חברה שמכניסה היום בינה מלאכותית לשירות לקוחות, למכירות, לפיתוח תוכנה או למחלקת הכספים לא רק מאיצה תהליך עבודה - היא מתחילה ללמד מערכת חיצונית איך הארגון שלה חושב. בהתחלה זה נראה כמו עסקה מצוינת. פחות זמן על משימות חוזרות, ניסוחים מהירים יותר, סיכומי פגישות, ניתוח מסמכים, תשובות ללקוחות וקוד שנכתב מהר יותר. אבל מתחת לשכבת ההתייעלות מסתתרת שאלה גדולה בהרבה. מי מרוויח מהלמידה שנוצרת תוך כדי העבודה הזאת, הארגון עצמו, העובדים שלו או ספקי המודלים הגדולים? זו השאלה שסאטיה נאדלה (Satya Nadella), מנכ״ל מיקרוסופט (Microsoft), מנסה להציב במרכז הדיון. בפוסט ארוך שפרסם ב-X תחת הכותרת “A frontier without an ecosystem is not stable”, נאדלה טען שחברות צריכות להפסיק לחשוב על AI כעל עוד כלי תוכנה, ולהתחיל לראות בו מנגנון שמסוגל ללמוד את הארגון מבפנים. לדבריו, העתיד של החברה העסקית תלוי ביכולת שלה לבנות שני סוגי הון, הון אנושי והון טוקנים. זו לא עוד אמירה כללית על “עתיד העבודה”. זו אזהרה על בעלות.
רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.
אפשר גם להרשם לניוזלטר שלנו
לא עוד כלי, אלא לולאת למידה
כדי להבין את הטענה של נאדלה, צריך להתחיל מההבדל בין תוכנה רגילה לבין AI ארגוני.
תוכנה רגילה עוזרת לעובדים לבצע פעולה: לשלוח חשבונית, לעדכן רשומת לקוח, לנהל מלאי, לכתוב מסמך. בינה מלאכותית, לפחות בגרסה שנאדלה מתאר, לא מסתפקת בביצוע - היא יכולה לצפות בתהליך, ללמוד ממנו, לקבל משוב, להשתפר, ולהפוך את הידע שהצטבר בעבודה היומיומית ליכולת חוזרת.
כאן נכנסת ההבחנה שלו בין “הון אנושי” ל“הון טוקנים”. ההון האנושי הוא מה שעובדים מביאים איתם: ניסיון, שיקול דעת, קשרים, אינטואיציה, הבנה של חריגים ודפוסים. “הון טוקנים” הוא הניסיון להפוך חלק מהידע הזה ליכולת AI שהארגון מחזיק, מודד ומשפר.
טוקנים הם יחידות המידע שמודלי שפה מעבדים. אבל אצל נאדלה, הביטוי “הון טוקנים” מייצג משהו רחב יותר - היכולת של חברה לבנות שכבת AI שמגלמת את המומחיות שלה, ולא רק משתמשת במודל כללי שנמצא אצל ספק חיצוני.
הטענה שלו היא לא שהמכונה מחליפה את המומחיות האנושית. להפך. המומחיות האנושית היא חומר הגלם שממנו נבנית יכולת ה-AI של הארגון.
לולאת הלמידה הארגונית
העובד הוותיק הוא הנכס
בכל חברה יש ידע שלא מופיע במצגת, במדריך נהלים או במסד נתונים מסודר. נציגת שירות ותיקה יודעת מתי לקוח כועס באמת ומתי הוא רק בודק גבולות. איש מכירות מנוסה יודע מתי לשלוח מייל נוסף ומתי דווקא לשתוק. מפתחת בכירה יודעת שלא נוגעים במודול מסוים ביום חמישי, כי בכל פעם שעשו את זה בעבר משהו נשבר במערכת אחרת.
זה ידע שקט. הוא נמצא בהרגלים, בקשרים, בזיכרון, בשיקול דעת. הרבה פעמים הוא אפילו לא מנוסח כידע. הוא פשוט “ככה אנחנו יודעים לעבוד”. נאדלה קורא לזה, במילים אחרות, המומחיות של העובד הוותיק. והוא טוען שחברה צריכה להיות מסוגלת להחליף מודל בסיס כללי, למשל לעבור בין מודלים של ספקים שונים, בלי לאבד את המומחיות הארגונית שנצברה מעליו.
זו נקודה קריטית. המודל הוא לא בהכרח הנכס המרכזי. לולאת הלמידה היא הנכס.
אם חברה מחברת AI לתהליכי שירות לקוחות, השאלה היא לא רק אם התשובות מהירות יותר, השאלה היא האם המערכת לומדת מהתיקונים של הנציגים. אם צוות מכירות משתמש ב-AI לניתוח שיחות, השאלה היא לא רק אם נוצר סיכום יפה, אלא האם הארגון לומד אילו טיעונים באמת מקדמים עסקאות. אם צוות פיתוח משתמש בסוכן קוד, השאלה היא לא רק כמה שורות נכתבו, אלא האם הידע על ארכיטקטורה, באגים חוזרים והחלטות עבר נשמר כחלק מהיכולת הפנימית של החברה.
ה-AI לא רק עונה על שאלות. הוא לומד מהשאלות שהארגון שואל.
הסכנה היא לא לבנות זיכרון משלך
קל להפוך את הטיעון הזה לקריאה פשטנית נגד מודלים חיצוניים. זו לא הנקודה. רוב הארגונים לא יבנו מודל בסיס משלהם, וגם לא צריכים לעשות את זה. המודלים הגדולים של OpenAI, אנטרופיק (Anthropic), גוגל (Google), מטא (Meta) ואחרים יהיו חלק בלתי נפרד מסביבת העבודה העסקית.
הבעיה מתחילה כאשר הארגון משתמש בהם רק כקבלן ביצוע, בלי לבנות שכבה משלו מעליהם: בסיסי ידע, מדדי הצלחה פנימיים, מערכי בדיקה פרטיים, משוב אנושי, בקרה, הרשאות ותהליכי שיפור.
נאדלה מדבר על Private Evals, כלומר בדיקות פנימיות שמודדות אם מערכת ה-AI באמת משתפרת מול מה שחשוב לעסק, לא רק מול מבחן חיצוני כללי. מודל יכול להיות מצוין במבחן קוד ציבורי ועדיין להיכשל בהבנת תהליך החיתום של חברת ביטוח מסוימת. הוא יכול לסכם מסמכים מצוין ועדיין לא להבין את הסיכון המשפטי שמעניין משרד עורכי דין מסוים.
זו הבחנה חשובה למנהלים: לא מספיק לשאול איזה מודל חזק יותר, צריך לשאול איזה ידע ייחודי נוצר אצלנו מדי יום, מי שומר אותו, מי לומד ממנו, והאם אפשר להחליף את המנוע של ה-AI, בלי לאבד את הזיכרון הארגוני שנבנה סביבו.
ריבונות AI לא נמדדת רק בשאלה איפה הנתונים יושבים. היא נמדדת בשאלה מי משתפר מהם.
הזיכרון הארגוני נמצא בתוך ההקשר המשותף
נאדלה צודק, אבל הוא לא עומד מהצד
החלק שדורש קריאה ביקורתית הוא זהות הדובר. נאדלה הוא לא חוקר עצמאי שמתאר את השוק מבחוץ. הוא מנכ״ל אחת החברות שיש להן הכי הרבה מה להרוויח מהמעבר הזה.
מיקרוסופט מוכרת בדיוק את השכבות שעליהן נאדלה מדבר: ענן, כלי פיתוח, סוכני AI, אבטחה, ממשל נתונים, סביבת עבודה ארגונית ותשתיות להרצת מודלים. בבלוג הרשמי שלה, החברה מתארת את החזון הארגוני שלה כמעבר מצ׳אטבוטים למערכות סוכנים שמחוברות לזהות, הקשר ארגוני, מדיניות, בקרה אנושית ושיפור מתמשך.
גם מבחינה עסקית, זה לב האסטרטגיה שלה. בדוח השנתי ל-2025 מיקרוסופט כתבה שהיא נמצאת בעיצומו של “מעבר פלטפורמה” סביב AI, ודיווחה כי Azure עבר הכנסות שנתיות של 75 מיליארד דולר, עם צמיחה של 34%.
כלומר, נאדלה כנראה מצביע על בעיה אמיתית, אבל הפתרון שהוא מציע עובר דרך שוק שמיקרוסופט רוצה לעצב. וכאן נמצאת האירוניה - חברה יכולה לנסות לברוח מתלות במודל אחד, ובדרך להפוך תלויה בפלטפורמת ענן אחת.
לכן הקריאה הנכונה של הטקסט היא לא “נאדלה מסביר לארגונים איך להיות ריבוניים”, היא מורכבת יותר. נאדלה מזהיר מפני ריכוז ערך אצל מספר קטן של מודלים, ובמקביל מציע חזון שבו פלטפורמות כמו של מיקרוסופט יהפכו לשכבת ההפעלה של ה-AI הארגוני.
זו לא סיבה לפסול את הטענה. זו סיבה לקרוא אותה בעיניים פקוחות.
השאלה החדשה למנהלים
ההשוואה של נאדלה למיקור חוץ בגלובליזציה מחדדת את החשש. תהליך שנראה יעיל בטווח הקצר יכול להיראות אחרת אחרי שנים, כאשר יכולות, משרות, ידע ושרשרת ערך עוברים החוצה. ההקבלה אינה מושלמת, אבל היא מסבירה את הפחד המרכזי שלו: יעילות זמנית שעלולה להפוך לאובדן יכולת.
ב-AI, האובדן הזה עלול להיות פחות נראה לעין. לא תמיד תיסגר מחלקה. לא תמיד יפוטרו מאות עובדים. לפעמים הארגון פשוט יפסיק ללמוד. הוא יבצע יותר, מהר יותר, אבל הידע שנוצר תוך כדי הביצוע לא יישאר אצלו.
לכן השאלות שמנהלים צריכים לשאול משתנות. לא רק באיזה מודל נשתמש, אלא איזה ידע ייחודי נוצר אצלנו בכל יום? האם ה-AI מחזיר את הידע הזה לארגון או רק משתמש בו למשימה נקודתית? האם אנחנו יכולים להחליף ספק בלי לאבד את הזיכרון שנצבר? האם יש לנו מדדים פנימיים שמראים שהמערכת משתפרת במה שבאמת חשוב לעסק? מי מתקן את המערכת, מי מאשר אותה, ומי מחליט מה אסור לה ללמוד?
אלה שאלות פחות נוצצות מהדגמה של סוכן חדש, אבל הן חשובות יותר.
כדי ש-AI יהפוך לנכס ארגוני, לא מספיק לחבר מודל
הקרב הבא הוא על הזכות ללמוד מהעבודה
נאדלה מנסה להזיז את הדיון מיכולות של מודלים לשאלת הבעלות על למידה. זו תזוזה חשובה. במשך שנתיים וחצי השוק התרגל לשאול מי הציג מודל חזק יותר, מהיר יותר, זול יותר או מרשים יותר. אבל בארגונים, היתרון האמיתי לא יגיע רק מהמודל. הוא יגיע מהיכולת לחבר בין אנשים, ידע, תהליכים, משוב ובקרה למערכת שמשתפרת בלי לוותר על שליטה.
אין סכנה בזה שהחברה תשתמש במודל חיצוני. הסכנה היא שהיא לא תבנה שום זיכרון משלה מעליו. אם נאדלה צודק, עתיד העבודה לא ייקבע רק בשאלה אילו משימות AI יוכל לבצע במקום בני אדם. הוא ייקבע בשאלה עמוקה יותר: האם הידע האנושי יהפוך לנכס מצטבר של הארגון, או לחומר גלם שמחזק פלטפורמות חיצוניות.
המודל הוא המנוע. לולאת הלמידה היא המפעל. ומי ששולט במפעל, ישלוט בחלק גדול מהערך.
