דוח NANDA של MIT מאוגוסט 2025 מצא ש-95% מפיילוטי ה-AI הגנרטיבי בארגונים אינם מייצרים השפעה מדידה על הרווחיות, ורק 5% מגיעים לערך של מיליוני דולרים. הפער אינו באיכות המודלים אלא ב"פער הלמידה": מערכות גנריות כמו ChatGPT מצטיינות אצל פרטים אך נכשלות כשצריך להשתלב בזרימת עבודה ארגונית. הרכישות המצליחות מגיעות מספקים חיצוניים ב-67% מהמקרים לעומת שליש מהבנייה הפנימית. המסקנה למנהלים: הבעיה איננה הטכנולוגיה אלא האינטגרציה הארגונית.
הממצאים המרכזיים של הדוח
הדוח, שכיסה ניתוח של כ־300 יישומים ציבוריים לצד סקרים וראיונות, מזהה ארבע דפוסים שמגדירים את הפער: שיבוש מוגבל - רק שני ענפים מרכזיים מתוך שמונה מראים שינוי מבני משמעותי; פרדוקס הארגון הגדול - חברות גדולות מובילות במספר הפיילוטים אבל מפגרות בהרחבה לפרודקשן; הטיית השקעה - התקציבים זורמים לפונקציות נראות של שורת המכירות ולא ל-back office שבו החזר ההשקעה גבוה יותר; ויתרון יישום - שיתופי פעולה עם ספקים חיצוניים מצליחים בקצב כפול לעומת פיתוחים פנימיים.
במקביל, כלים צרכניים כמו ChatGPT ו-Copilot אומצו על ידי יותר מ־80% מהארגונים, ותופעת 'shadow AI' משגשגת: עובדים משתמשים בכלי AI אישיים לעבודה יומיומית גם כשהפיילוט הרשמי של הארגון תקוע. כלומר, הבעיה אינה דחיית הטכנולוגיה על ידי העובדים אלא ההיפך - העובדים כבר שם, והמערכת הארגונית היא שלא מצליחה להמיר שימוש אישי לערך עסקי.
למה הפיילוטים נתקעים: לא המודל, אלא האינטגרציה
המסקנה המרכזית של הדוח היא שהפער אינו נובע מאיכות המודלים או מרגולציה, אלא מגישת היישום. פיילוטים נתקעים כשהם נבנים ככלי גנרי שאינו לומד את זרימת העבודה הספציפית, כשאין בעלות תפעולית ברורה על התוצאה, וכשההצלחה מוגדרת במונחי טכנולוגיה ולא במונחי רווח והפסד. הדוח מדגיש שכלי AI גנריים מצטיינים בשימוש אישי אך מתקשים בתהליכים קריטיים, כי הם אינם משתלבים בנתונים, בהרשאות ובאחריות של הארגון.
ניתוח הכישלונות מראה שהמחסום הוא 'פער למידה': מערכות שלא נבנות להיטען על המשוב של המשתמשים ולהשתפר בתוך התהליך נשארות מדויקות טכנית אך חדלות ערך עסקי. הארגונים המצליחים, לעומת זאת, מתייחסים לפיילוט כאל תהליך עבודה חדש עם בעלים, מדדים והדרכה - ולא כאל התקנת תוכנה.
מה שעובד: הדפוס של ה־5% המצליחים
הקבוצה הקטנה שמייצרת ערך מדיד חולקת מספר מאפיינים עקביים: היא מתמקדת בצד כאב אחד ברור במקום בפיזור רחב; בוחרת תהליך back office עם החזר גבוה ולא רק יישומים נראים לעין; משלבת ספק חיצוני כשותף יישום ולא רק כמוכר רישיונות; ומעניקה למנהלי קו סמכות להוביל את האימוץ במקום להשאיר אותו למעבדת חדשנות מרכזית. הדוח מציין במפורש ששיתופי פעולה חיצוניים מגיעים לפרודקשן בקצב כפול מפיתוחים פנימיים.
דפוס נוסף הוא מדידה מוקדמת: הארגונים המצליחים מגדירים מראש מה ייחשב הצלחה במונחים תפעוליים - זמן טיפול, עלות לתוצאה, שיעור שגיאות - ועוצרים פיילוטים שלא עומדים ביעד במקום לגרור אותם. הגישה הזו הופכת את הפיילוט מהצגת טכנולוגיה להחלטה עסקית רגילה, עם בעלות, תקציב ונקודת יציאה.
מה זה אומר לארגונים בישראל
בישראל, שבה אימוץ כלים אישיים גבוה ותרבות ה-DIY חזקה, הפיתוי לבנות פיילוט פנימי מהיר גדול במיוחד. הדוח מזכיר שהחמדנות הזו יקרה: פיתוח פנימי שנראה זול בהתחלה נתקע בדיוק באותן נקודות - אינטגרציה לנתונים, התאמה לתהליך, ובעלות תפעולית. ארגון ישראלי בינוני ירוויח יותר משותף יישום שמכיר את התחום מאשר מצוות פנימי שמנסה לבנות לבד תוך כדי ניהול השגרה.
מניסיון ההדרכה של משכוכית בארגונים בישראל, אנו רואים שוב ושוב שהפיילוטים שמצליחים הם אלה שמתחילים מתהליך כואב אחד עם מנהל שמדדו נגוע ישירות בתוצאה. כשהכאב אמיתי והמדד ברור, ההדרכה, האימוץ והמדידה מסתדרים מעצמם. כשהפיילוט נולד מרצון 'לעשות משהו עם AI', הוא מת בדרך כלל בשקט אחרי הרבעון הראשון.
ארבע פעולות מעשיות למנהלים
ראשית, בצעו ביקורת על הפיילוטים הקיימים: לכל אחד כתבו משפט אחד - מה התוצאה העסקית המדידה שהוא אמור להזיז, ומי הבעלים. פיילוט בלי משפט כזה נכנס לרשימת עצירה. שנית, העבירו את מרכז הכובד מפונקציות נראות לתהליכי back office עם עלויות ברורות, שם הדוח מצא את ההחזרים הגבוהים ביותר.
שלישית, החליטו מראש על אסטרטגיית קנייה מול בנייה: אלא אם יש לכם צוות AI מנוסה עם זמן פנוי, ברירת המחדל לפי הדוח צריכה להיות שותף חיצוני. רביעית, חוקקו את ה-shadow AI: במקום לחקור עובדים שמשתמשים בכלים אישיים, למדו מהם אילו מטלות הם כבר מאיץ - ותנו לשימושים האלה מסגרת מאובטחת ומדודה.
קריאה ביקורתית של הדוח
חשוב לקרוא את מספר ה־95% בזהירות. הדוח מבוסס על שילוב של יישומים ציבוריים, סקרים וראיונות, וההגדרה של 'אפס החזר' תלויה במדידת אימפקט על רווח והפסד - מדד שארגונים רבים בכלל לא מודדים בצורה עקבית. כמו כן, הדוח פורסם על ידי גוף מחקר שפועל בתוך האקוסיסטם של AI, ומסקנותיו לגבי יתרון שותפים חיצוניים תואמות אינטרס עסקי של ספקים. כפי שצוין גם ב-Fortune, הסיבה לכישלון הפיילוטים - ולא המספר עצמו - היא שצריכה להדאיג את ההנהלה.
עם זאת, גם אם המספר המדויק שנוי במחלוקת, הכיוון עקבי עם מחקרים נוספים ועם ניסיון השטח: פיילוטים בלי בעלות, מדד ואינטגרציה אמיתית אינם מגיעים לערך. ההמלצה היא להתייחס לדוח כמראה לתהליך ההטמעה שלכם ולא כפסק דין על הטכנולוגיה, ולבדוק את ארבעת הדפוסים מול הפיילוטים הפעילים בארגון שלכם לפני שמאמצים או דוחים מסקנות.
מה לעשות עם הדוח כבר השבוע
קבעו ישיבת מלאי של 45 דקות עם כל בעלי הפיילוטים: כל אחד מציג את הפיילוט שלו בשלוש שקופיות - הכאב העסקי, המדד, והמצב הנוכחי מולו. פיילוט שלא מצליח לעבור את שלוש השקופיות עובר להחלטה: איתות מחדש עם בעלות ומדד, או עצירה מסודרת. הפגישה עצמה שווה יותר מקריאת הדוח, כי היא מכריחה את ההבחנה בין פעילות לערך.
במקביל, בחרו תהליך back office אחד עם עלות ידועה - למשל עיבוד חשבוניות, תשובות לפניות שירות או הכנת חומרי הדרכה - ובדקו מול ספק חיצוני אחד לפחות מה ידרש להגיע לערך מדיד תוך רבעון. המטרה אינה לקנות מיד, אלא לאמוד את פער המימוש מול פיתוח פנימי באותם תנאים.
- מלאי פיילוטים: משפט אחד של ערך עסקי + בעלים לכל פיילוט פעיל.
- רשימת עצירה: פיילוטים בלי מדד או בעלות עוברים החלטה מחודשת.
- העדיפו תהליך back office עם החזר ברור על פני יישום נראה לעין.
- בדקו שותף חיצוני לפני בנייה פנימית - ההצלחה כפולה לפי הדוח.
- מפו את ה-shadow AI: מה העובדים כבר עושים עם כלים אישיים, ותנו לזה מסגרת.
שלוש טעויות נפוצות בקריאת הדוח
הטעות הראשונה היא לסקור שה-AI לא עובד: הדוח מראה דווקא שהטכנולוגיה בשלה לחלק גדול מהמטלות, ושהכישלון הוא ארגוני. הטעות השנייה היא להסיק שצריך לבנות הכול פנימית כדי לשמור על יכולת: הנתונים מראים שההיפך נכון לרוב הארגונים. הטעות השלישית היא לחכות שהפיילוטים 'יתבגרו' מעצמם: בלי שינוי בבעלות, במדד ובאינטגרציה, הזמן לא מתקן פיילוט תקוע.
הקריאה הנכונה היא פרגמטית: לזהות איפה העובדים כבר מפיקים ערך אישי, להעמיס את המשקל הארגוני על תהליך אחד עם החזר גבוה, ולתת לשותף חיצוני להוביל את האינטגרציה. ארגון שפועל כך מצטרף ל־5% המצליחים לא בזכות טכנולוגיה טובה יותר, אלא בזכות ניהול טוב יותר.
כרטיס ביקורת פיילוט בעשר דקות
תבנית מהירה לבדיקת כל פיילוט AI פעיל מול ארבעת דפוסי הדוח.
- כתבו במשפט אחד מה התוצאה העסקית המדידה שהפיילוט אמור להזיז ומי הבעלים שלה.
- סמנו אם הפיילוט מטפל בתהליך back office עם החזר ברור או בפונקציה נראית בלבד.
- בדקו אם יש שותף יישום חיצוני או שהפיתוח פנימי בלבד, ומה ההצדקה.
- הגדירו תאריך ביניים עם מדד יעד; פיילוט שלא עומד בו עובר להחלטת עצירה או איתות.
מה חשוב לקחת
- כ־95% מפיילוטי ה-AI המשולבים אינם מראים אימפקט מדיד על רווח והפסד לפי דוח NANDA של MIT; הפער נובע מאופן היישום ולא מאיכות המודלים.
- שיתופי פעולה עם ספקים חיצוניים מצליחים בקצב כפול מפיתוחים פנימיים; ההחזרים הגבוהים ביותר נמצאים בתהליכי back office ולא בפונקציות נראות.
- ה-shadow AI מראה שהעובדים כבר אימצו את הכלים; תפקיד ההנהלה הוא להמיר שימוש אישי לערך עסקי עם בעלות, מדד ואינטגרציה.
שאלות נפוצות
- מהו דוח GenAI Divide של MIT?
- דוח של פרויקט NANDA ב-MIT מאוגוסט 2025 שניתח כ־300 יישומי AI ארגוניים, סקרים וראיונות, ומצא שכ־95% מהפיילוטים המשולבים אינם מייצרים החזר מדיד על רווח והפסד.
- האם הדוח אומר שבינה מלאכותית גנרטיבית לא עובדת?
- לא. הדוח מבדיל בין אימוץ רחב של כלים אישיים, שמצליח מאוד, לבין פיילוטים ארגוניים משולבים שנתקעים. הכישלון מיוחס לאופן היישום - בעלות, מדדים ואינטגרציה - ולא ליכולות הטכנולוגיה.
- מה מבדיל את ה־5% של הפיילוטים שמצליחים?
- מיקוד בצד כאב אחד, בחירת תהליך back office עם החזר גבוה, עבודה עם שותף חיצוני כשותף יישום, סמכות למנהלי קו, ומדידה מוקדמת עם נקודת עצירה מוגדרת.
- למה פיתוח פנימי נכשל פי שניים יותר?
- לפי הדוח, פיתוחים פנימיים מתקשים באינטגרציה לנתונים ולתהליכים הקיימים ובהטמעה ארגונית, בעוד ספקים מתמחים מביאים תבניות יישום מוכחות ולומדים ממספר הטמעות.
- מהי תופעת ה-shadow AI?
- עובדים משתמשים בכלי AI אישיים למטלות עבודה גם כשהפיילוט הרשמי תקוע. במקום לדכא את התופעה, הדוח ממליץ למפות אילו מטלות כבר מואצות ולהעניק להן מסגרת מאובטחת ומדודה.
- איך מנהל בישראל צריך לפעול בעקבות הדוח?
- לערוך מלאי פיילוטים עם משפט ערך ובעלים לכל אחד, להעדיף תהליך back office מדיד, לבחון שותף חיצוני לפני בנייה פנימית, ולהפוך שימוש קיים של עובדים לפיילוט מסודר.
- מהן המגבלות של הדוח?
- המדידה מבוססת על יישומים ציבוריים, סקרים וראיונות; הגדרת 'אפס החזר' תלויה במדידת P&L שאינה אחידה; ולגוף המפרסם יש קרבה לאקוסיסטם הספקים. מומלץ לקרוא את הכיוון ולא את המספר הבודד.
מקורות שנבדקו
רוצים שהפיילוט הבא שלכם יהיה ב־5% המצליחים?
נבנה יחד מסלול הטמעה ממוקד תהליך אחד, עם בעלות, מדד ושותף נכון - בלי שנים של פיילוטים תקועים.
לתיאום שיחת אפיון