות, להשתמש במקורות מידע מוגדרים ולהיות מוגבל לפעולות שהארגון החליט לאפשר לו. צריך לדעת מי אחראי עליו, כיצד בודקים את התוצרים שלו, איך מתעדים החלטות ומה עושים כאשר משהו משתנה.

גם מדידה צריכה להיבנות מההתחלה. לא רק כמה זמן נחסך, אלא האם זמן המחזור התקצר, האם איכות ההחלטות השתפרה, האם יש פחות תלות באדם מסוים והאם הידע שנצבר ממשיך לשרת את הארגון.

אז מאיפה מתחילים?

מתהליך אחד אמיתי.

בוחרים עבודה שיש לה תוצאה ברורה, עוברים עליה מתחילתה ועד סופה וממפים את ההחלטות, מקורות הידע, נקודות המעבר והאחריות האנושית. רק אחר כך מחליטים אילו יכולות AI נדרשות ואיך הן מתחברות.

השלב הראשון אינו לבנות הרבה סוכנים. הוא לבנות רצף אחד שעובד היטב, מחובר למידע הנכון, פועל בתוך גבולות ברורים ומייצר תוצאה שאפשר למדוד.

משם אפשר להרחיב. עוד תהליך, עוד חיבור ועוד שכבה של זיכרון ארגוני. בהדרגה, AI מפסיק להיות כלי שאנשים פונים אליו והופך לחלק מהאופן שבו הארגון זוכר, מחליט ופועל.

ארגון AI Native מתחיל בהנחה חדשה לגבי הדרך שבה עבודה יכולה להתבצע.

כשההנחה משתנה, אפשר סוף סוף לשאול לא איזה כלי להוסיף לארגון הקיים, אלא איזה ארגון אנחנו יכולים לבנות עכשיו. אם השאלה הזו רלוונטית אצלכם, אפשר להתחיל לבדוק אותה יחד, דרך פתרונות ההטמעה שלנו.