מדד ה־AI של סטנפורד 2025: 78% מהמשיבים מדווחים על שימוש בארגון, אבל שימוש אינו ערך

עדכון מהדורה: איך לקרוא את נתוני 2026?

עדכון מ־24 באוקטובר 2026: המאמר שומר על סקירת מדד 2025. פרק הכלכלה של מדד סטנפורד 2026 מציג נתון חדש לשנת 2025: 88% ממשיבי הסקר דיווחו על שימוש ב־AI בתפקוד עסקי אחד לפחות בארגון שלהם. המקור הוא סקר מקינזי שנערך בין 25 ביוני ל־29 ביולי 2025 בקרב 1,993 משיבים ב־105 מדינות, עם שקלול לפי תרומת המדינות לתמ״ג העולמי.

לשם השוואה, נתון 78% על שנת 2024 במדד 2025 נשען על הסקר המאוחר של 2024, שכלל 1,491 משיבים ב־101 מדינות. אלו דיווחים עצמיים של משיבים בסקרים שונים, לא ספירה של כלל הארגונים ולא מעקב אחר אותם משתתפים. אין להסיק מהפער בין המהדורות שינוי באותם ארגונים, שיעור אימוץ בישראל או החזר השקעה. מספרי האימוץ מתארים שימוש כלשהו, ולא בהכרח שימוש רחב או מוצלח.

קפיצת האימוץ: מהשוליים למיינסטרים ארגוני

נתון האימוץ המרכזי במדד 2025 הוא 78% ממשיבי הסקר שדיווחו על שימוש ב־AI בתפקוד עסקי אחד לפחות בארגונם ב־2024. ההגדרה כוללת גם שימוש נקודתי; היא אינה מוכיחה שהטכנולוגיה נעשתה חלק מתהליכי הליבה. לכן השאלה הניהולית אינה רק אם נעשה שימוש בכלי, אלא היכן, באיזו תדירות, באילו תנאים ומה מתקבל ממנו.

הנתונים משתנים בין ענפים, גדלי ארגונים ואזורים, ולכן ממוצע הסקר אינו תחליף לבדיקת הארגון שלכם. שימוש מדווח אינו זהה לערך עסקי, וסקר של משיבים אינו מפקד של כלל הארגונים. כדאי להפריד בין נגישות לכלי, שימוש בפועל, שינוי בתהליך ותוצאה מדידה, ולבדוק כל אחד מהם בנפרד.

צניחת העלויות ומה שהיא משנה לארגון

מדד 2025 מדווח על ירידה של יותר מפי 280 בעלות ההסקה של מערכת ברמת ביצועים של GPT-3.5 בין נובמבר 2022 לאוקטובר 2024. זהו נתון על עלות הפקת תשובות ברמת ביצועים מסוימת, ולא על עלות ההטמעה הכוללת בארגון. הוא גם נפרד מהנתון על ירידה שנתית של 30% בעלויות חומרה. הפער בין מודלים פתוחים לסגורים הצטמצם בחלק ממבחני הביצועים, לא בכל משימה.

המשמעות המעשית היא שאפשר לבחון יותר אפשרויות בתקציב נתון, אך חסמי איכות, פרטיות, שילוב במערכות ונתונים עדיין קיימים. כהמלצה ניהולית, לפני פיילוט חשבו גם את זמן העובדים, הבקרה, ההכשרה והתיקונים. לעיתים נכון להתחיל בניסוי מצומצם, ולעיתים להכין קודם נתונים או מדיניות. ירידת מחיר אינה כשלעצמה הצדקה להשקעה.

פער האחריות: שימוש בלי ממשל

תקציר מדד 2025 מצביע על פער בין הכרה בסיכוני AI לבין פעולות להפחתתם, לצד עלייה באירועים הקשורים לבינה מלאכותית. אין בכך מדד יחיד שמוכיח כי כל ארגון חסר ממשל או שקבוצת ארגונים מסוימת פועלת באחריות מלאה. עבור מנהלים, השאלה השימושית היא אילו בקרות קיימות בפועל לכל שימוש ובאיזו תדירות הן נבדקות.

כהצעה ליישום, הגדירו בעלות, שימושים אסורים, בדיקה אנושית לפלטים משמעותיים ותיעוד תקלות לפני הרחבה. מחקר NBER על AI בעבודת שירות לקוחות הוא מקור משלים לבחינת פרודוקטיביות בהקשר מוגדר; אין להשליך ממנו הבטחת שיפור לכל תפקיד או ארגון. את השפעת הכלי אצלכם יש למדוד מול תהליך בסיס, כולל עלות הבקרה.

השפעה על כוח האדם: בין פחד לנתונים

נתוני פרודוקטיביות ועמדות כלפי AI אינם תחזית ודאית לתעסוקה. השפעה על מטלות אינה זהה לביטול משרה, והצלחה במשימה מסוימת אינה מעידה על התאמה לכל התפקיד. דוחות ומחקרים משלימים, ובהם NBER ו־Work Trend Index, יכולים לסייע בניסוח שאלות לבדיקה, אך מתארים אוכלוסיות ושיטות שונות.

כהמלצה למנהלים בישראל, כדאי לבחון עם העובדים אילו מטלות משתנות, מה נדרש ללמוד ואילו החלטות נשארות באחריות אדם. הכשרה ומעורבות עובדים הן אפשרויות לתכנון ההטמעה, לא הבטחה לשביעות רצון או ליתרון בגיוס. בפיילוט אפשר למדוד איכות, זמן, עומס ותקלות, ולבקש משוב גם ממי שהכלי אינו עוזר להם.

הקשר ישראלי: הזדמנות לאקוסיסטם ולארגון הבודד

נתוני האימוץ הגלובליים אינם אומדן לשיעור השימוש בישראל. לפני שמתרגמים אותם להחלטה מקומית, יש לבדוק את שפת העבודה, גודל הארגון, זמינות הנתונים, הדרישות הענפיות ואופי השירות ללקוחות. גם כלי שהצליח בסקר או במחקר מחוץ לישראל עשוי לדרוש התאמה והערכה מקומית.

ההצעה הניהולית של משכוכית היא להתייחס להטמעה כאל שינוי בתהליך העבודה: להגדיר בעלות, מטרה, מדד ותיאום עם העובדים. זו המלצת עבודה, ולא דיווח על תוצאות לקוחות שנמדדו במסגרת המאמר. זמינות הכלים מאפשרת ניסוי, אך אינה מחליפה בדיקת התאמה, אחריות או החלטה לעצור כאשר התועלת אינה מצדיקה את העלות.

מה לעשות עם המדד כבר השבוע

תרגיל מוצע לשבוע הקרוב: התחילו ברשימת השימושים הידועים ב־AI, כולל שימוש עצמאי של עובדים, ומיינו אותם לפי ערך פוטנציאלי וסיכון. אפשר להקדיש מפגש ראשון לאיסוף ראשוני, אך אין הבטחה להשלים מיפוי ארגוני ביום אחד. היקף העבודה תלוי במספר המחלקות, ברגישות המידע וביכולת לאמת את התשובות.

בשלב הבא בחנו שני שימושים בעלי ערך אפשרי וסיכון נמוך כמועמדים לפיילוט, עם מדד הצלחה ובעלות ברורה. במקביל, נסחו מסמך מדיניות קצר: מה מותר, מה אסור ומי מאשר שימושים חדשים. אלו צעדי עבודה מוצעים, לא תוצאות שנמדדו בסקר. הרחבה צריכה להישען על ממצאי הפיילוט, ולא על שיעור האימוץ בכותרת.

• מפו את כל שימושי ה־AI הקיימים בארגון, כולל שימוש עצמאי של עובדים.
• מיינו שימושים לפי ערך פוטנציאלי מול סיכון ובחרו שני פיילוטים מדידים.
• נסחו מדיניות שימוש קצרה: מותר, אסור, ומי מאשר הרחבה.
• הגדירו בעלות בכירה ומדד הצלחה לכל שימוש לפני הרחבה.
• חזרו על המיפוי מדי רבעון, כי הכלים והשימושים משתנים במהירות.

שלוש טעויות בקריאת מדדי אימוץ

הטעות הראשונה היא להשוות שיעור אימוץ כאילו היה שיעור הצלחה: ארגון שמדווח על שימוש ב־AI יכול להשתמש בו לשליחת מיילים מהירים בלבד, בעוד ארגון אחר בונה תהליכי ליבה חדשים. הטעות השנייה היא להניח שירידת מחירים מבטיחה החזר השקעה: עלות נמוכה מגדילה דווקא את הסיכון לפיזור ניסויים חסרי מיקוד. הטעות השלישית היא לקרוא את הנתונים הגלובליים כתחזית מקומית: מבנה המשק הישראלי, גודל החברות ורגולציה מקומית יוצרים דינמיקה שונה.

כדאי להשתמש במדד כדי לנסח שאלות, ולצרף נתוני ארגון פנימיים: מיפוי שימושים, זמן עבודה, עלות בקרה ואיכות התוצרים. לפני הרחבה הגדירו מה ייחשב הצלחה ומה יצדיק עצירה. הטכנולוגיה עדיין מציבה מגבלות, לצד אתגרים ניהוליים. בחירת שימושים, שיתוף עובדים ומדידה מאפשרים החלטה מבוססת יותר, אך אינם מבטיחים יתרון תחרותי.