BCG: AI אגנטרי עלול לפוצץ את המורכבות בארגונים

אתם זוכרים את הימים שבהם AI ארגוני היה עניין של צ'אטבוטים ו-copilots? אז תחשבו שוב. בעולם שבו כל עובד – מפתח או מנהל מוצר – יכול לייצר סוכנים אוטונומיים שמבצעים משימות, ה-CIOs מתמודדים עם איום חדש לגמרי: פיצוץ של מורכבות טכנולוגית שעלול להפוך את מערכות ה-IT שלהם לבלתי ניתנות לניהול.

Boston Consulting Group פרסמו לאחרונה ניתוח שמציג תמונה ברורה: פריסת פתרונות AI אגנטרי מתרחשת בקצב מסחרר, אבל היכולת של ארגונים לשלוט בהם מפגרת מאחור. וחלון הזמן לפעול מתקצר במהירות.

אז מה בעצם קרה כאן?

בניגוד לגלים טכנולוגיים קודמים, AI אגנטרי מאפשר לכל אחד בארגון ליצור סוכנים שמבצעים פעולות באופן אוטונומי. זה מזרז אימוץ, אבל יוצר בעיה חדשה: התפשטות סוכנים (agent sprawl). ניסויים עסקיים שמניבים הוכחות ערך מתפתחים לאלפי סוכנים לא מבוקרים, שנפרשים ברחבי הארגון בלי ממשל תקין.

בנוסף, ישנה פרדוקס הפרודוקטיביות של ההנדסה. כלי AI משפרים את מהירות הפיתוח, אבל במקביל צוברים חוב טכנולוגי. ואם זה לא מספיק, מסגרות העבודה ומודלים של AI מתיישנים בתוך חודשים – לפעמים שבועות. התוצאה: מורכבות שגדלה באופן אקספוננציאלי.

BCG ממחישים את זה עם תרחיש ל-2028: ארגון טיפוסי עם 300-400 תהליכים מרכזיים ו-1,300 תת-תהליכים עלול למצוא את עצמו עם למעלה מ-100,000 נכסים טכנולוגיים חדשים – כולם סוכנים עם יכולת לבצע עסקאות במערכת הטכנולוגית. אפילו אם רק שליש מהתהליכים מכוסים בסוכנים, מדובר באלפי סוכנים שמפוזרים בין פלטפורמות SaaS, מערכות ביתיות ופתרונות low-code.

האתגרים: לא רק בעיה טכנית

המורכבות הזו מערערת יסודות של ניהול IT מסורתי. תהליכי SDLC (מחזור חיים של פיתוח תוכנה) – שמיועדים לעולם דטרמיניסטי שבו קלטים זהים מייצרים פלטים זהים – פשוט לא מתאימים למציאות שבה סוכנים מייצרים פלטים שונים בכל הרצה, ועדיין יכולים להיות שניהם נכונים.

זה משפיע על כל שרשרת הניהול:

• עלויות בלתי צפויות: סוכנים שמוקצים משאבים באופן אוטונומי הופכים הוצאות ענן לקשות לחיזוי. תרחיש ה-2028 של BCG מראה שבסיס העלויות של 100,000 סוכנים יכול להשתנות בן לילה בגלל החלטת תמחור של ספק אחד.
• צף לוגיקה: סוכנים שצוברים זיכרון ומתנהגים בצורה אדפטטיבית יכולים לסטות מההתנהגות המקורית שלהם. בלי מעקב רציף, הסטיות האלה עלולות להתגלות רק ככשל עסקי.
• חוב טכני מואץ: פיתוח ב-low/no-code וכלים גנרטיביים מגביר תפוקה, אבל בלי סטנדרטים ארכיטקטוניים קפדניים, החוב הטכני מצטבר מהר יותר ממה שאפשר לנהל.
• אתגרי ממשל: SLAs עסקיים קשורים כעת ישירות ל-SLAs טכנולוגיים. אם סוכן נכשל, זה משפיע על השירות העסקי. מסגרות תאימות דורשות רמות שקיפות שלא קיימות כיום.

ויש בעיה יסודית יותר: איכות נתונים. סוכנים מנתחים את כל הנתונים שהם יכולים לגשת אליהם, ומייצרים פלטים בטוחים בלי קשר לאיכות הקלט. ארגון עם ארכיטקטורת נתונים לקויה פשוט לא יצליח לאמץ AI אגנטרי, לא משנה כמה מתקדמת הפלטפורמה שלו.

הפתרון: עמודי תווך חדשים לניהול

BCG טוענים ש-CIOs צריכים לבנות עמוד שדרה AI חדש שפועל על ארבעה עמודי תווך:

1. שירותי פלטפורמת GenAI: בניית בקרת פדרטיבית שמבטיחה שכל פתרון agentic פועל תחת אותם מדיניות, בין אם הוא פותח פנימית או חיצונית.
2. נתיבי קידום ל-AI: כל סוכן שנוגע במערכות ארגוניות חייב לעבור "קידום" – הפיכה לניהול טכנולוגי עם זהות מכונה, בעלות מוגדרת וטלמטריה.
3. שיפור מתמשך: התייחסות למערכת הטכנולוגית, הנתונים והפתרונות agentic כאל מוצר חי שמתפתח כל הזמן.
4. ניהול שירותי IT (ITSM) מותאם ל-ADLC: מעבר מ-SDLC ל-ADLC (מחזור חיים של פיתוח סוכנים) – שבו ממשל הוא guardrails-as-code עם אכיפה בזמן ריצה.

במילים אחרות, ADLC הופך את ה-ITSM ממגדל פיקוח תקופתי למערכת בטיחות בזמן אמת. ביסודו של הדבר, זה דורש מאנשי ה-CIO להפוך למהנדסי חוסן ארגוני, לא רק מנהלי טכנולוגיה.

החלון נסגר: מה קורה אם לא פועלים?

BCG מעריכים של-CIOs יש חלון של 6-12 חודשים לפני שהמורכבות של AI אגנטרי תהפוך לבלתי ניתנת לניהול. נכון להיום, רק כ-15% מהחברות כבר בנו את עמוד השדרה הזה.

האתגר הוא לא רק טכני – הוא מנהיגותי. CIOs צריכים לגייס את ההנהלה וה-CFOs על ידי התמקדות בסיכונים עסקיים וערך, לא ב"מה שעשוי לקרות". בלי תמיכה כזו, ההשקעות של היום יהפכו למערכות legacy שבריריות מחר.

ועל הדרך: הזדמנות לחיסכון מבני בעלויות

הסיפור השני מ-BCG עוסק בצד השני של המטבע: איך AI יכול להניע חיסכון מבני בעלויות, מעבר לשכבת כלים פשוטה.

לפי סקר ה-AI Radar 2026 שלהם, רק 5% מהחברות מייצרות ערך בקנה מידה גדול. הסיבה העיקרית: חברות מוסיפות copilots ו-chatbots על תהליכים קיימים, מה שמייצר שיפורים תיאורטיים בתפוקה אבל לא משפיע על השורה התחתונה.

מובילי AI, לעומת זאת, נוקטים גישה אחרת: הם מתכננים מחדש תהליכים סביב החלטות, לא משימות. הדוגמה המרכזית לקוחה מלקוח טכנולוגי גדול של BCG: שילוב של אסטרטגיות מסורתיות (כמו העברת פעילויות לחו"ל) עם מסגרת "ביטול, פישוט, אוטומציה" הוביל לחיסכון של 30% בעלויות תפעוליות מבסיס עלויות של 15 מיליארד דולר.

האסטרטגיה כוללת:

• ריכוז השקעות AI בזרימות עבודה ליבה
• תכנון מחדש של תהליכים סביב החלטות אוטומטיות
• שימוש באסטרטגיות מסורתיות למימון המהלך
• התחייבות מהירה, גם אם מקרה העסקי לא מושלם
• קביעת יעדים קשיחים לאכיפה

במילים אחרות, לא מדובר רק ביעילות – מדובר בשינוי מודל הפעולה. חברות שמצליחות להטמיע AI כחלק מאסטרטגיה כוללת משיגות הפחתת עלויות פי שלושה מהחברות שמאחור.

סיכום: הזדמנות או קטסטרופה?

השורה התחתונה: AI אגנטרי הוא לא עוד גל טכנולוגי. הוא מחייב שינוי יסודי באופן שבו ארגונים מנהלים את המערכות שלהם. חברות שיפעלו עכשיו – יבנו עמודי תווך, ישפרו את ניהול הנתונים ויתכננו מחדש תהליכים – יוכלו לנצל את היתרונות. מי שיתמהמה, עלול למצוא את עצמו עם חוב טכנולוגי עצום, עלויות בלתי צפויות ומערכות שאי אפשר לתחזק.

ומי יודע, אולי בעוד כמה שנים ניזכר בימים האלה כתקופה שבה היינו צריכים לבחור בין חדשנות לבין שפיות. בינתיים, כדאי שתשאלו את עצמכם: כמה סוכנים כבר רצים אצלכם במערכת, ולמי יש שליטה עליהם?