ייעול תהליכים עם AI לא מתחיל בהחלפת עובדים. הוא מתחיל כשעובד או מנהל מצליח לחסוך זמן בפעולה מסוימת, ואז שואל איך להפוך את השיפור הזה לתהליך שעוזר לעוד אנשים בארגון.
מה זה ייעול תהליכים עם AI?
ייעול תהליכים עם AI הוא שימוש בבינה מלאכותית לא רק כדי לבצע משימה מהר יותר, אלא כדי לשפר רצף עבודה שלם. המטרה יכולה להיות קיצור זמני עבודה, צמצום עבודה חוזרת, שיפור קבלת החלטות או יצירת יכולת חדשה לצוות ולארגון.
נניח שמנהלת פרויקט גילתה שהיא יכולה להכין מסמך סטטוס בשעה במקום בשלוש.
מנהל הדרכה מצליח לבנות טיוטה לתוכנית למידה בחצי מהזמן.
מישהי ב-PMO יצרה לעצמה דרך מהירה יותר לנתח דיווחים מעשרה פרויקטים.
מצוין.
ואז לפעמים מגיעה המחשבה הפחות נעימה:
אם AI מאפשר לי לעשות את העבודה הרבה יותר מהר, מה זה אומר על התפקיד שלי?
זו שאלה לגיטימית. אבל אני מציעה לשאול מיד שאלה נוספת.
מה אפשר לעשות עכשיו עם היכולת שהתפנתה?
כי אם השימוש ב-AI מסתיים בכך שמשימה של שלוש שעות לוקחת שעה, השגנו שיפור אישי.
אם אותה שעה שהתפנתה מאפשרת לשפר תהליך, לפתור בעיה שחוזרת על עצמה, לעזור לעוד אנשים בארגון או לייצר ערך שלא היה קודם, כבר קרה משהו הרבה יותר משמעותי.
נוצרה יכולת ארגונית חדשה.
האם AI בארגון נועד בעיקר לחסוך בכוח אדם?
לא. השימוש ב-AI בארגונים אינו מכוון רק לצמצום עלויות או כוח אדם. מחקרים עדכניים מראים שחברות משקיעות ב-AI במידה רבה כדי לשפר פרודוקטיביות, קבלת החלטות, מוצרים ושירות ללקוחות, ולא רק כדי להקטין עלויות או מספר עובדים.
מחקר מ-2026 שהתבסס על כמעט 750 מנהלים בחברות בארה"ב מצא שהשיפור בפרודוקטיביות בעקבות AI קשור במיוחד לחדשנות ולהגדלת הביקוש, למשל באמצעות מוצרים ושירותים חדשים או שיפור היכולת להגיע ללקוחות. החוקרים מצאו גם מעט עדויות לכך שבטווח הקרוב AI גורם לירידה משמעותית במספר העובדים הכולל.
הפדרל ריזרב ניסח את זה בצורה פשוטה במיוחד: שיפור פרודוקטיביות ויעילות היה מניע משמעותי יותר להשקעה ב-AI מאשר צמצום עלויות. החברות דיווחו גם על שיפור במהירות קבלת החלטות ועל יכולת להפנות יותר זמן לפעילויות בעלות ערך גבוה.
זה לא אומר שפיטורים אינם חלק מהתמונה.
הם כן.
בדוח Future of Jobs 2025 של ה-World Economic Forum, 41% מהמעסיקים צפו צמצום בכוח האדם במקומות שבהם AI יוכל לבצע עבודה שנעשית כיום בידי אנשים.
אבל באותו דוח, 49% צפו שינוי של הפעילות העסקית לכיוון הזדמנויות חדשות שנוצרות באמצעות AI, ו-47% תכננו להעביר אנשים מתפקידים שנפגעים מהטכנולוגיה לתפקידים אחרים בתוך הארגון.
כלומר, אין מסלול אחד שנקרא "AI נכנס לארגון".
יש החלטות ניהוליות.
ומה קורה בישראל?
בישראל התמונה מעניינת אפילו יותר.
לפי אותו דוח של ה-WEF, 80% מהמעסיקים שנדגמו בישראל מתכננים לכוון מחדש את הפעילות שלהם כדי לנצל הזדמנויות עסקיות חדשות שנוצרות מ-AI.
בעיניי, זה אחד הנתונים החשובים ביותר למנהלים בישראל.
כי אם רוב הארגונים לא מסתכלים רק על "מה אפשר לחסוך", אלא גם על "מה אפשר לעשות עכשיו שלא עשינו קודם", אז לעובדים ולמנהלים שמבינים תהליכים יש כאן תפקיד משמעותי.
לא מספיק לדעת להפעיל ChatGPT, Copilot או כלי AI אחר.
צריך לדעת לזהות איפה יש סוגיות ובעיות ואיפה אפשר וכדאי ליצור ערך.
איך עוברים מחיסכון בזמן לייעול תהליכים עם AI?
ייעול תהליכים עם AI מתחיל כשמפסיקים להסתכל רק על המשימה שהפכה למהירה יותר ובוחנים את התהליך שסביבה. בודקים מה קורה לפני המשימה ואחריה, מי משתמש בתוצאה, איפה נוצרים עיכובים ואילו חלקים בתהליך אפשר לשפר או להפוך לפתרון שחוזר על עצמו.
המעבר מתחיל כשמפסיקים להסתכל רק על המשימה שהפכה למהירה יותר, ומתחילים להסתכל על התהליך שסביבה.
ניקח דוגמה פשוטה.
מנהל פרויקט גילה ש-AI מכין לו סיכום ישיבה מצוין.
אפשר לעצור כאן.
נחסכו 30 דקות.
אבל אפשר גם להמשיך לשאול:
מה קורה לסיכום אחרי הישיבה?
מי צריך לקרוא אותו?
אילו החלטות נמצאות בתוכו?
אילו משימות נפתחו?
מי התחייב למה?
האם יש תאריך יעד?
האם משהו מהמידע הזה צריך לעבור למערכת ניהול הפרויקט?
והאם מישהו בודק שבוע אחר כך שההתחייבויות באמת בוצעו?
פתאום אנחנו כבר לא מדברים על סיכום ישיבה.
אנחנו מדברים על תהליך מעקב אחר החלטות והתחייבויות.
נוצרת כאן הזדמנות לשינוי קצב התקשורת עם בעלי עניין משמעותיים כדי ליצור התקדמות מהירה לכל התהליך.
וזה מקום הרבה יותר מעניין לשלב בו AI.
| שלב | השאלה שכדאי לשאול | דוגמה |
|---|---|---|
| פעולה | איפה AI כבר חוסך זמן? | סיכום ישיבה |
| תהליך | מה קורה לפני ואחרי הפעולה? | קצב ההחלטות ומעקב יהיו אינטנסיביים יותר |
| סוכן | איזה חלק מהרצף אפשר לבצע באופן עקבי וחוזרת על עצמו? | זיהוי החלטות, בעלי אחריות ותאריכים |
| הרחבה | מי עוד יכול להשתמש בפתרון? | צוות פרויקט, PMO או יחידה שלמה |
| ערך | מה השתפר בפועל? | פחות משימות שנופלות, פחות זמן מעקב, החלטות מהירות יותר |
זה בעיניי השינוי המרכזי.
משימוש ב-AI כדי לבצע פעולה, לשימוש ב-AI כדי לשפר דרך עבודה.
איזה סוכן AI יכול לשפר תהליך ולא רק משימה?
סוכן AI בעל ערך ארגוני הוא לא בהכרח הסוכן הכי מתוחכם. הוא הסוכן שמחובר לבעיה אמיתית שחוזרת על עצמה ומקדם תהליך שלם, תוך הגדרה ברורה של המקום שבו נדרש שיקול דעת אנושי.
ב-PMO, למשל, אפשר לחשוב על סוכן שלא רק מסכם כל דוח סטטוס בנפרד.
הוא יכול לאסוף עדכונים ממספר פרויקטים, לזהות חריגות שחוזרות על עצמן, להצביע על תלות בין פרויקטים, לזהות החלטות שמחכות להנהלה ולהכין תמונת מצב שמאפשרת לשאול שאלות טובות יותר.
בניהול פרויקט אפשר לעבור מסוכן ש"מנסח מייל" לסוכן שעוזר לעקוב אחרי החלטות, משימות, שינויים, סיכונים ותלויות לאורך זמן.
בהדרכה, אפשר לעבור מ-AI שמכין מצגת מהר יותר לתהליך שבו מזהים פער ידע, מתאימים תכנים לקבוצות שונות, מייצרים תרגול, אוספים משוב ובודקים האם משהו השתנה בעבודה עצמה.
הערך אינו נמצא רק בתוצר.
הוא נמצא במה שהשתפר מסביב לתוצר.
למה מנהלי הדרכה צריכים להיות חלק מהשיחה הזאת?
מנהלי הדרכה צריכים להיות חלק מהטמעת AI בארגון כי מדובר בשינוי בדרך שבה אנשים עובדים, ולא רק בהכנסת כלי טכנולוגי חדש. התפקיד שלהם הוא לעזור להפוך שימוש בכלי ליכולת מקצועית, להגדיר אילו מיומנויות ושיקול דעת נדרשים ולוודא שהלמידה עוברת מההדרכה לעבודה בפועל. הטמעת AI בארגון אינה רק פרויקט טכנולוגי. היא גם שינוי ביכולת המקצועית של אנשים ובדרך שבה הם עובדים.
אם תוכנית ההדרכה מסתיימת ב"איך לכתוב פרומפט טוב", העובדים אולי ילמדו להשתמש בכלי, אבל הארגון לא בהכרח ילמד לעבוד אחרת.
מנהלות ומנהלי הדרכה נמצאים בעמדה מצוינת לשאול שאלות עמוקות יותר:
איזו יכולת מקצועית צריכה להשתנות?
באיזה תהליך רוצים לראות שינוי?
מה אנשים צריכים לדעת כדי להפעיל שיקול דעת גם כאשר AI מציע תשובה?
איך יודעים שהלמידה עברה מהכיתה לעבודה?
ואילו שימושים מוצלחים של עובד או צוות אחד כדאי להפוך לידע ארגוני שאפשר להעביר לאחרים?
כאן ההדרכה מפסיקה להיות "הדרכת כלי".
היא הופכת לחלק מתהליך השינוי הארגוני.
ומה התפקיד של מנהלי פרויקטים ו-PMO?
מנהלי פרויקטים ו-PMO יכולים להשתמש ב-AI לא רק כדי לבצע משימות מהר יותר, אלא כדי לזהות צווארי בקבוק, סיכונים, תלויות ודפוסים שחוזרים בין פרויקטים. היכולת שלהם לראות את התהליך כולו מאפשרת להפוך פתרון אישי לשיפור שמשפיע על צוות, יחידה או הארגון כולו.
דווקא ככל ש-AI יודע לבצע יותר פעולות, היכולת לראות את התהליך כולו נעשית חשובה יותר.
מנהל פרויקט שמכיר את העבודה רק ברמת המשימות יכול לחסוך זמן בעזרת AI.
מנהל פרויקט שמבין ממשקים, צווארי בקבוק, תלות, סיכונים, בעלי עניין וערך עסקי יכול להשתמש באותו AI כדי לשנות את הדרך שבה העבודה מתבצעת.
וזה הבדל גדול.
PMO נמצא בעמדה מעניינת במיוחד, משום שהוא יכול לראות דפוסים שחוזרים בין פרויקטים.
אם חמישה מנהלי פרויקטים בנו כל אחד לעצמו פתרון דומה, אולי לא צריך חמישה פתרונות מקומיים.
אולי יש כאן צורך ארגוני.
אולי אפשר לייצר סטנדרט.
אולי אפשר להפוך ניסיון אישי של אדם אחד ליכולת שמשרתת יחידה שלמה.
זו כבר לא שאלה טכנולוגית.
זו שאלה של ניהול תהליכים.
מה עושים עם הזמן שהתפנה בזכות AI?
הזמן שמתפנה בזכות AI הוא קיבולת ארגונית שאפשר להשקיע מחדש, ולא רק חיסכון בעלויות. ארגון יכול להשתמש בה כדי לשפר שירות, לקצר זמני תגובה, לטפל בעבודה שלא נעשתה קודם, לפתח שירותים חדשים או לשפר את איכות קבלת ההחלטות.
ביולי 2026 PwC נתנה למשאב הזה שם: Workforce dividend.
הכוונה היא לקיבולת אנושית שמתפנה כאשר AI מאפשר לבצע עבודה מסוימת מהר יותר. השאלה למנהלים, לפי PwC, היא לא רק כמה אפשר לחסוך, אלא איפה כדאי להשקיע מחדש את הקיבולת הזאת כדי לייצר צמיחה.
אני אוהבת את ההגדרה הזאת כי היא משנה את השיחה.
נניח שבצוות של עשרה אנשים התפנו יחד 25 שעות עבודה בשבוע.
אפשר לראות בהן עלות שאפשר לקצץ.
אבל אפשר גם לשאול:
איזו עבודה חשובה לא נעשית היום בגלל חוסר זמן?
האם אפשר לתת שירות טוב יותר?
לקצר זמן תגובה ללקוחות?
לזהות סיכונים מוקדם יותר?
לפתח שירות חדש?
להעמיק ניתוח לפני קבלת החלטה?
לשפר תהליך שכבר שנים אף אחד לא הספיק לגעת בו?
אותן 25 שעות יכולות להוביל לשתי החלטות ניהוליות שונות לחלוטין.
Harvard Business Review ניסח ב-2026 בחירה דומה בין automation שמכוון בעיקר לשיפור השורה התחתונה ולצמצום כוח אדם, לבין augmentation שמגדיל את היכולת האנושית במטרה לייצר צמיחה חדשה.
איך יודעים שבאמת הצלחנו לייצר התייעלות אמיתית עם AI?
התייעלות אמיתית עם AI נמדדת בשינוי בתוצאה העסקית או בתהליך, ולא במספר הכלים, הפרומפטים או הרישיונות שהארגון אימץ. כדאי למדוד למשל קיצור זמני עבודה, ירידה בעבודה חוזרת, פחות טעויות, קבלת החלטות מהירה יותר ושיפור באיכות או בשירות.
התייעלות נמדדת בשינוי בתוצאה.
האם זמן המחזור התקצר?
האם יש פחות עבודה חוזרת?
האם החלטות מתקבלות מהר יותר?
האם ירד זמן ההמתנה למידע?
האם איכות התוצרים עלתה?
האם פחות דברים נופלים בין הכיסאות?
האם אותו צוות מסוגל לתת שירות ליותר לקוחות או להוביל יותר עבודה באותה רמת איכות?
והכי חשוב:
האם פתרנו בעיה, או שפשוט ביצענו מהר יותר את אותו תהליך שהיה כאן קודם?
כי אפשר להשתמש ב-AI כדי לייצר דוח מיותר בתוך שתי דקות במקום שעה.
זו פרודוקטיביות.
אבל זו לא בהכרח התייעלות.
האם מי שמוביל שיפור באמצעות AI מוגן מפיטורים?
לא. אין היום דרך רצינית להבטיח דבר כזה.
תפקידים ישתנו. פעולות מסוימות יצטמצמו או ייעלמו. ארגונים ישנו מבנים, ובחלק מהמקרים AI יהיה גם חלק מהחלטות על צמצום.
אבל יש הבדל משמעותי בין מי שלמד לבצע את אותה משימה מהר יותר לבין מי שיודע לזהות מה כדאי לעשות עכשיו אחרת.
האדם הראשון הוא משתמש טוב בכלי.
האדם השני מתחיל להיות גורם שמוביל שינוי.
הוא מזהה תהליך שאפשר לשפר.
הוא יודע לחבר בין הטכנולוגיה לצורך העסקי.
הוא משתף את מה שפיתח עם אחרים.
הוא מודד האם נוצר ערך.
ואז הוא מחפש את השיפור הבא.
בדיוק כאן נמצאת בעיניי אחת המיומנויות החשובות ביותר בעידן ה-AI.
לא לדעת כל כלי חדש שיוצא.
לא לרדוף אחרי כל סוכן חדש.
אלא לפתח יכולת לראות עבודה כתהליך ולשאול איפה AI יכול לעזור לנו לעבוד טוב יותר.
השאלה שאני מציעה לקחת לישיבה הבאה
אם כבר התחלתם להשתמש ב-AI והוא חוסך לכם זמן, אל תעצרו בשאלה כמה דקות חסכתם.
תשאלו:
איזו יכולת התפנתה כאן, ואיך אפשר להפוך אותה לערך גדול יותר לארגון?
אחר כך תסתכלו על התהליך שסביב המשימה.
בדקו מי עוד מתמודד עם אותה בעיה.
חשבו האם אפשר להפוך את הדרך שמצאתם לפתרון שחוזר על עצמו.
ומשם חפשו את התהליך הבא שאפשר לשפר.
כי הערך שלנו בארגון מעולם לא היה מספר השעות שלקח לנו להכין מסמך, דוח או מצגת.
הערך נמצא ביכולת להבין מה צריך לקרות, לחבר אנשים ותהליכים, לפתור בעיות ולהזיז את הארגון קדימה.
AI פשוט נותן לנו עכשיו הזדמנות לעשות את זה בקנה מידה גדול יותר.
מקורות מרכזיים למחקר
המאמר מבוסס בין היתר על מחקר NBER ממרץ 2026 בנושא AI, פרודוקטיביות וכוח העבודה; ניתוח The CFO Survey של Federal Reserve Bank of Richmond; Future of Jobs Report 2025 של World Economic Forum; מאמר PwC מיולי 2026 בנושא workforce dividend; ומאמר Harvard Business Review מאפריל 2026 בנושא AI augmentation לעומת automation.
